具有逆辨识结构的模糊神经网络控制及其应用

该文提出一种新型模糊神经网络结构及算法。在这种控制方案中,采用三层模糊神经网络控制器和神经网络逆辨识控制器相结合的结构。计算机仿真研究和实际应用表明,采用新型模糊神经网络控制方法,对大滞后非线性系统的控制是有效的。     

区域地下水系统过程辨识

本文从水文地质的基本原理出发,从几个不同的侧面导出了地下水系统状态转移方程的一般形式。以山西省太原市3个地下水源地为例,用长系列观测资料对地下水系统进行了过程辨识。     

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。     

基于变分模态分解和双向长短时记忆神经网络模型的滑坡位移预测

滑坡变形的定量预测是滑坡预警系统中的重要组成部分,滑坡变形受其自身地质条件和众多环境因素共同影响,具有动态、复杂和非线性等特点.针对目前滑坡累积位移—时间序列分析研究中随机性位移无法分解与预测、传统预测模型难以模拟滑坡动态演化特性等问题,本文建立了一种基于组合变分模态分解(Variational Mode Decomp...     

绿洲系统维持机制的非线性热力学分析

参照前人的一些研究,以热力学第二定律为基础,以非线性热力学方法分析了开放热力系统的熵变过程,给出了开放热力系统发展方向的热力学判据,该判据表明开放热力系统只有在外界提供的负熵流支持下才能维持其非平衡态的定态有序结构,否则热力学系统将会演变成无序结构的平衡态。在此基础上,我们把绿洲系统近似看成一个自然界处于定态的开放热力学系统,并给出了该系统与外间之间能量流和物质流过程所引起的总体熵流的时变方程,分析了绿洲系统各种内外因素对熵流变化的贡献,初步讨论了绿洲演化的本质以及绿洲稳定维持所需要的内外因条件。同时还进行了简单的数值分析。     

非线性视角下的上海旅游地复杂系统演化过程及动力学特征

随着旅游地发展复杂性的增加,非线性研究方法成为旅游地演化研究的有效选择.以上海为案例地,运用水平可视图算法,将旅游需求作为旅游地复杂系统动态行为表征,探讨旅游地复杂系统演化过程及动力学特征.研究发现:旅游地复杂系统演化具有小世界和近似无标度网络特性,混沌动态行为特征,表现为混沌确定非线性动力系统;上海旅游地复杂系统演化...     

地质灾害的非线性数据处理与建模技术

本文简略地介绍了几种地质灾害数据处理与建模的非线性方法,主要包括GMDH自组织建模技术、神经网络方法。GMDH是一种高阶非线性回归建模方法,它是以简单的二元二次回归方程为基础,通过"代复一代"的"生产"过程,客观、自动地求得实际资料的非线性模型。而神经网络则是用工程技术手段模拟生物神经网络的结构特征和功能特征的一类人工系统。与常规统计方法相比,神经网络最突出的优点为它是通过对网络的学习和训练,来掌握变量之间的非线性关系。因此,其处理复杂问题的能力更强大。实例检验效果表明,这些非线性数据处理与建模技术考虑了地质灾害问题的非线性特性,其比基于常规统计理论的数据处理方法的精度要高得多。     

基于低空无人机的草原灌丛遥感辨识方法

以位于中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台为研究区,基于低空无人机遥感影像,结合实地调查,开展草原灌丛遥感辨识方法研究。通过对灌丛、草地和裸地归一化植被指数（NDVI）的方差统计分析,确定了裸地与植被的分割阈值为-0.08,并使用该阈值提取植被覆盖区,然后分别利用面向对象的决策树（DT）、贝叶斯（Bayes）、K最邻近（KNN）、支持向量机（SVM）机器学习分类器进行灌丛辨识。研究表明：借助Estimation of Scale Parameter（ESP）最优分割尺度评价工具可以快速确定分割参数,获取灌丛、草地影像对象;利用特征空间优化工具选取了18个的对象特征,可以有效避免盲目选择而导致的计算量增大;通过对不同分类器分类结果的对比和样本数量敏感性实验得出：Bayes分类器精度稳定、无需设置参数,灌丛分类精度最高,总体精度和Kappa系数分别达到92%和0.83,结果与影像地物嵌合最好,能够精确识别单株灌丛;根据Bayes分类器分类结果统计得研究区灌丛盖度为14.74%,平均冠幅为0.6 m²,与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同,因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。     

基于神经网络的元胞自动机及模拟复杂土地利用系统

本文提出了基于神经网络的元胞自动机(CellularAutomata),并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究,但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多,需要使用许多空间变量和参数,而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟,并利用多时相的遥感分类图像来训练神经网络,能十分方便地确定模型参数和模型结构,消除常规模拟方法所带来的弊端。     

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。     

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。     

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。     

基于径流分类的流域降雨—径流过程动态神经网络建模

利用聚类分析,将径流序列分为不同类型的子径流序列,对这些子序列建立神经网络模型,采用Elman动态神经网络对沂沭河流域上游临沂子流域日径流量进行预测分析,通过与不加分类的总体神经网络的模拟结果进行对比分析。确定性系数、相关系数、平均相对误差和平均相对均方根误差4个统计指数及流域径流过程线和次洪误差分析结果都表明:Elman动态神经网络能够对日径流量进行较好模拟,但基于径流分类的降雨—径流模型表现出更优良性能,能较大程度提高径流模拟精度。     

基于MODIS遥感产品和神经网络模拟太阳辐射

现有的神经网络模拟太阳辐射的模型很少考虑云、气溶胶、水汽对太阳辐射的影响,采用MODIS提供的气溶胶、云、水汽高空大气遥感产品和常规气象数据,输入LM（Levenberg-Marquardt）算法优化后的BP（Back-Propagation）神经网络模型（简称LM-BP）模拟了和田、西宁、固原、延安4个辐射站点的太阳辐射月均值。验证结果表明：神经网络模型中加入气溶胶、云、水汽之后,4个辐射站点的\begin{array}{c}{R}^2\end{array}均大于0.90,且各项误差指标均小于仅用常规气象站点数据模拟的太阳辐射结果。     

甘肃省县域城市化水平差异的人工神经网络测定

运用人工神经网络的理论和方法,构建BP神经网络,评价2009年甘肃省县域城市化水平,将87个县域城市化水平分为5级。对频数分布特征、变异系数、威廉森系数和最大与最小系数的分析表明,甘肃省县域城市化空间分异显著。具体表现为:呈正偏态分布,第三、四级别的县市比例较大;城市化水平发展不均衡,呈现西北—东南差异;经济区内部差异大,表现为西北高、东南低的趋势。利用Spearman’s rho相关分析得出影响城市化水平的因素及相关度。     

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。     

SeaWinds散射计海面风场神经网络建模研究

根据Sea Winds散射计只有两个入射角和两种极化方式的特点,利用其L2A数据和F291海上浮标数据,针对传统建模方法的不足和限制,借助神经网络建立了一个两种极化方式下统一的神经网络地球物理模型函数。该模型的主要特点是建模风矢量全部取自海上浮标测量数据,因而所用风矢量更加客观准确。通过与Qscat-1模型的比较和L2B与浮标风速之间的偏差统计分析,证明了该神经网络模型的有效性,并发现Qscat-1模型存在一定的系统性偏差。     

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。