BP神经网络模型在澜沧江流域径流量模拟中的应用

河川径流等水文时间序列属于复杂的非线性系统,使用回归分析等传统的分析方法,难以获取和描述其内在关联和变化规律。利用现有的相关站点的径流量历史数据和输沙量、降水量数据,在进行规格化处理和主成分分析的基础上,利用三层BP人工神经网络模型,对澜沧江流域上游昌都站径流量与各关联因子之间复杂的非线性映射关系进行模拟,采用拟牛顿算法对模型进行训练,模拟结果达到期望精度要求,并利用1982年~1985年实测数据进行模型验证。结果证明利用BP神经网络模型对澜沧江流域站点的月径流量序列进行模拟、预测和数据补缺处理具有可行性。     

BP神经网络模型在澜沧江流域径流量模拟中的应用

河川径流等水文时间序列属于复杂的非线性系统, 使用回归分析等传统的分析方法, 难以获取和描述其内在关联和变化规律。利用现有的相关站点的径流量历史数据和输沙量、降水量数据, 在进行规格化处理和主成分分析的基础上, 利用三层BP人工神经网络模型, 对澜沧江流域上游昌都站径流量与各关联因子之间复杂的非线性映射关系进行模拟, 采用拟牛顿算法对模型进行训练, 模拟结果达到期望精度要求, 并利用1982年~1985年实测数据进行模型验证。结果证明利用BP神经网络模型对澜沧江流域站点的月径流量序列进行模拟、预测和数据补缺处理具有可行性。     

BP小波神经网络在地铁隧道变形分析中的应用

利用小波分析能够逼近非线性连续函数和良好的局部化特性对BP神经网络模型进行改进。结合BP神经网络的非线性映射和容错性等优点,将小波分析和BP神经网络相结合,并将其应用于变形监测的数据分析处理。本文通过BP神经网络模型和BP小波神经网络模型分别对样本数据进行分析处理,并对结果进行对比,验证BP小波神经网络模型的优越性。     

CORS站点高程坐标时间序列分析

根据CORS(Continuously Operating Reference System)站点多年积累的连续观测数据,研究站点坐标高程分量的变化规律。对高程时间序列进行了谱分析,并对CORS站点高程时间序列进行了预报分析。采用BP神经网络方法对时间序列模型进行补偿,建立了一个融合模型。实例分析结果表明,与传统的多项式函数拟合模型和时间序列模型相比,提出的融合模型预报精度可提高10%以上。     

基于经验模态分解和BP神经网络的地铁沉降预测模型研究

地铁沉降是一个非线性的复杂过程,基于经验模态分解(EMD)和BP神经网络预测模型,建立了一种可供地铁沉降监测预测的EMD-BP神经网络预测模型。新建模型首先利用经验模态分解法对原始观测数据序列进行预处理,形成本征模态分量IMF,再根据每个IMF的变化特征,研究选择合适的参数构造BP神经网络,计算预测对应IMF,最后进行重构获得地铁沉降的预测结果。实验分析结果表明,EMD-BP神经网络模型预测精度和稳定性优于单一BP神经网络模型。     

小波分解AR-BP网络模型在大坝垂直位移预测中的应用

针对大坝内部垂直位移数据序列不仅具有周期性、平稳性,且在频域上存在高、低频,显著的多尺度等特性,本实验利用多尺度小波分析的原理与方法对数据序列进行分解,对低频序列和高频序列分别建立AR模型和BP神经网络模型并进行预测,最后叠加各个序列的预测值,得到数据序列的预测结果。该方法适用于大坝垂直位移的预测,结果与自回归模型及单BP神经网络模型相比,该模型具有更高预测精度。     

利用SVM与ARIMA组合模型进行大坝变形预测

由于大坝位移时间序列数据受各种复杂因素的影响,具有非平稳和非线性等特征,因此,利用传统、单一的时间序列预测模型较难准确地描述大坝位移变形的复杂规律。综合考虑大坝位移时间序列非线性和线性特征,本文提出了一种SVM和ARIMA相结合的时间序列预测模型。将大坝变形的时间序列分为非线性部分和线性部分。针对非线性部分,利用SVM进行滚动预测,并与NAR动态神经网络进行对比,试验表明SVM处理非线性问题具有相对的优势;针对线性部分,通过ARIMA模型对其进行单步滚动预测,综合两项预测结果得到组合模型的预测值。结合大坝实测资料对组合模型进行检验,试验结果表明,SVM-ARIMA组合模型的预测精度高,能更好地描述大坝位移的变化趋势,具有一定的实用价值。     

基于支持向量机的土地利用变化模拟模型

以湖北省为例,选取5大类7个耕地.利用变化驱动力因子.将1986～2000年的数据作为样本训练数据,2001～2004年的数据作为测试数据,与耕地变化进行基于支持向量机的回归模拟,用遗传算法对参数进行优化,并与BP、RFB神经网络模型进行了对比.模拟结果精度分析显示,SVM模型较BP神经网络模型理想,与RFB神经网络接近.并运用该模型对湖北省2010年的耕地利用变化进行了预测,结果合理.研究表明,SVM模型有较强的自学习、自适应能力,在土地利用变化模拟中有着广泛的应用前景.     

近40年乌兰乌拉湖变化的遥感分析与水文模型模拟

为了研究可可西里地区的湖泊变化及其与气候变化的响应关系,利用TM/ETM+图像提取乌兰乌拉湖水体面积,利用高度计数据获得湖泊水位,分析湖泊面积和水位的变化;并计算得到2003—2009年湖泊水量变化;然后利用SWAT模型(soil and water assessment tool),对乌兰乌拉湖1970—2012年的径流情况进行模拟,其中土壤分类、土地利用分类和气象数据作为输入数据,利用遥感数据计算湖泊径流量,进行模型率定和验证。结果表明:1970—1990年,乌兰乌拉湖湖泊面积持续缩小,1990年以后湖泊面积持续增大,1990—2010年湖泊面积共增长了129 km2,水位也持续上升;SWAT模型模拟值和真实值的决策系数R2=0.82,模型适用性强,长期模拟结果与遥感监测结果的趋势一致;乌兰乌拉湖流域多年平均年径流量为103.8 mm,高峰出现在7—9月。     

动态数据驱动模式下的湖泊流域降雨径流模拟

湖泊流域汇水径流过程的模拟预测是一种复杂系统中的时间序列分析问题。模型选择上,现有的机理模型法与辨识模型法各有利弊。同时,现有的模型多采用静态数据驱动模拟,不能有效利用传感网实时观测数据来改善模拟不确定性的问题。本文基于深度循环神经网络技术,提出一种适应动态数据驱动的模式,可融合遥感数据与原位传感器站点数据的DTSM(Dynamic Data Driven Time Series Model)时序模拟预测模型,并在观测值与数值模拟之间建立了一种能动态反馈、自适应调整的模拟框架,解决了传统辨识模型法对时序信息挖掘较弱导致模拟精度较低的问题。通过在鄱阳湖多个子流域入湖径流的案例中验证,显示静态数据驱动模式下,以不同数据源作为输入模拟时,本文DTSM模型的纳希效率系数Ens精度比机理模型提高10个百分点以上;相比静态模式,动态数据驱动模式的模拟精度有进一步提高,尤其是对于静态模式精度较低的流域,提高更为明显。     

国家一等水准网复测高程变化分析及其成果使用

分析国家一等水准网点复测高程的变化量值与分布特征以及导致高程变化的原因，对现有国家水准网点高程的使用提出建议。     

Pinpointing the sources and measuring the lengths of the principal rivers of the world

Abstract

Cultures throughout the world are associating with the rivers. People depend upon the rivers and their tributaries for food, water, transport, and many other aspects of their daily lives. Unfortunately, human beings have not calculated the accurate lengths for the great rivers even today. The lengths of the rivers are very different in popular textbooks, magazines, atlases and encyclopedias, etc. To accurately determine the lengths of the principal rivers of the world, the combination of satellite image analysis and field investigations to the source regions is proposed in this paper. The lengths of the Nile, Amazon, Yangtze, Mississippi, Yellow, Ob, Yenisey, Amur, Congo and Mekong, with lengths over or close to 5000 km, were calculated using the proposed method. The results may represent the most reliable and accurate lengths of the principal rivers of the world that are currently achievable.     

Movements of the protoplanetary superconducting particles in the magnetic field of the Saturn lead to the origin of the rings

In this letter, we are trying to resolve the electromagnetic problem for the movements of the superconducting particles of the protoplanetary cloud in the magnetic field of Saturn. The force of levitation (Meissner-Ochsenfeld phenomenon) is introduced to the field of planetary science for the first time. It is shown from our theoretical analysis that rings of Saturn might have a superconducting origin, and rings might levitate within magnetic equator plane of the planet.