基于PCA和BP神经网络的径流预测

径流预测为流域水资源的合理开发利用与统筹配置提供依据。运用多元线性回归、主成分回归、BP神经网络及主成分分析和BP神经网络相结合的方法,对新疆呼图壁河流域石门水文站2009-2011年各月径流量进行预测,并采用相关系数、确定性系数及均方根误差对各模型预测精度进行比较。结果表明：（1）神经网络等智能算法具有高速寻优的能力,对短时间尺度的月径流量的预测结果较好;（2）主成分回归等常规算法能充分反映出某地区径流的年际的稳定性,对全年径流总量的模拟精度较高;（3）主成分分析和BP神经网络相结合的方法,提高了神经网络的收敛速度,同时降低了局部极值的影响,优于简单的BP神经网络,适用于呼图壁河月径流量预测。     

基于趋势外推法和BP神经网络的四平市汽车保有量预测

基于趋势外推法和BP神经网络模型对四平市2015年和2020年的汽车保有量进行预测.结果表明,结合趋势外推法对汽车保有量的影响因子进行单独预测,可以提高各影响因子的预测精度,弥补BP神经网络在影响因子预测中数据拟合度不高、外推性不强的缺陷,进而保证BP神经网络汽车保有量预测的准确度.利用BP神经网络良好的非线性映射能力,可以较好地拟合汽车保有量与影响因子之间的非线性映射关系,是一种可行的汽车保有量预测方法.但是神经网络预测模型与经典计算方法相比并非优越,只有当常规方法解决不了或效果不佳时ANN方法才能显示出其优越性.     

基于GIS与BP神经网络的采空塌陷易发性预测

以湖北省鄂州程潮铁矿和黄石大冶铁矿为例,利用GIS空间分析功能对研究区数据进行提取分级、赋值统计及归一化等处理,构建了包括高程、坡度、地层、地下开采点的分布密度、相距最近地下开采点的距离、开采厚度与深度比值、蚀变接触带缓冲区、地下水深度以及地表地物类型的矿区采空塌陷易发性评价指标数据集;借助IDL语言调用Matlab神经网络工具箱,将研究区2011和2012年的指标数据集作为输入数据,塌陷易发性作为期望输出,建立基于BP神经网络的矿区采空塌陷易发性预测模型;通过选取并优化训练样本,实现对2013年矿山塌陷易发性的预测。结果表明,高易发区及以上的区域包含89.91%的采空塌陷,随着易发等级的提高,采空塌陷面积占易发等级面积比也随之增大;采空塌陷的分布具有明显的地带性,高易发区基本沿着岩体与围岩的接触带分布。模型解决了塌陷预测中的非线性映射问题,预测结果与实际调查情况基本吻合。BP神经网络模型与GIS技术相结合预测矿区采空塌陷的易发性具有可行性。     

改进型BP神经网络对民勤绿洲地下水位的模拟预测

以具有代表性的民勤绿洲为研究对象,以Matlab7.0为工作平台,对沙漠绿洲地下水埋深预测的三层前馈神经网络（BP神经网络）进行了改进。输入端因子选取民勤绿洲逐月灌溉量、红崖山水库下泄水量、月降水量、月蒸发量（20 cm）、月平均气温、时间序列6项,输出因子为民勤绿洲地下水位。通过在模型的输入层增加时间序列引导因子的方法使BP神经网络对输入端数据具备时间敏感性;通过Levenberg-Marquardt算法使网络误差最小化,并配合Bayesian正则化使网络的误差平方和、网络权重以及阈值平方和实现最优组合,最后使用相关系数、相对误差、效率系数等指标对模型的模拟结果进行检验。结果表明,通过以上一系列改进可以有效提高模型的模拟精度,增强模型的稳定性,并使模型具有良好的“泛化性”。     

基于BP神经网络的盐渍土盐分遥感反演模型研究

采用遥感技术和BP神经网络技术,结合野外实测的盐渍土光谱特征和实验室化验的土壤含盐数据,对盐渍土盐分的遥感反演进行了模型的设计与编程实现.BP神经网络模型的预测精度在62.5%,明显高于传统统计模型的预测精度,表明BP神经网络能较好地模拟土壤含盐量与光谱数据之间的关系,可用于建立土壤盐分遥感反演模型.     

基于BP神经网络的吉林省县域经济发展水平评价

选取6个经济指标,运用BP神经网络模型对吉林省39个县级城市的经济发展水平进行评价。结果表明：吉林省区域经济发展水平总体不高,经济发展水平地域差异显著。经济发展水平较高的县市在空间上表现为明显的空间集聚,长吉图地区县市的经济发展水平明显高于其他地区,而经济发展较差的县市主要集中在吉林省西部地区。     

基于遗传算法优化BP神经网络的土壤盐渍化反演

应用于土壤盐分含量(Soil Salinity Content,SSC)反演的BP神经网络(Back Propagation Neural Network,BPNN)较少关注对模型精度影响较大的结构参数和初始权重的优化。该文利用Landsat-8 OLI、Sentinel-1 SAR影像数据及SRTM高程数据,基于谷歌地球引擎(GEE)平台构建反演参数,并建立3种反演模型:先利用遗传算法(Genetic Algorithm,GA)同步优化输入层反演参数子集和隐含层神经元数量,再优化初始权重的BPNN(GA-BP)模型;将变量投影重要性(Variable Importance in Projection,VIP)算法分割阈值分别设为1和0.5,优化出两组输入层反演参数子集并将其分别代入GA优化隐含层神经元数量,再优化初始权重的BPNN(VIP1-GA-BP、VIP2-GA-BP)模型。在玛纳斯流域和三工河流域各选一靶区进行SSC反演,对比分析GA-BP、VIP1-GA-BP、VIP2-GA-BP模型的反演精度,并统计各类盐渍土的面积比例,结果表明:1)两靶区3组模型反演精度由高到低排序均为GA-BP、VIP1-GA-BP、VIP2-GA-BP;2)盐分指数和植被指数在SSC反演中起到重要作用,同一模型筛选的反演参数存在空间分异性,但高程适用于不同的筛选模型,具有较强的鲁棒性;3)两靶区3组模型反演的SSC值域范围与实际采样点SSC值域范围的差异均较小,各子区GA-BP反演的SSC空间分布地物轮廓最清晰,且地物内SSC的均质性最好;4)玛纳斯靶区和三工河靶区面积占比最大的盐渍土类型分别为盐渍土和中度盐渍土。研究结果为构建具有一定推广性的干旱区土壤盐分含量反演模型奠定了基础。     

基于GIS与BP神经网络的中国耕地变化与模拟研究

基于全国1996-2005年期间耕地面积与相关的社会经济数据为基础资料,分析研究期间耕地变化的过程,探讨耕地与社会经济因子之间的关系,模拟预测未来的耕地面积.研究结果表明在研究期内,耕地面积持续减少,尤其是以生态退耕为主;通过耕地动态度与耕地相对变化率的空间化,发现耕地数量变化与程度变化存在空间差异;通过相关性分析获得耕地变化的社会经济驱动因子,采用三层BP神经网络建立了耕地面积与相关社会经济因子的模型,模拟平均误差小;预测2010年、2015年耕地面积分别为11 195.82×104hm2、9 889.30×104hm2,根据耕地的预测结果,可以判断现有的发展模式是否利于确保耕地红线,对促进我国社会经济发展有重要作用.     

基于改进BP神经网络的干旱区芦苇腾发量预测模型

植被蒸腾与地表蒸发研究是土壤-植物-大气连续体系统研究的核心部分,也是干旱区自然植被需水量研究的前提.计算植被蒸腾与地表蒸发的方法众多,但需要大量参数的输入,其中水分特征曲线、非饱和导水率、水分扩散率、比水容重、导热率、比热容等土壤水热特性参数很难获取.针对这些繁琐问题,在传统BP网络中加入有动量的梯度下降法,建立了基...     

基于RAGA-BP神经网络模型的三江平原地下水资源预测研究

采用基于实数编码的加速遗传算法(RAGA)代替传统的最小二乘法以优化GM(1,1)模型参数,并与BP人工神经网络相组合,形成了基于RAGA的等维灰色递补BP神经网络预测模型.运用此模型对三江平原创业农场地下水埋深进行动态预测,BP神经网络结构确定为3:12:3,预测结果的相对误差只有2.33%,与传统的GM(1,1)模型和BP神经网络模型预测结果相比,预测精度显著提高.通过此模型预测,从2007年到2012年,该地区地下水平均年下降0.3 m.     

生态恢复前后的洪湖水质变化特征及驱动因素

湿地的水质状况反映了湿地生态系统的基本背景和质量,其水质的优劣直接关系到周边地区的经济发展和人民生活水平的提高。根据洪湖2000～2010年的水质监测数据,采用灰色模式识别模型对洪湖水质的时空变化特征及其原因进行了分析和评价。2000～2010年,洪湖水质综合指数位于2.08～3.58之间,以Ⅲ类和Ⅳ类水为主。总体上,洪湖不同年份的水质呈波动变化趋势。从空间变化来看,沿进水口—养殖区—开阔区—核心区—出水口的方向,洪湖水质逐渐好转。洪湖水质的变化主要受四湖流域地区工农业废水、生活污水等外源污染和湖内围网养殖的影响,其中,围网养殖是水质最主要的制约因素。为了使洪湖水环境更有利于人们的生产和生活,一方面应控制养殖面积,在适当控制渔业的前提下,开展植被恢复工作;另一方面,应大力控制上游地区工农业废水和城镇生活污水的排放,逐步恢复洪湖水体自净能力,实现洪湖水环境生态的可持续发展。     

基于 BP神经网络和回归分析的隧洞塌方高度预测模型

隧洞塌方的发生与多种因素有关,本文以小关子水电站引水隧洞为例来讨论如何用相关的因素建立隧洞塌方高度的预测模型。经过分析后认为该隧洞塌方高度主要与断层在洞向上的视倾角和厚度,水电围岩分类评分和围岩的RQD值有关。先以此四个因素为自变量,塌方高度为因变量建立起隧洞塌方高度的多元回归模型,利用回归模型的结果对BP神经网络预测模型所需的样本进行扩充,进而建立起BP神经网络塌方高度预测模型。     

基于主成分分析的BP神经网络在城市建成区面积预测中的应用——以北京市为例

城市建成区规模受社会、经济、城市环境等诸多因素影响, 传统统计方法难以准确预测城 市建成区的面积。人工神经网络具有良好的非线性映射逼近性能, 在各类预测研究中得到了广泛 的应用, 尤其是BP 神经网络。主成分分析可以在有效保留数据信息前提下对数据进行降维, 它 与BP 神经网络的结合主要在数据输入端, 通过减少输入层神经元个数, 增强网络性能, 提高预 测精度。本文以北京市为例, 综合运用主成分分析和BP 神经网络方法建立预测模型, 以1986~ 2003 年数据为学习样本, 以2004 年数据为检验样本, 对2005 年北京市城市建成区面积进行模 拟预测。预测结果表明, 基于主成分分析的BP 神经网络预测结果与实际值的相对误差为2.8%, 比传统BP 神经网络预测精度提高1.8 个百分点, 网络训练收敛速度也更快, 其预测精度和效率 都有不同程度的改善。     

基于决策树的洪湖水生植物遥感信息提取

以洪湖为研究对象,采用分类与回归树(classification and regression trees,CART)方法,根据训练样本数据集中挖掘分类规则,集成遥感影像的光谱特征、植被指数、水体指数、纹理特征等特征变量,建立研究区湿地信息提取的决策树模型;在此基础上,探究水体透明度对水生植物遥感信息提取的影响,依据特征变量有、无水体透明度,分别建立两类决策树,即有水体透明度参与的决策树(CART 14)和无透明度参与的决策树(CART 13);在训练样本和验证数据相同的情况下,对比采用CART 14、CART 13、支持向量机(support vector machine,SVM)和最大似然分类(maximum likelihood classification,MLC)4种方法的分类结果的精度。研究结果表明,洪湖中水生植物覆盖面积约占洪湖湿地总面积的47%,洪湖中的水生植物以沉水植物为主;采用有水体透明度参与的决策树分类结果的总体精度比采用支持向量机和最大似然分类方法的分别提高了7.78%和16.36%,Kappa系数则分别增大了0.12和0.20,无水体透明度参与的仅比有透明度参与的决策树分类结果的总体精度降低了2.77%,Kappa系数减小了0.04。水体透明度的参与能提高分类精度,而无水体透明度参与的决策树分类结果的总体精度也高于其它传统方法的分类精度。因此,在实际湿地分类中,若无水体透明度数据,但决策树的辅助分类变量足够多时,无水体透明度参与的决策树也能较好地进行分类,提取水生植物信息。     

BP神经网络模型在伏旱预测中的应用——以河西走廊为例

利用河西走廊伏旱和伏期降水资料序列,张掖观象台的地面气温、降水、探空等气象资料,以及国家气候中心提供的74个环流因子,借助BP神经网络可以逼近任意非线性函数的能力和特点,构建了一个用于预测伏旱和伏期降水的模型,并对模型的预报效果进行验证。结果表明:BP神经网络模型能够对伏期干旱进行有效地预测,该预测模型对伏旱和伏期降水有比较理想的预报效果,伏旱预报历史拟合率高达97.6%、模型试报准确率为84.6%,伏期降水预测历史拟合率高达97.6%、模型试报准确率为76.9%,其性能指标符合实际要求,具有很好的实际应用价值。     

北京城市代谢预测研究——基于长短期记忆神经网络模型

城市化进程提升促使城市环境污染加剧、能源消耗激增、人口密度过大等问题的深层次原因在于城市代谢失调。为精准预测北京市城市代谢变化趋势,论文通过能源消费量及人类活动时间指标测算了1980—2016年北京市体外能代谢率,表征城市代谢程度。据此运用长短期记忆神经网络模型(LSTM)预测了2017—2022年北京各部门体外能代谢率。结果表明：① 基于长短期记忆神经网络的城市代谢预测模型精度较高,能够对北京各部门体外能代谢率进行更为精准的预测;② 2017—2022年间,北京第一产业和总体外能代谢率呈下降趋势,其中第一产业在2017年达到峰值,第二、第三产业及生活部门体外能代谢率将呈现增长趋势。③ 除第一、第三产业和总体外能代谢率外,历史变化的时间扰动幅度先小后大。④ 对各部门体外能代谢率EMR_T的影响贡献度最大的因子为第二产业体外能代谢率EMR₂,最小的为第一产业体外能代谢率EMR₁。论文研究结果可为政策制定者优化城市管理方案、提升城市综合实力提供理论依据和决策支持。     

基于RBF神经网络的土壤铬含量空间预测

以广东省增城市为实验基地,采用随机采样的方法采集土壤铬含量样点,并将其分为训练数据集和检验数据集。设计4种样点布局方案,对前三组数据用RBF神经网络方法进行土壤铬含量插值,分析预测误差。研究发现,当样点较少时,RBF神经网络方法的插值结果较精确。而当样点数据为50时,误差较大,不能满足插值要求。通过插值结果的对比发现,较传统的统计学插值方法,RBF神经网络方法克服了平滑效应,特别是在数据较少的情况下,进行空间预测效果较好,是一种适用范围更广的插值方法。     

基于粒子群优化BP神经网络的耕地自然质量分计算模型

针对常规农用地分等方法中因子权重计算存在人为因素干扰及BP神经网络模型自身优化过程中易陷入局部极小值的情况,通过粒子群算法的全局搜索能力对BP神经网络进行优化,建立耕地自然质量分计算的粒子群BP神经网络模型(PSO-BP网络模型)。对湖北省荆门市沙洋县进行实证研究,结果证明PSO-BP网络模型能避免常规方法因子权重确定的人为干扰,同时具有较高的优化效率,应用效果较好。     

BP网络模型在沙尘暴预测中的应用研究

依据锡林郭勒地区30 a气象资料,应用人工神经网络(ANN)中不同BP网络结构和算法,探索建立沙尘暴预测模型的方法。研究认为,在建立锡林郭勒地区沙尘暴预测模型时,选择年大风日数、年平均地温、年蒸发量、相对湿度4个气象因子作为模型的输入因子是合理的;经过输入因子确定,层数、节点选择,每层激活函数和输出因子的确定,锡林郭勒地区沙尘暴预测模型可采用三层网络结构（4-6-1）。比较和试算显示,快速BP算法较普通BP算法的训练速度快,收敛精度高64.47%;快速BP神经网络的沙尘暴预测模型的预测精度可达到98%,较传统的多元线性回归数学模型高。因此,应用快速BP神经网络建立沙尘暴预测模型简捷、方便,具有精度高、智能化等特点,可在区域沙尘暴预测预报领域推广。     

基于灰色广义回归神经网络模型的城市耕地面积预测

为提高原始数据呈非线性、随机性变化、样本量较小时城市耕地面积的预测精度,将无偏GM(1,1)模型与广义回归神经网络相结合,建立了基于灰色广义回归神经网络的城市耕地面积预测模型,并将其应用于平顶山市耕地面积预测,结果表明该模型精度高,具有一定的应用价值。