一种基于 BP 神经网络的尾矿坝沉降预报方法

基于BP神经网络建立尾矿坝沉降预报模型,重点对BP神经网络的拓扑结构和学习算法进行研究。并以某尾矿库初期坝的沉降监测数据为例,对模型的拟合、预测精度进行验证。实例表明,BP神经网络自学习、自组织能力强,具有极强的线性逼真能力,能够准确地反映输入、输出变量之间的非线性关系,有效地表征尾矿坝的沉降变形规律,对即将发生的变形情况做出科学、合理的预报。     

一种优化的GA-KF与BP-Adaboost地表下沉组合预测模型北大核心CSCD

为提高矿区GNSS CORS自动化监测系统地表下沉预测精度,提出一种结合小波分析,采用遗传算法优化的卡尔曼滤波模型(GA-KF)与相空间重构的BP神经网络强预测模型(BP-Adaboost)的组合预测方法。利用小波分析获取原始监测数据的趋势项和随机项,并分别通过GA-KF模型和相空间重构BP-Adaboost模型预测趋势项和随机项,两者之和即为最终预测结果。以亳州板集矿监测站数据为例进行预测,结果表明:1)与单一使用GA-KF和相空间重构BP-Adaboost模型预测值对比,该组合模型预测精度更高;2)组合模型受建模序列长度影响较小,平均相对误差在0.003%以内,远小于两种单一模型,具有一定抗干扰性。     

土地利用/覆盖变化的遥感分析

以安徽省阜阳市城区(颍州区、颍东区、颍泉区)为研究对象,基于2007、2012年Landsat-7ETM+影像和2018年Landsat-8影像,使用遥感图像处理平台(Environment for Visualizing Images,ENVI)软件对阜阳市城区2007—2018年土地利用/覆盖变化做具体定量分析研究.根据三期土地利用类型的数据,分析各个土地利用类型的发展趋势以及各种土地利用产生变化的主要原因,为阜阳市城市规划和环境建设提供了一定的依据.结果表明,11 a间随着阜阳市经济的快速发展和城市化水平不断提高,研究区各土地类型面积发生了很大变化.建设用地面积变化448.27 km2,增幅543.57％,耕地面积变化597.52 km2减幅34.74％,裸地面积变化26.00 km2,减幅80.68％,这与研究区经济和社会的快速发展密切相关.受到环保政策和环境意识的影响,林地面积增加85.00 km2,增幅97.58％,水域面积变化84.35 km2,增幅201.39％.