基于PCA和BP神经网络的径流预测

径流预测为流域水资源的合理开发利用与统筹配置提供依据。运用多元线性回归、主成分回归、BP神经网络及主成分分析和BP神经网络相结合的方法,对新疆呼图壁河流域石门水文站2009-2011年各月径流量进行预测,并采用相关系数、确定性系数及均方根误差对各模型预测精度进行比较。结果表明：（1）神经网络等智能算法具有高速寻优的能力,对短时间尺度的月径流量的预测结果较好;（2）主成分回归等常规算法能充分反映出某地区径流的年际的稳定性,对全年径流总量的模拟精度较高;（3）主成分分析和BP神经网络相结合的方法,提高了神经网络的收敛速度,同时降低了局部极值的影响,优于简单的BP神经网络,适用于呼图壁河月径流量预测。     

人工智能计算技术在新疆干旱区典型绿洲土壤盐分预测中的应用

针对新疆渭干河-库车河三角洲绿洲土壤盐分动态监测中存在的方法问题,首先用灰色关联度模型分析影响形成土壤盐渍化的各因子,并确定其与土壤盐分之间的关联度,然后将人工智能计算技术引入土壤盐分的预测中,经过多次调整网络结构和参数,建立了预测表层土壤盐分的BP神经网络模型和RBF神经网络模型。结果表明：以潜在蒸散量、地下水埋深、地下水矿化度、土壤电导率、总溶解固体、pH值、坡度和土地利用类型8个因素为输入因子,以土壤含盐量为输出因子的BP网络模型和RBF网络模型可有效模拟土壤盐分与其影响因子之间的内在复杂关系,并且有较高的精度。BP网络模型预测误差略低于RBF神经网络。本研究可为分析和预测土壤盐渍化动态规律提供一种有效可行的新途径,是对传统土壤盐分动态研究的补充。     

改进型BP神经网络对民勤绿洲地下水位的模拟预测

以具有代表性的民勤绿洲为研究对象,以Matlab7.0为工作平台,对沙漠绿洲地下水埋深预测的三层前馈神经网络（BP神经网络）进行了改进。输入端因子选取民勤绿洲逐月灌溉量、红崖山水库下泄水量、月降水量、月蒸发量（20 cm）、月平均气温、时间序列6项,输出因子为民勤绿洲地下水位。通过在模型的输入层增加时间序列引导因子的方法使BP神经网络对输入端数据具备时间敏感性;通过Levenberg-Marquardt算法使网络误差最小化,并配合Bayesian正则化使网络的误差平方和、网络权重以及阈值平方和实现最优组合,最后使用相关系数、相对误差、效率系数等指标对模型的模拟结果进行检验。结果表明,通过以上一系列改进可以有效提高模型的模拟精度,增强模型的稳定性,并使模型具有良好的“泛化性”。     

城市需水量模拟及不确定性分析方法研究

需水量预测是区域水资源合理配置和有效管理的基础。由于供需水量的不确定性,精准的需水量预测较有困难。通过建立径向基函数（RBF）与BP神经网络预测模型,以西北地区城市西安市需水量为例,将用水量驱动因子作为模型输入,利用1990-2009年20组年用水数据进行网络训练模拟,对2010-2012年3组年用水数据进行检验预测,采用不确定性评价指数和置信区间方法对两种模型及模拟结果进行比较分析。结果表明,RBF与BP模型预测期的均方根误差分别为0.08、0.26,不确定性评价指数分别为0.74、1.02且BP模型预测值的相对误差最大超过10%以上,而RBF模型预测值的相对误差均小于5%,说明RBF模型模拟效果好,具有预测精度高以及不确定性影响低的双重优势;在模拟结果基础上,引用置信区间分析了结果的可靠性,为分析城市需水预测的不确定性提供了依据。     

基于粗集、遗传神经网络的环境质量评价

基于粗集、遗传神经网络的环境质量评价方法利用粗集对属性的归约功能将数据库中的数据进行归约，并将归约后的数据作为训练数据提供给BP神经网络；再用遗传算法和BP算法相结合的混合算法来训练网络预测模型的结构（在得到最优网络结构的同时也得到网络的最优权值和阈值）。通过粗糙集归约，提高了训练数据表达的清晰度，也减小了BP神经网络的规模，同时利用BP神经网络又克服了粗糙集对噪声数据敏感的影响。这一算法克服了BP算法收敛速度慢、易陷入局部极小等缺陷，实例证明提高了预测精度。     

基于GIS的区域群发性降雨型滑坡时空预报研究

以滑坡灾害突出的雅安市雨城区为例,综合考虑降雨强度、前期降雨量及下垫面(地形、岩性、植被覆盖等)构建了基于GIS分析获取的易发指数+BP型神经网络时空预报模型。首先通过试验确定了模型的网络参数和网络结构,然后通过危险性区划图获取降雨型滑坡易发指数,并利用GIS的空间插值功能和雨量站数据获取相应降雨型滑坡的雨量数据,将量化后下垫面的易发指数和降雨数据作为神经元输入层数据。将模型应用于研究区,其中46个降雨型滑坡数据作为训练样本,10个降雨型滑坡数据作为检验样本,预测精度达到90%,显示该模型对于降雨型滑坡的时空预报精度较高。     

基于BP神经网络的盐渍土盐分遥感反演模型研究

采用遥感技术和BP神经网络技术,结合野外实测的盐渍土光谱特征和实验室化验的土壤含盐数据,对盐渍土盐分的遥感反演进行了模型的设计与编程实现.BP神经网络模型的预测精度在62.5%,明显高于传统统计模型的预测精度,表明BP神经网络能较好地模拟土壤含盐量与光谱数据之间的关系,可用于建立土壤盐分遥感反演模型.     

基于主成分分析土壤水分扩散率单一参数模型的BP神经网络模型

应用水平土柱法测定了杨凌地区典型粘壤土的水分扩散率,利用土壤水分扩散率的单对数模型和双对数模型对其进行了拟合,建立了土壤水分扩散率单一参数模型,基于主成分分析建立了单一参数模型中参数B的BP神经网络模型。结果表明：利用主成分分析可将研究区域土壤容重、有机质含量、粘粒含量、粗粉粒含量和砂粒含量综合成3个主成分;基于主成分分析建立的BP神经网络模型拟合的单一参数模型参数[B]的均方根误差RMSE为0.308 2;将拟合得到的参数B代入单一参数模型中对土壤水分扩散率进行预测,除去其中较大值的预测结果偏低外,其余土壤水分扩散率预测结果都比较接近实测值,预测结果的均方根误差RMSE为0.257 8,可利用基于主成分分析建立的BP神经网络模型预测单一参数模型中的参数B。     

利用BP算法进行新疆MODIS数据土地利用分类研究

土地利用信息获取已经成为遥感技术的重要应用领域之一。本研究以MODIS数据产品为信息源,用神经网络分类中的反向传播网络(BP)算法对新疆进行了土地利用分类研究。以新疆石河子为实验区,比较了BP算法与最大似然法的分类精度,前者的精度提高近10％。用BP算法对新疆全省进行了土地利用分类,统计分类结果各类别的面积和百分比,所得数据与相关部门公布数据非常接近。研究结果表明,250mMODIS数据对新疆地区的土地利用的类别信息获取比较实用：BP算法对中分辨率的MODIS数据能取得较高的分类精度。     

两种模型对潜流湿地出水中总氮含量的预测能力对比

以北京顺义汉石桥湿地自然保护区中水处理厂的潜流湿地为例,选取2014~2015年的水质监测数据,以电导率、溶解性固体总量、氧化还原电位、p H、水温和总输入氮含量为输入层,比较遗传算法优化的BP神经网络模型和广义回归神经网络模型对多处理单元潜流湿地出水中的总氮含量预测能力。研究结果表明,遗传优化的BP神经网络模型的拟合优度R2可达到0.835,平均相对误差百分比为12.89%,说明其对出水中的总氮含量有一定的预测能力,但精度较差;广义回归神经网络模型的平均相对误差百分比为4.46%,精度较高。利用广义回归神经网络模型对潜流湿地出水中的总氮含量进行预测较适宜。     

基于GIS与BP神经网络的采空塌陷易发性预测

以湖北省鄂州程潮铁矿和黄石大冶铁矿为例,利用GIS空间分析功能对研究区数据进行提取分级、赋值统计及归一化等处理,构建了包括高程、坡度、地层、地下开采点的分布密度、相距最近地下开采点的距离、开采厚度与深度比值、蚀变接触带缓冲区、地下水深度以及地表地物类型的矿区采空塌陷易发性评价指标数据集;借助IDL语言调用Matlab神经网络工具箱,将研究区2011和2012年的指标数据集作为输入数据,塌陷易发性作为期望输出,建立基于BP神经网络的矿区采空塌陷易发性预测模型;通过选取并优化训练样本,实现对2013年矿山塌陷易发性的预测。结果表明,高易发区及以上的区域包含89.91%的采空塌陷,随着易发等级的提高,采空塌陷面积占易发等级面积比也随之增大;采空塌陷的分布具有明显的地带性,高易发区基本沿着岩体与围岩的接触带分布。模型解决了塌陷预测中的非线性映射问题,预测结果与实际调查情况基本吻合。BP神经网络模型与GIS技术相结合预测矿区采空塌陷的易发性具有可行性。     

基于LM-BP神经网络的西北地区太阳辐射时空变化研究

定量模拟太阳辐射对认识西北地区气候变化至关重要,但西北地区辐射站点稀少,而气象站点较多,利用众多的气象站点观测值模拟太阳辐射是获得太阳辐射数据很好的方法之一。利用LM (Levenberg-Marquardt) 算法对普通的BP神经网络进行优化（优化后的BP神经网络简称LM-BP神经网络）模拟太阳辐射,通过与传统气候模型模拟的太阳辐射结果对比发现,LM-BP神经网络模型的模拟精度最高,模拟值与实测值的拟合程度明显优于H-S模型和A-P模型。由此利用西北地区159个气象站点的气象数据和LM-BP神经网络模型模拟了1990~2012年这些气象站点的太阳总辐射月总量,将LM-BP神经网络模拟的气象站点的太阳辐射和25个辐射观测站的实测太阳辐射数据相结合,通过空间插值得到了西北地区太阳总辐射的空间分布,并分析了其时空分布及变化特征。研究结果发现西北地区1990~2012年的年均总辐射月总量变化为262~643 βMJ/m²,呈现“中间高,两端低”的空间分布特征。LM-BP神经网络模型的模拟精度高,是一种很有发展前景的辐射模拟方法,可将其应用在无辐射观测地区的太阳辐射模拟中。     

山地高密度城市热岛效应的多约束因子格局分析与定量探测——重庆都市区案例研究

城市热岛受城市地表多因素影响,山地城市的情况则更为复杂。本文以典型山地城市重庆为例,基于Landsat8 OLI/TIRS影像、高精度矢量建筑等多源空间数据,采用城市地温反演、归一化植被指数、天空开阔度建模等方法,重点针对城市建成区,通过地理探测器分析各因子对城市热岛效应的约束力。研究表明：① 在都市区全域,城市热场空间异质性显著,植被覆盖、城市表面高程和天空开阔度因子具有全局性约束力表现,建筑密度、容积率和路网距离具有局部约束力表现。② 在城市建成区内部,对城市热岛效应约束性排前三位因子分别为：植被覆盖（q=0.782）、城市表面高程（q=0.499）、建筑密度（q=0.496）;局部约束因子建筑密度、容积率和道路距离的约束力均较强,但三者差异小;天空开阔度对城市热岛的全局性影响相对较小（q<0.1）。③ 在城市建成区内部,各约束因子对城市热岛具有叠加约束效应,叠加解释度q（X_i∩X_j）均强于独立解释度,叠加q值介于0.50~0.82之间。     

基于POI与不透水表面指数的城市建成区提取

准确识别城市建成区边界,对科学实施城市规划和建设、促进城乡可持续发展具有重要意义。从城市建成区概念出发,综合考虑建成区连片和公共设施配置,提出一种基于POI核密度与不透水表面指数的建成区边界提取方法。该方法以不透水表面指数和市政公用设施和公共设施POI核密度为主要数据源,通过构建城市建成区综合指数（POI&ISA指数）和最佳阈值选取等步骤可实现较为准确的城市建成区提取。以武汉都市发展区为例,将该方法与基于POI方法的建成区提取结果进行对比,结果表明基于POI&ISA指数的方法提取精度较高。该方法可弥补单一POI数据源在城市尺度建成区提取中的不足,且通过对POI数据类型初选和带宽的适当选取提高对公共设施配置的表征能力,在局部地区可获得更好的建成区提取效果。     

Simulation and prediction of monthly accumulated runoff,based on several neural network models under poor data availability

Most previous research on areas with abundant rainfall shows that simulations using rainfall-runoff modes have a very high prediction accuracy and applicability when using a back-propagation(BP), feed-forward, multilayer perceptron artificial neural network(ANN). However, in runoff areas with relatively low rainfall or a dry climate, more studies are needed. In these areas—of which oasis-plain areas are a particularly good example—the existence and development of runoff depends largely on that which is generated from alpine regions. Quantitative analysis of the uncertainty of runoff simulation under climate change is the key to improving the utilization and management of water resources in arid areas. Therefore, in this context, three kinds of BP feed-forward, three-layer ANNs with similar structure were chosen as models in this paper.Taking the oasis–plain region traverse by the Qira River Basin in Xinjiang, China, as the research area, the monthly accumulated runoff of the Qira River in the next month was simulated and predicted. The results showed that the training precision of a compact wavelet neural network is low; but from the forecasting results, it could be concluded that the training algorithm can better reflect the whole law of samples. The traditional artificial neural network(TANN) model and radial basis-function neural network(RBFNN) model showed higher accuracy in the training and prediction stage. However, the TANN model, more sensitive to the selection of input variables, requires a large number of numerical simulations to determine the appropriate input variables and the number of hidden-layer neurons. Hence, The RBFNN model is more suitable for the study of such problems. And it can be extended to other similar research arid-oasis areas on the southern edge of the Kunlun Mountains and provides a reference for sustainable water-resource management of arid-oasis areas.     

城市用地与人口的异速增长和相关经验研究

由于城市土地利用变化涉及的因素多，使获取动态研究研究所需的资料十分困难，所以，用少数几个主要因素定量地表达其变化就显得十分重要。从前人的成果，即以人口表示的城市位序-规模法则和建成区面积表示的位序-规模法则出发，绽绎出城市的用地规模和人口数量呈异速增长。这意味着，如果把整个城市看成是一个生命有机体，那么作为反映城市特征的城市用地规模和城市人口这两个重要变量，就是城市这个有机体的两个器官，他们的增长率是成比例的。还通过这个关系建立了城市建成区面积与市场人口和经济发展水平的数学模式。对我国部分城市的经验研究在一定程度上分别证明了这两经验关系。     

滑坡预报的BP-GA混合算法

提出了滑坡位移预报的一种改进人工神经网络方法－ＡＮＮ－ＧＡ法,与传统的人工神经网络方法相比,该方法加快一网络的学习速度,提高了滑坡位移的预报精度。同时它是一种面向数据的方法,适合于不同地区不同条件下滑坡的预报。两例滑坡预报平均相对误差分别为３．５５％和１．９３％,明显估于传统的ＢＰ算法（分别为１１．３５％和７．２４％）及ＧＰ改进方法（分别为３．９６％和２．６５％）,表明该方法具有科学性、可行性和有     

河北省环渤海地区生态经济协调发展的人工神经网络分析

区域社会经济系统的可持续发展依赖于系统成分的协调程度及与生态系统的增益耦合。传统研究多以系统动力学或多目标规划模型来调控系统。文中以人工神经网络模型来模拟和映射社会经济系统的结构和功能。通过构建、训练、测试、运行河北省环渤海地区生态经济网络模型,提出了以减缓发展速度、降低能量投入水平等措施来达到生态系统和社会经济系统协调发展的目标。     

Estimation of megacity growth: simple rules versus complex phenomena

"The growth of large urban aggregates (megacities) is analogous to the development of self-organized structures known in physics. Using empirical data about changes in the built-up areas of different cities as input, the self-organizing model employed here suggests that megacities evolve towards a hierarchical form of spatial organization, and provides estimates of the size of subclusters that compose the urban aggregate.... The model has been validated by reproducing the evolution of the Berlin area over a period of 35 years (1910-45). Using the same assumptions, the evolution of the built-up area of Daegu (Korea) is simulated up to the year 2010."