基于改进的Elman神经网络的中长期径流预报

径流中长期预报长期以来一直都是人们关注的热点研究问题。现行的径流预报方法很多,传统的有时间序列法,多元回归分析法等,这些方法虽然简单易用,但是如果预报对象提供的样本容量偏小或者因子选择不够合理,都会造成预报精度偏差过大,难于有效的指导工程应用。鉴于此,本文提出一种改进的采用局部回归的Elman神经网络方法。并应用到凤滩水库优化调度的径流预报中。结果表明,与回归分析法、BP网络相比较,该方法不仅提高了算法的效率,而且提高了预报的精度,在径流预报中具有有效性和优越性。     

国内外气溶胶观测网络发展进展及相关科学计划

气溶胶是气候变化研究中的一个极大的不确定性因素,国内外在此方面开展了大量的观测和科学研究。本文首先对当前全球两大气溶胶观测网络,世界气象组织(WMO)的全球大气观测计划(GAW)和气溶胶自动观测网(AERONET)的组织、规模、设备、数据和气溶胶网络的规范作了介绍,并对近年来国际上的重大气溶胶科学计划的目标、实验方法、步骤作了介绍,说明观测网络的重要性。在此基础上对中国气溶胶观测网络的地位做了分析,并指出其在正在开展的中国气溶胶科学研究中的重要性。     

多模式温度集成预报

基于中国国家气象中心T213模式、德国气象局业务模式和日本气象厅业务模式2 m高温度预报, 利用神经网络方法中的BP网络建立了我国600多个站的温度集成预报系统, 该预报系统的预报时效为72 h, 间隔为3 h。通过对2004年1—5月的预报结果检验, 表明:集成的温度预报结果明显优于3个模式单独的预报结果, 72 h内预报的平均绝对误差在3 ℃以内, 并且不存在明显的系统误差, 预报达到了一定的精度, 可以为预报员提供定时、定点精细的客观温度预报参考。分区的检验结果表明:不同区域预报误差存在差别, 新疆和西藏误差比较大, 而长江流域和华南地区误差很小, 并且不同区域系统误差的情况也不相同。从总体情况看, 预报误差还存在日变化, 一般来讲, 夜间的预报误差小于白天。     

基于BP神经网络的GPS导航算法

GPS导航解算中常用最小二乘算法。随着高动态用户需求精度的不断提高，且由于线性化忽略高次项，初始值精度低以及差分后剩余或放大误差的存在。导航解精度很难满足高动态用户的需求。为此，本文基于BP神经网络的非线性逼近性能。给出了基于BP神经网络的GPS导航算法。实测数据计算结果表明该算法能够真实地反映载体运动轨迹，其导航解的精度和可靠性有明显的提高。     

辽宁深井承压水位潮汐响应函数的初步研究

介绍了辽宁省地震水动态监测网19口井固体潮汐响应函数的计算结果,基于M2波潮汐因子及其月离散相对误差,分析了各观测井潮汐响应函数对地壳应变的响应灵敏度、潮汐因子的动态稳定性和监测效能。结果表明:在所列19口观测井中,如果以M2波潮汐因子0.2m/10-9作为潮汐响应幅值的下限,则除甘沟子以外的18口井可用于潮汐响应函数的研究;如果以M2波潮汐因子的月离散相对误差20%作为选择观测井的上限,则除瓦房店楼房井、岫岩1井、周家井、丹东变电所井、牛四井、容2井和阜新市甘沟子等井以外的12口井可用于潮汐参数的动态特征研究。     

GPS高程拟合中神经网络法的基本思想

高程问题一直是困扰GPS的问题之一,而不同的GPS高程拟合方法都有其适用条件,并且精度不等。本文在对人工神经网络的基本原理、神经元模型、网络结构、数据结构和训练方式等研究的基础上,给出一种新的算法(新BP算法)。以“阜新控制网改造工程”作为一个具体实例,使用Matlab语言来完成GPS高程的拟合,并与其他方法作了比较,最后给出有益的结论。     

西藏改则西北部喀湖错把拉湖区13kaBP以来的湖泊沉积与环境演化

通过对藏北喀湖错把拉湖区湖积剖面的研究,建立了该区13kaBP以来的沉积序列,并将13kaBP以来的气候划分为2个干冷期和2个湿润期。其中2个湿润期和第二旋回的干冷期可分别与北半球第一、二新高温期和第二新冰期大致对比,基本反映了末次冰消期以来全球气候变化的一般规律,青藏高原腹地对于全球气候变化的响应是比较敏锐的。     

基于神经网络的遥感影像分类方法研究

本文在研究BP神经网络和模糊理论的基础上,提出了传统BP算法的一种改进方法和基于模糊系统的神经网络遥感影像分类方法。通过试验表明:基于模糊技术的神经网络分类方法要优于BP神经网络方法,取得了令人满意的效果。     

基于BP神经网络的三维激光测高数据拟合方法

针对三维激光测高拟合问题，本文采用BP神经网络进行拟合，该方法可以有效地消除或减弱数据中的系统误差影响，提高计算精度。实际算例证明，在数据无粗差情况下，BP神经网络的内符合与外符合精度优于传统的二次曲面拟合的精度。