基于灰色统计分析的北海市红树林景观美景度评价与估算

以北海市红树林分布区为研究区,设置调查样地,采用灰色统计分析与美景度评价相结合的方法,探讨了北海市红树林景观美景度及其影响的主要因素。研究结果表明,在研究样地中,木榄(Bruguiera gymnorrhiza)群落、桐花树(Aegiceras corniculatum)群落、红海榄(Rhizophora stylosa)群落、桐花树+秋茄(Kandelia candel)群落、白骨壤(Aricennia marina)+秋茄群落、海漆群落(Excoecaria agallocha)、白骨壤+拉关木(Laguncularia racemosa)群落、桐花树+无瓣海桑群落(Sonneratia apetala)、白骨壤群落的平均美景度值依次减小;北海市红树林景观美景度的影响因素为潮汐、鸟类活动、滩涂完整性、红树林与海堤结合状况和红树林斑块面积,其对红树林景观美景度的贡献率依次变小。     

灰关联GM(1,N)模型在建筑物沉降分析中的应用

针对建筑物沉降变形中各监测点相互关联、相互影响的情形,可将灰色系统理论中的GM(1,N)模型引入到建筑物沉降分析中。本文利用灰度关联方法确定相关因子的关联度,建立GM(1,N)模型,并与回归分析、GM(1,1)模型比较。通过工程实例,得出灰关联GM(1,N)模型预测精度明显高于另外两种模型,验证了该模型在进行建筑物沉降分析预测中应用的可行性。     

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.     

两种随机地下水位动态预测模型在吉林西部的应用与对比

时间序列模型和人工神经网络模型是两种常见的地下水资源模拟预测模型,为了对比二者的优缺点,本文对比分析了两者的建模过程及其模拟精度.选择吉林省西部干旱半干旱区为研究区,该区地下水资源在过去10年问由于长期超采而导致地下水位持续下降.相比ANN模型,时间序列模型建模过程更为简单,计算效率更高."后验差"检验结果表明两种模型均能很好的模拟地下水位变化规律,但改进ANN具有更高的拟舍精度.同时,两种模型预报结果均显示研究区如继续按过去的开发模式开采地下水,地下水位还将持续下降,且下降速率逐步增大.     

灰色关联分析鉴别海面溢油

建立了灰色关联度分析的海面溢油鉴别模式,给出了常见的14种油鉴别的灰色关联度分析值,提出了油种受风化和实验误差影响而造成其关联度不可辨识的模糊区的概念.任丘原油和0#轻柴油实验误差和风化的关联度模糊区分别为1≥r_0i≥0.9805和1≥r_0i≥0.9149,30#重柴油风化的关联度模糊区为1≥r_0i≥0.9647,大庆原油和20#重柴油实验误差的关联度模糊区分别为1≥r_0i≥0.9359和1≥r_0i≥0.9363.使用油种的关联度模糊区域值和关联度的择近原则,可以鉴别常见的14种油.海面溢油案例的鉴别结果表明,本方法同Euclid贴近度聚类分析一样,较指纹谱图辨识法的准确度高.     

太平洋海域海平面变化的灰色系统分析

应用灰色系统理论，对太平洋海域４８个长期验潮站的月均海平面分别建立了ＧＭ（１，１）模型。ＧＭ（１，１）模型能较好地反映太平洋海域的海平面变化的趋势，它除了能给出连续的海平面变化速率外，同时能方便地给出海平面变化的加速率。模拟结果表明，在太平洋地壳均衡假设下，太平洋海域的月均海平面以平均速率０．１７ｃｍ／ａ上升。在太平洋海域所取的４８个长期验潮站中，有４０个站在加速上升，全部站的平均加速度为０．０００２９ｃｍ／ａ２。且加速率逐渐增大。当然这些加速率都很小，但作为一种普遍性的趋势，这已足以说明：太平洋海域的海平面在加速上升     

砂质海岸岸滩侵蚀演变模式探讨——以山东南部海岸侵蚀岸段的岸滩演变为例

在分析山东南部海岸几十年来的地形观测资料的基础上，运用砂质海岸等深线变化预测理论，建立该区的岸滩侵蚀演变预测模型，研究了该区域岸滩演变规律。实测资料验证表明：预测结果合理，基本反映了本区岸滩演变的特征。