SIMULATION AND PREDICTION OF DEBRIS FLOW USING ARTIFICIAL NEURAL NETWORK

Debris flow is one of the most destructive phenomena of natural hazards. Recently, major natural haz-ard, claiming human lives and assets, is due to debris flow in the world. Several practical methods for forecasting de-bris flow have been proposed, however, the accuracy of these methods is not high enough for practical use because of the stochastic and non-linear characteristics of debris flow. Artificial neural network has proven to be feasible and use-fill in developing models for nonlinear systems. On the other hand, predicting the future behavior based on a time se-ries of collected historical data is also an important tool in many scientific applications. In this study we present a three-layer feed-forward neural network model to forecast surge of debris flow according to the time series data collect-ed in the Jiangjia Ravine, situated in north part of Yunnan Province of China. The simulation and prediction of debris flow using the proposed approach shows this model is feasible, however, further studies are needed.     

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.     

由粒子吸收光谱提取浮游植物吸收光谱的人工神经网络方法

基于现场实验数据集及人工神经网络技术,论文提出了一种从海中粒子吸收光谱提取浮游植物吸收光谱的方法。这个数据集包含了海中粒子吸收光谱和对应的浮游植物吸收光谱,并被分为三个子集:训练集、印证集和试验集。本研究所利用的人工神经网络系统为多层感知器,训练后的人工神经网络的性能由印证集和试验集来评价。实验结果表明,文中所提出的方法可成功地提取浮游植物的吸收光谱,其提取精度与传统的实验方法相当。     

地形坡度对多金属结核分布的控制作用

选取我国东太平洋多金属结核开辟区内的一个区域作为研究区,利用人工神经网络中应用最为广泛的BP网络,建立控制多金属结核分布的地质因素与多金属结核分布之间的映射关系,探讨地形坡度对多金属结核分布的控制作用.结果表明,在经度、纬度、水深、坡度四个因素中,坡度对结核分布影响程度最大;多金属结核主要分布于坡度小于5°的地方;当坡度小于5°时,丰度与地形坡度呈正相关,品位与地形坡度呈负相关,丰度与品位呈负相关;品位与坡度似呈指数关系,坡度增大,品位降低.     

PLS-ANN分析血浆自体荧光光谱的二阶导数光谱识别胃癌

探讨偏最小二乘法结合神经网络法(简称PLS-ANN)分析血浆自体荧光光谱的二阶导数光谱识别胃癌的优势,对20例胃癌病人和23例健康人血浆进行以405nm为激发光的自体荧光光谱检测,采用PLS-ANN法分别对血浆自体荧光光谱和二阶导数光谱进行判别分析。PLS-ANN分析血浆的自体荧光光谱法诊断胃癌的灵敏度为75%,特异度为83%,准确率为79%,PLS-ANN分析血浆的二阶导数光谱法诊断胃癌的灵敏度为90%,特异度为96%,准确率为93%。结果表明PLS-ANN分析血浆的二阶导数光谱法识别胃癌,优于PLS-ANN分析血浆的自体荧光光谱法,有望成为快速识别胃癌的较理想方法。     

人工神经网络在地质学判别分析中的应用

将现代人工神经网络方法应用于地质学的判别分析，通过实例计算表明，无论是对于两组判别分析还是多组判别分析，人工神经网络方法都是切实可行的。     

人工神经网络方法反演东中国海悬移质浓度

海中悬移质是决定海洋光学性质、海洋水质,河口海岸带演变动力过程的重要环境参数。本文利用模拟遥感反射比数据集建立人工神经网络反演悬移质浓度,并利用东中国海现场同步数据对该算法进行验证。     

BP神经网络模型在澜沧江流域径流量模拟中的应用

河川径流等水文时间序列属于复杂的非线性系统,使用回归分析等传统的分析方法,难以获取和描述其内在关联和变化规律。利用现有的相关站点的径流量历史数据和输沙量、降水量数据,在进行规格化处理和主成分分析的基础上,利用三层BP人工神经网络模型,对澜沧江流域上游昌都站径流量与各关联因子之间复杂的非线性映射关系进行模拟,采用拟牛顿算法对模型进行训练,模拟结果达到期望精度要求,并利用1982年~1985年实测数据进行模型验证。结果证明利用BP神经网络模型对澜沧江流域站点的月径流量序列进行模拟、预测和数据补缺处理具有可行性。     

含矿预测的人工神经网络方法

运用神经网络模型的一典型模型——“反向传播”模型的改进形式,处理矿产资源统计预测问题,得出与数量化理论Ⅱ处理极为相似的结果.     

地学自由曲面径向基函数网络重建的详细算法

径向基函数(RadialBasisFunction,简称RBF)神经网络是一种理想的地学离散数据网格化工具,能够适应各种不同分布形式和边界条件的数据,收敛速度较快,可以逼近任何复杂曲面。这里详细介绍了RBF神经网络的算法。适当径向基函数的形式和偏差系数是使用RBF神经网络作地学曲面重建的关键。大量的实际数据验证结果表明,当选用Gauss型径向基函数时,一般可获得比较理想的网格化效果,同时具备"曲面平滑"和"拟合度高"的特点。