基于 BP 人工神经网络算法的临沂市土地利用集约状况探析

通过对2009—2012年度临沂市9县3区统计年鉴和变更调查中11个相关指标数据的搜集,借助 MATLAB7．0软件平台,利用 BP 人工神经网络算法,算出2009—2012年度各县区土地利用集约度,并利用 BP 人工神经网络的预测功能,预测了2013年和2014年度土地利用集约度值,结果表明临沂市平均土地利用集约度水平正逐步从粗放利用发展到中度集约,兰山区土地利用集约度水平一直为高度集约,集约度居全市之首,罗庄区一直为中度集约,稳中有进。预计到2014年底,大部分县区在中度集约或以上,仅有费县、蒙阴2县为粗放利用。。     

人工神经网络和决策树模型在滑坡易发性分析中的性能对比

机器学习模型广泛应用于区域性滑坡易发性分析。模型的选择关系到评价结果的可信度、准确率和稳定性。现有滑坡易发性分析模型对比研究侧重模型的预测精度。模型的稳定性和数据量敏感性对机器学习模型的性能评估同样非常重要。本文以福建省南平市蔡源流域为研究区,以四川省绵阳市北川县为验证区,从预测精度、稳定性和数据量敏感性3个方面深入对比BP（Back Propagation）人工神经网络模型和CART（Classification and Regression Tree）决策树模型在滑坡易发性分析中的效果,主要结论如下:① 在逐渐增加一定数量训练样本的过程中,BP人工神经网络模型预测精度的增长率更高。在蔡源流域内,当训练样本数量增加10 000时,BP人工神经网络模型的预测精度上升5.22%,CART决策树模型的预测精度上升2.11%。② BP人工神经网络的预测精度高于CART决策树模型,且较为稳定。在100组数据集上,BP人工神经网络模型验证集预测精度的均值和验证集滑坡样本预测精度的均值分别为81.60%和84.86%,高于CART决策树模型的72.97%和76.59%。与此同时,BP人工神经网络模型对应预测精度的标准差分别是0.32%和0.37%,小于CART决策树模型的0.35%和0.67%。③ BP人工神经网络模型分析的滑坡易发区相比CART决策树模型,更接近实际滑坡的空间分布。最后,北川县的验证实验也出现了相同的现象。     

Ecosystem health assessment of Honghu Lake Wetland of China using artificial neural network approach

Honghu Lake, located in the southeast of Hubei Province, China, has suffered a severe disturbance during the past few decades. To restore the ecosystem, the Honghu Lake Wetland Protection and Restoration Demonstration Project (HLWPRDP) has been implemented since 2004. A back propagation (BP) artificial neural network (ANN) approach was applied to evaluatinig the ecosystem health of the Honghu Lake wetland. And the effectiveness of the HLWPRDP was also assessed by comparing the ecosystem health before and after the project. Particularly, 12 ecosystem health indices were used as evaluation parameters to establish a set of three-layer BP ANNs. The output is one layer of ecosystem health index. After training and testing the BP ANNs, an optimal model of BP ANNs was selected to assess the ecosystem health of the Honghu Lake wetland. The result indicates that four stages can be identified based on the change of the ecosystem health from 1990 to 2008 and the ecosystem health index ranges from morbidity before the implementation of HLWPRDP (in 2002) to middle health after the implementation of the HLWPRDP (in 2005). It demonstrates that the HLWPRDP is effective and the BP ANN could be used as a tool for the assessment of ecosystem health.     

水污染物浓度的神经网络预测模式及效果检验

污染物浓度预测是环境保护的重要内容,将神经网络用于水中有机污染物浓度的预测并对效果进行检验.结果表明,预测值与观测值符合较好.     

基于MODIS数据的城市边界监测方法及其比较

如何快速、准确地检测城市范围,获得城市土地利用类型数据是监控城市发展、建立城市模拟模型的重要基础。以我国北京地区为试验区,以MODIS影像为主要数据源,实现最大似然法、神经网络方法及SVM分类技术检测北京城市范围,并比较分类精度,为进一步检测城市变化增长奠定基础。     

人工神经网络在大气环境质量评价中的应用

应用人工神经网络理论，建立了城市大气环境质量的Ｂ－Ｐ网络评价模型。该模型应用于宜宾市１９８５～１９８９年大气环境质量评价结果表明，人工神经网络用于大气环境质量评价是一种新的评价方法。     

四川旱涝震灾害的人工神经网络外推预测

选取旱、涝、震灾害之间的一步转移概率作为Ｂ－Ｐ人工神经网络训练样本的输入信息，建立了四川旱、涝、震的人工神经网络灾型预测模型。Ｂ－Ｐ网络模型应用于实例预测结果与用主分量分析法的趋势预测结果精度接近。     

GPS掩星技术和电离层反演

系统地介绍了GPS无线电掩星技术的发展现状、系统组成和一些关键技术；论述了利用GPS掩星数据进行电离层反演的理论、模型及相应的计算流程．并结合GPS／MET和CHAMP卫星的实测资料，计算了电子密度剖面，与用其他方法所得结果的对比表明．GPS掩星电离层观测具有精度高、覆盖范围大等特点；最后讨论了GPS掩星技术应用于地震前兆监测的机理和前景。     

用人工神经网络方法反演水体吸收系数

吸收系数是水体的固有光学参数,是进行水体光学遥感研究的基础。讨论了一种基于人工神经网络(artifi-cial neural networks,ANN)、利用遥感反射比数据反演水体吸收系数的方法。该方法用实测的水体遥感反射比(Rrs)数据集建立BP神经网络,用以反演水体在波长440 nm处的吸收系数(α(440))。实测遥感反射比数据集的80%数据用于训练样本,20%数据用于预测样本。研究结果表明:正确选择神经网络的传递函数、训练函数和隐含层节点个数是至关重要的;用最优的传递函数、训练函数和隐含层节点个数得到的预测结果与实际测量结果的相关系数高达0.978,证明了该方法的可行性。