基于旱涝震频率相关权重和诱发矩阵的灾型预测

应用主分量分析法计算出四川旱、涝、震频率之间的相关权重,提出了灾害之间相继诱发率概念。根据四川旱、涝、震频率之间的相关权重和诱发率矩阵,对３种灾型进行了预测。预测结果与实况符合。     

环境污染预测的人工神经网络模型

作者用基于Ｂ－Ｐ算法的人工神经网络，提出了建立环境污染物浓度预测的方法，并通过一个大气污染物ＳＯ２浓度的人工神经网络预测实例，证实了人工神经网络用于环境污染预测的可行性。     

川西盆地旱涝演变前期因子分析和旱涝预测

用聚类分析将四川盆地主要划分成川东、川西两部分。分析前期影响川西盆地旱涝的若干大尺度因子得出：冬春青藏高原热状况对６～８月主汛期降水的相关系数虽仅为０．４～０．５．远小于对川西盆地西部、横断山脉北段雅砻江流域的０．７３￣［１］，也远小于对长江中下游的０．７５￣［２］，但仍不失为一个重要因子；西太平洋副热带高压的影响虽不能忽视，但各特征量通过信度α＝０．１的相关系数仅在０．３２～０．４６之间．因此将西太平洋副高作为整体，自然正文分解提取其主要成分作为综合因子；再考虑极涡与印缅槽的作用，统计得出：逐步回归方程的复相关系数达０．８７７，预测主汛期旱涝等级与实际等级的历史拟合率为２２／２４。     

参数调整对气象预测的B-P网络模型性能的影响

为了探索ＢＰ网络的参数调整特性,进行了参数α、β的选取对ＢＰ算法的收敛速度和模型的稳定性的影响研究。通过ＢＰ网络用于气象预测建模的参数调整个例分析表明：参数α、β的取值对ＢＰ模型的稳定性无显著影响,但参数值的调整尤其是β值的调整对建模的收敛速度有明显的影响。     

四川盆地汛期旱涝预测研究

对近１０年来四川盆地汛期降水预测水平进行了定量评估,并与国家气候中心预测水平作了对比。在分析影响四川盆地汛期降水主要物理因素的基础上,提出了四川盆地汛期旱涝预测的基本思路和技术方法,并在实际业务预报中取得了较好的效果。     

1997年四川汛期旱涝趋势预测评述

简要回顾了１９９７年汛期预报情况,检验了汛期降水预报效果,分析了大气、海洋、高原热状况等主要物理因素对四川汛期旱涝的作用。     

河南省淮河流域旱涝灾害分布的地质模式

旱涝灾害不仅是气象灾害,也是地质灾害。气象因素与下垫面相互作用是旱涝灾害发生的根本原因,而地质背景是组成下垫面要素的重要内容。本文分别从地质作用、人类活动、地貌条件、包气带水分物理性质和水文地质、工程地质特征分析了各自对旱涝灾害的形成、分布、转化所产生的影响,在此基础上,建立了该区旱涝灾害分布的地质模式,据此可明确了解不同地区、不同灾害类型的主要不良地质因素,对研究旱涝灾害,指导其治理具有一定理论意义和实践意义。     

欧亚大陆冬季雪盖同四川夏季旱涝的关系

本文利用1966年～1983年冬季雪盖资料研究了欧亚大陆冬季(12～2月)雪盖面积同后期四川月平均气温和月降雨量之间的关系。研究表明:欧亚大陆冬季雪盖面积对四川省夏季月平均气温为负相关,同月降雨量为正相关。这种关系说明冬季雪盖面积对夏季气温和降雨量有重要的滞后影响,尤其是对川东伏旱地区的作用更为显著。还说明冬季雪盖面积大,夏季月平均气温比多年平均值偏低,月降雨量比多年平均值偏多,高温伏旱轻;相反 冬季雪盖面积小时,夏季月平均气温比多年平均值偏高,月降雨量比多年平均值偏少,高温伏旱严重。     

基于GIS的人工神经网络矿产预测系统设计及应用

利用地理信息系统(GIS)和人工神经网络(ANN)相结合，研究了基于GIS的人工神经网络矿产预测系统设计方案，实现了从地质变量优选到人工神经网络成矿预测结果图形显示的计算机自动化处理。在凤凰山矿田的应用显示，预测结果与现有矿床十分吻合，是矿产预测的有效方法。     

水污染物浓度的神经网络预测模式及效果检验

污染物浓度预测是环境保护的重要内容,将神经网络用于水中有机污染物浓度的预测并对效果进行检验.结果表明,预测值与观测值符合较好.     

基于神经网络的滑坡变形预测报研究

利用ＢＰ神经网络方法建立了滑坡变形预报模型,在此模型的基础上对几个典型滑坡进行了预报分析,其结果表明用ＢＰ模型进行滑坡短期预报效果较好。     

���μ�����ݵ�С��������Ԥ�ⷽ��

??????μ?????????????????????????С??????????????????????С???????????????μ??????????????????????????????????ó????????б????ó?????:С??????????????μ??????????????????????Ч????     

��BP�����缼��̽���봨����ǰ�����NmF2�쳣�Ŷ�

????UCAR??????????F2???????????????NmF2??????????????缼???????????????NmF2???????????DOY???????LT??????LON??γ??LAT??F10.7????????FLUX???????????NmF2???????????????????NmF2????????ο????????????????????????????2008??5??12????7.9??????????и??????NmF2???????6??4??6??8?????С?30%???????3??2??9??10????????????40%??     

基于BP神经网络的对流层延迟预测研究

将Levenberg Marquart 算法改进的BP神经网络技术用于GPS对流层延迟的预测,以南加州GPS网数据为例的实验表明：76％的预测值与实际值之间的偏差在3 cm以内;利用BP神经网络进行预测对流层延迟的精度达到厘米级,部分站点达到毫米级。对部分预测效果不佳的站点进行分析,站点空间位置选取不合理、站点海拔与周边训练样本的站点海拔差异较大是造成预测效果不佳的原因。     

����������ε������編Ԥ��

?????????編?????????????????????????????編???????????????????????????????????????????????????????????????????????????С???????     

人工神经网络系统在储集层评价中的应用

人工神经网络将储层地质模型进行学习和训练,自动建立各参数的内在联系,根据各参数的贡献大小,对储集层进行客观的评价。     

流域年均含沙量的B-P网络预测模型及其效果检验

应用误差反向传播算法的人工神经网络，建立了流域年均含沙量的预测模型。该模型用于某流域年均含沙量预测的拟合率达９０％以上，预留检验预报的准确率为７５％。     

���������Ż�RBF�����ڶ�̬����Ԥ���е�Ӧ��

?????????????????????????????????????????????????RBF?????????????????????CIOA????RBF??????????????????????????????CIOA?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????RBF???????????????????????У???Ч????????????????????     

利用神经网络建立GPS网络RTK的双差对流层误差模型

为减小对流层误差改正数中系统偏差的影响以提高对流层改正精度,提出了基于神经网络的顾及空间的对流层误差建模模型,该模型的对流层延迟误差改正在网内外精度均达5 cm。