基于AGA的SVM需水预测模型研究

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统.其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策.作为一种集中参数预报方法,支持向量机方法具有对未来样本的较好的泛化性能,对于这类资料缺乏、系统结构尚欠清晰的问题可以取得较好的模拟和预测结果.基于此,本文将支持向量机方法引入需水预测领域,建立了需水预测支持向量机模型.同时,本文将加速遗传算法和支持向量机方法耦合起来,构造了支持向量机模型参数的自适应优化算法.模型在珠海市的应用实例表明:与简单遗传算法比较,AGA的模型参数寻优效率更高;与BP神经网络模型相比,SVM模型较好地解决了小样本、经验性等问题,并取得了较高的预测精度.     

30天记录的潮汐谱分析

一、引言 目前，存在着不断增长数目的短期(例如30天)潮汐观测记录，特别是越来越多的潮流观测记录已从自动记录仪器获得。这些资料需要人们去分析、研究和利用。多年来，人们通常用经典的调和分析方法来分析短期潮汐记录，而这些方法仅仅提供人们一些预先确定了的分潮的信息。事实上，在不同的地区存在着不同的浅水分潮，而这些浅水分潮则是地区特征的表现。     

Kohonen网络与BP网络的集成应用研究

本文介绍了 Kohonen神经网络对输入数据进行聚类方法在卷烟配方中的应用 ,提出了从核心样本动态搜索 BP网络训练样本的新探索 ,摒弃了过去 BP算法中训练样本固定不变 ,互不相交的方法 ,实现了 BP网络和 Kohonen网络动态无缝集成。     

一个与转移作用有关的盆地的演化：Ardea盆地（意大利中部拉齐奥地区）

一个与转移作用有关的盆地的演化：Ａｒｄｅａ盆地（意大利中部拉齐奥地区）Ｃ．Ｆａｃｃｅｎｎａ等地层Ａｒｄｅａ盆地是拉齐奥边缘最深的盆地之一。充填了１６００ｍ中新－更新统沉积。这套沉积物覆盖在一套中新统以泥灰质－砂泥质为主的复理石异地构造层上，复理石上覆...     

RBF网络在地质样品非线性基体效应校正中的应用

基于RBF(Radial Basis Function)网络的正交最小平方算法,对攀枝花地质样品进行动态非线性基体效应校正.首先采用EDXRF仪器对样品进行测量,并对样品的荧光计数进行归一化,设计出自动分类模型和动态非线性数据基体效应校正模型的二级串联结构,用自组织神经网络(SOFM)进行分类,然后用RBF网络预测了未知样品元素Ti的百分含量.结果表明:对所预测样本的Ti的百分含量与化学分析相比的误差均小于0.5%.由此可见,用RBF方法可以有效地对地质样品进行非线性基体效应校正,能够达到工矿生产的要求.     

误差熵的估计问题研究

指出了具有复杂分布的随机量的总体熵的估计问题,首次给出了估计熵的最小截断误差限.推导了样本熵的近似估计公式,引入最优窗宽、全局最优窗宽的算法,首次解决了样本熵的估计值不惟一的问题.     

地震学定量预报指标的一种提取方法——对比筛选法

鉴于目前地震学综合定量预报指标的缺乏和预报工作的急需,尝试使用“对比筛选法(简称CSM方法)”进行地震学定量预报指标的提取试验。较之以往作法的进展在于:1.同时使用“有震”和“无震”两类样本对比筛选;2.对不同地区的地震学参数进行了归一化处理。这样做的显著优点是:1.可以较有效地提取“有震异常”和“正常变化”指标;2.提取的异常和预报指标具有定量化和普适性特点。 试验研究使用大华北地震区资料,研究对象取中强地震。经内符和外推检验,证明该方法提取的异常和预报指标有效性和实用性较高。     

神经网络技术及其在测井解释中的应用

在分析传统测井岩性解释中存在的一些问题的基础上，从神经网络的机理、特点出发，探讨了利用神经网络技术进行测井岩性识别的可行性及优越性，并以找矿目的层为对象，进行了岩性分析与对比，为该方法的进一步应用开拓了前景。     

BP模型双样本训练方法

根据气象预报应用情况，分析ＢＰ模型训练人工神经元网络中存在的问题，并提出双样本训练方案。试验表明，采用双样本训练的网络，实际预报能力较高。     

通用客观预报工具设计

通用客观预报工具设计是根据预报人员在制作预报过程中的基本经验为基础。借用逐步回归的教学方法。从Micaps系统中提取上游气象要素实况、数值预报产品和预报站点的天气实况等气象要素作为样本序列．建立预报回归方程．从而作出预报站点的客观天气预报产品。作为预报业务的初始天气预报的程序实现。它具有时间、空间、各气象要素预报的通用性、自动化。