三维动态趋势面模型在地面沉降分析中的应用

在趋势面拟合模型的基础上考虑时间项,建立三维动态趋势面模型,并通过模拟数据验证模型的适用性,最后对南沙地区GPS沉降监测网数据进行分析。结果表明,三维动态趋势面模型可以反映区域沉降的整体时空变化趋势,并具有良好的时空插值效果。     

人工神经网络在云南5月雨量预测中的应用

提出了一个基于３层ＰＢ神经网络的云南５月雨量的短期气候预测模型。由于神经网络本身是一个非线性动态系统,将其应用到短期气候变化预测这一非线性系统中,更能反映出气候系统状态量之间的物理关系和动力行为特性。并用该预测模型对云南５个区域１９９１～１９９８年的５月雨量距平趋势进行了共４０次的预测试验和检验,其预测的距平符号相关准确率可达到７７．５％。     

基于神经网络和多标度特征分析的古滑坡变形预测及趋势评价

提出一种新的古滑坡变形预测方法。首先结合集合经验模态分解(EEMD)和奇异值分解(SVD)对古滑坡变形数据进行分解,然后利用分项组合神经网络预测古滑坡复活区的变形,最后利用多重分形消除趋势波动分析(MF-DFA)进行古滑坡多标度趋势评价。以王家坡滑坡为例分析本文方法的有效性。结果表明,组合分解模型EEMD-SVD较单项分解模型具有更强的数据分解能力,可有效实现滑坡变形数据的信息分解;基于神经网络的分项组合预测模型适用于滑坡变形预测,所得预测结果的相对误差基本在2%左右,预测精度较高,且外推预测显示滑坡变形仍会进一步增加,增加速率为1.23~1.36 mm/周期;MF-DFA模型的多标度特征分析结果显示,滑坡变形具有多重分形特征,变形有进一步增加的趋势,这与预测结果较为一致,可佐证前述预测结果的准确性。     

优化循环神经网络在滑坡位移预测中的应用

以中国典型黄土滑坡域甘肃黑方台党川6#滑坡体为例,基于滑坡体北斗和位移计时序监测数据,首先利用深度学习框架Tensorflow分别构建3种循环神经网络滑坡位移预测模型：简单循环神经网络(simple recurrent neural network,SimpleRNN)、长短期记忆网络(long short-term memory,LSTM)和门控循环单元(gated recurrent unit,GRU),并进一步针对循环神经网络在参数设置时多采用经验手动调参或采用网格搜索法,易造成人为主观影响较大和计算效率低下的突出问题,引入遗传算法（genetic algorithm,GA）优化循环神经网络参数的自动最佳化选取,分别构建3种基于遗传算法改进的循环神经网络滑坡位移高精度预测模型：GA-SimpleRNN、GA-LSTM、GA-GRU。研究结果表明,改进参数自动寻优后的3种循环神经网络预测模型具有更优的预测性能,特别是GA-GRU模型预测精度最高,更适用于滑坡体长时序位移的高精度预测。     

论精密水准测量在地面沉降监测中的应用

地面沉降是自然及人类活动引起地层的压缩、变形,导致地表标高发生局部变形的运动.地面沉降监测的方法中,利用精密水准测量的方法完成地面沉降监测工作,具有前期投入小、施工过程简单,经济效益良好的特点,能够为区域地质灾害的研究与预防提供了可靠的基础资料.     

基于神经网络的话务量预测

话务量具有高度的非线性和时变特性,由于神经网络具有较强的非线性映射等特性,将其运用于非线性的话务量短期预测是非常合适的。以青白江2005年10月的话务量作为预测对象,提出基于BP神经网络和基于Elman神经网络的话务量预测模型,仿真实验表明两种模型对于话务量的短期预测均是可行有效的。经过比较,Elman神经网络训练速度比BP神经网络快很多,更适用于实际应用。     

InSAR-GPS-GIS数据整合在地面沉降研究中的应用

讨论了利用GPS提供的精确地理信息和大气参数辅助实现InSAR亚毫米级探测精度方法的可行性．进一步讨论分析了利用GIS对InSARGPS成果进行合成、解译和分析的过程和方法。对利用3种数据整合技术开展城市地面沉降观测的前景作了展望。     

水准测量网监测在德州市地面沉降中的应用

山东地面沉降灾害以鲁北平原最为严重,在德州地区的地面沉降已对当地人民的正常生产和生活构成了威胁,并制约了当地经济的可持续发展。通过建立水准测量网络及监测运行,查明了德州市地面沉降的规模和范围,研究成果表明工作区均存在地面沉降现象,截至2010年,德城区由于地下水开采强度大,地面沉降幅度最大,目前地面累计沉降量为-1186.9～-636.9mm,多年平均沉降速率为59.35mm/a,形成了以市区西北部为中心的地面沉降盆地。超量开采深层地下水是造成大规模地面沉降的重要因素。     

鲁北平原地面沉降现状与机理分析

该文详细论述了鲁北地区水文地质条件、工程地质条件。以多期水准测量数据为基础,以校验后的多年insar解译数据辅助,获取了鲁北地区地面沉降速率及多年累积地面沉降量。结果表明,鲁北平原年沉降速率大于50mm/a的地区面积502.73km~2,区内存在2个显著的沉降中心,一个位于德州市城区西北部张庄,地面累积沉降量超过1.3m,一个位于广饶县县城东北部,多年地面累积沉降量达1.605m,200mm沉降等值线圈闭面积14 904km~2,占鲁北平原区面积的34.34%。分析了鲁北平原地区地面沉降机理,建立了地面沉降与地下水水位相关关系,并针对现状问题提出了防治措施与建议。     

东营市城区地面沉降影响因素

通过对东营市城区地面沉降监测数据的分析,得出东营市城区地面沉降的主要影响因素是长期开采石油、天然气、深层地下水,使地层应力增加产生压缩;新构造运动、全球海平面上升、欠固结土自然沉降以及地面荷载是地面沉降的次要影响因素。     

滨州市地面沉降成因浅析

截至2016年4月,滨州市地面沉降量超过20mm的面积达到了2 881km2,约占全市面积的30%,地面沉降灾害日益严重。为查明滨州市地面沉降现状和沉降成因,采用二等水准测量、地下水位监测、钻探取样、测试分析、地下水开采量调查等方法,对比2005年5月、2008年8月、2012年9月、2014年10月、2015年5月、2016年4月等多期二等水准测量数据和水位数据,从点、线、面3个方面进行了累计沉降量和沉降速率的分析,并从山前冲积、洪积平原水文地质单元区和黄河冲积平原水文地质单元区的水文地质特征、地层结构及其力学性质方面进行了滨州市地面沉降成因分析,基本查明了滨州市地面沉降现状及其演变特征,揭示了超量抽取地下水造成地下水位下降和具有较大压缩性的地层结构是影响该区地面沉降的2个主要因素。     

山东省地面沉降监测与防治工作进展

近年来,山东省地面沉降监测与防治工作取得了重要进展,初步建立了以二等水准路线、全球定位系统(GPS)、基岩标分层标和地下水监测为基础的"四网合一"地面沉降监测体系,INSAR监测实现了山东全省覆盖。监测成果显示,山东省地面沉降主要位于东营市广饶县、滨州市博兴县、聊城市茌平县,沉降速率呈加快趋势,造成建筑物地基下沉、房屋开裂、地下管道破损等一系列地质环境问题。     

基于遗传神经网络的入侵特征选择模型

针对高维数据包含的不相关和冗余特征影响检测方法性能的问题,提出了基于遗传神经网络入侵特征选择模型.该模型在传统的遗传神经网的输入层和隐含层之间增加特征选择层,并在特征选择层与输入层间设置连接开关,如果开关合上,则该特征被选中;否则为放弃.实验结果表明,该模型在保持原有信息完整性的同时,能有效减少冗余特性;在保证检测准确率的前提下,有效提高系统的检测速度.     

融合混沌残差的BP强预测器的地表下沉预测模型

为提高地下开采引起地表下沉预测结果的精度,提出融合混沌残差的BP强预测器（BP-Adaboost）的地表下沉预测模型。以顾北矿1312（1）实测值为例,分别用融合混沌残差的BP-Adaboost模型、BP神经网络模型和BP-Adaboost模型对最大下沉值点进行稳定期和活跃期的单步预测和多步预测,结果表明,融合混沌残差的BP-Adaboost模型无论是在单步预测还是在多步预测上的精度均最高,尤其在单步预测上有显著的提高。