基于人工神经网络的地震经济损失评估

地震经济损失估计是涉及多方面、多级次的复杂指标体系的非线性动力问题。其指标体系的选取以具有代表性、可靠、易获取、易于定量化为原则。应用MATLAB6.5神经网络工具箱,建立了适用于震后经济损失快速评估的三层BP神经网络地震灾害经济评估模型。     

基于人工神经网络的区域地质灾害危险性预测评价

地质灾害危险性预测评价的准确性,主要取决于基础资料的可靠性和数学模型的合理性。论文结合工程实例,尝试用人工神经网络方法(改进的神经网络BP模型)对区域地质灾害危险性预测进行评价研究。然后与目前常用的方法(如层次分析法、信息量法和模糊综合评判法等)所得出的结果相比较。结果表明,运用人工神经网络方法对区域地质灾害危险性预测评价相对常用方法更准确、可靠,具有一定的实用意义及推广价值。     

投影寻踪学习网络的遥感影像分类

采用投影寻踪(projection pursuit,PP)学习网络方法建立了一种新的遥感影像分类模型。该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能,具有简捷的网络结构和良好的鲁棒性能。利用苏州市TM影像进行了分类实验,将分类结果与BP神经网络和最大似然法的分类结果相比较,投影寻踪学习网络的分类精度较高,具有一定的实用性。     

参数调整对气象预测的B-P网络模型性能的影响

为了探索ＢＰ网络的参数调整特性,进行了参数α、β的选取对ＢＰ算法的收敛速度和模型的稳定性的影响研究。通过ＢＰ网络用于气象预测建模的参数调整个例分析表明：参数α、β的取值对ＢＰ模型的稳定性无显著影响,但参数值的调整尤其是β值的调整对建模的收敛速度有明显的影响。     

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。     

深基坑工程变形预报神经网络法的初步研究

提出了深基坑变形预报的人工神经网络法,详细介绍了该方法的建模和应用实例。预报结果与实测值较为吻合,从而表现在深基坑工程中利用该方法进行变形预报是可行的。     

基于HBV和ANN模型的沂河流域暴雨 洪涝临界雨量确定方法研究

以沂河流域临沂站以上区域作为研究对象,基于数字高程模型(DEM)及GIS技术提取流域并划分子流域,对流域内气象站的降水记录采用泰森多边形法建立研究时段内的逐日面雨量序列,构建人工神经网络(ANN)和HBV水文模型。利用模型寻求流域内面雨量与河流水文特征的定量关系,结合不同的特征水位推算研究流域内不同等级的致灾临界雨量。结果表明:1基于两种模型建立的降水-径流关系均能取得较好的模拟效果,在研究流域内具有很好的适用性;2HBV模型作为一种半分布式水文模型能够更好地反应出洪水过程的物理特征,故当ANN模型由于大洪峰样本不充分导致临界雨量值确定不准确时,HBV水文模型的计算值更宜作为风险预警指标;3对比分析两种模型的结果,确定出基于不同前期水位的一、二、三级风险致灾临界雨量分别为:257~310mm,152~247mm,100~203mm。精细化确定的临界阈值可以为开展灾害预警服务提供依据。     

基于黄金分割理论的改进BP网络地下水水质评价

利用VB语言编写附加动量的改进BP人工神经网络模型程序,并将其加载到Excel中,以湛江市区地下水为例研究水质状况。该模型采用黄金分割理论和试算相结合的方法对网络模型的隐含层节点数进行了优选,研究结果与其他方法相比显示：改进BP人工神经网络模型在地下水水质评价中能够很好地解决评价因子与水质等级间复杂的非线形关系,评价结果的精度有较大地提高。     

An artificial neural network-based snow cover predictive modeling in the higher Himalayas

With trends indicating increase in temperature and decrease in winter precipitation, a significant negative trend in snow-covered areas has been identified in the last decade in the Himalayas. This requires a quantitative analysis of the snow cover in the higher Himalayas. In this study, a nonlinear autoregressive exogenous model, an artificial neural network （ANN）, was deployed to predict the snow cover in the Kaligandaki river basin for the next 30 years. Observed climatic data, and snow covered area was used to train and test the model that captures the gross features of snow under the current climate scenario. The range of the likely effects of climate change on seasonal snow was assessed in the Himalayas using downscaled temperature and precipitation change projection from - HadCM3, a global circulation model to project future climate scenario, under the AIB emission scenario, which describes a future world of very rapid economic growth with balance use between fossil and non-fossil energy sources. The results show that there is a reduction of 9% to 46% of snow cover in different elevation zones during the considered time period, i.e., 2Oll to 2040. The 4700 m to 52oo m elevation zone is the most affected area and the area higher than 5200 m is the least affected. Overall, however, it is clear from the analysis that seasonal snow in the Kaligandaki basin is likely to be subject to substantialchanges due to the impact of climate change.     

北京市热环境时空分异与区划

城市热环境空间区划是采用分区管理的思路来缓解城市社会经济发展与热环境之间矛盾的技术基础。本文构建城市热环境区划模型的思路为:(1)将不同时相的MODIS地表温度数据产品进行正规化、分级,分析2008年北京城市热环境时空分布特征。(2)构建城市热环境影响因素评价体系,并通过空间主成分分析计算得到热环境影响主成分因子。(3)通过自组织映射神经网络,利用热环境影响主因子,进一步对热环境进行空间区划。结果表明,北京夜间较白天城市热岛分布层次感明显,夏季白天较其他季节高温区聚合程度高。区域下垫面组成要素直接影响热环境,北京城市热环境的主成分因子依次为植被覆盖、地形地貌、城市下垫面建设规模和人为热排放,并依此将北京划为7个热环境区域,根据各个分区热环境成因机制差异分别提出热环境改善和调控措施。