人工神经网络在天津市区地面沉降预测中的应用

在分析天津市区地面沉降特点的基础上，结合人工神经网络原理，选择1961-1980年的天津市区降水量、地下水开采量、前年沉降量、固结度作为训练样本的输入量，以这20年的地面沉降量作为输出量，用贝叶斯正则化算法训练BP网络，得到沉降的仿真模型。并把1981-1993年的资料用来进行预测检验，结果表明这是一种比较理想的地面沉降预测方法。最后在不同的降水量保证率下，预测了到2010年天津市区地面沉降的情况。     

基于不确定性分析框架的动态环状河网水质模型——以温州市温瑞塘河为例

以温州市温瑞塘河为背景,基于不确定性分析的框架,开发了动态环状河网水质模型。用HSY(Hornberger,Spear and Young)算法作水质参数的不确定性分析,求得模型参数的空间分布,从而提高模型使用的可靠性、降低决策的风险度。模型由水量子模型及水质子模型两部分组成:水量子模型采用圣维南方程并用四级解法求解;水质子模型采用CSTR(Continuously Stirred Tank Reactor)模型的机理,并结合环状河网特征作了修正,由于只需解常微分方程,因而避免了矩阵求解,显著提高了计算效率,使得用HSY算法进行不确定性分析成为可能。模型选取温州市温瑞塘河流域的鹿城区河网进行了首次应用,用HSY算法率定水质参数并讨论了参数的不确定性。对参数率定结果进行验证,结果比较理想。最后简要讨论了参数不确定性传递。     

MRI分割的几何活动轮廓模型的半隐式AOS迭代方法

几何活动轮廓模型以其计算稳定等优点，被广泛用于图像分割。给出一种基于AOS(additive operator splitting)算法的快速活动轮廓模型，将AOS方法与几何活动轮廓模型相结合构造一种半隐式迭代模型，它对迭代步长没有限制，从而可以选择较大的迭代步长，提高了模型的时间效率，并使用区域信息构造系数矩阵，使模型具有全局性。对MR(magnetic resonance)图像分割的实验表明，该模型可以得到较好的分割结果，同时时间效率也有大幅提高，方便了实时应用。     

基于粗糙集的K--均值聚类算法在遥感影像分割中的应用

结合粗糙集理论和K——均值聚类算法，提出一种遥感影像的粗糙聚类分割方法。根据遥感影像中特征属性的相互依赖关系，应用粗糙集理论的等价关系。求出K——均值聚类所需要的初始类的个数和均值。然后采用聚类算法对图像进行分割。实验结果表明该方法比随机选取聚类的中心点和个数减少了运算量．提高了分类精度和准确性。     

Landsat7 ETM＋影像的融合和自动分类研究

利用SFIM、MLT、HPF和修改的Brovey(MB)等遥感影像融合算法对Landsat 7 ETM 影像进行融合和自动分类研究，并就融合影像的光谱保真度、高频空间信息融人度和分类精度对这些方法进行评价。结果表明SFIM变换几乎完全保持了原始影像的光谱特点，并具有最高的平均分类精度；MB变换具有最高的高频空间信息融人度；MLT变换也具有较高的分类精度；只有HPF变换的各项指标都不突出。所有4种融合影像的分类精度都较原始影像的分类精度有明显的提高。这表明，源于同一传感器系统的不同分辨率影像的融合可以避免异源传感器融合影像所常见的各种参数、时相和配准误差，所以能够明显地提高影像的自动分类精度。     

K 近邻非参数回归概率预报技术及其应用

针对参数回归技术制作概率预报存在拟合好、但预报结果不稳定的现象, 提出了用K近邻非参数回归技术制作概率预报的新途径。K 近邻非参数回归技术包括历史样本数据库、近邻子集生成和优化以及预报量估计4 个主要部分。利用该技术进行了单要素概率预报(主要包括云量和降水)和多维联合概率预报(降水、总云量、风速和气温)试验, 并对试验结果进行了检验。实例研究结果表明:该文所给出的计算方案预报稳定性好, 准确率较高,具有良好的业务应用价值。     

一类广义Hamilton系统的辛格式

通过引人泊松括号，分析了无限维Hamilton的性质，并将其推广到广义Hamilton系统，且从理论和实用角度讨论了这类广义Hamilton系统的辛格式构造问题，从而为辛几何算法在一般的时间发展方程的数值求解提供新的具体途径。     

应用CP网络进行岩性识别

为通过测井解决岩性识别问题，引入了具有分类准确、算法简练等优点的CP（Counter-Propagation)网络。在详细介绍CP网络的网络模型和算法的基础上，结合某油田的实际测井资料，进行了CP网络识别研究。应用结果表明：CP网络训练周期短、识别准确率高、不存在收敛问题。通过试验研究得出结论：CP网络完全可以用于解决岩性识别等问题，具有广阔的应用前景。     

凸度量空间内非线性映射的迭代算法

在凸度量空间内，对非线性广义拟压缩映射序列定义了带误差的lshikawa迭代序列，证明了带误差的lshikawa迭代序列收敛于非线性广义拟压缩映射序列的唯一公共不动点。     

基于数值格网数据生成流场图的算法研究

在各种基于场的分析模型（Field-based Model)中，流线的计算是一个重要的研究课题，如基于DEM提取水系，该文探讨了另外一个问题，即直接根据数值格网数据生成流场的空间分布，从而反映整个研究区域的梯度特征，文中提出的算法在水文，气象等研究领域有着较为广泛的应用前景。