水生植物在湖泊富营养化生态修复中的应用

水体富营养化作为国内外湖泊水体面临的最大水污染问题,随着社会经济的不断增长,其程度和范围呈现发展扩大趋势,引起了人们的极大关注.生态修复是目前处理湖泊水体富营养化问题的重要方法之一,利用不同水生植物在生态修复中的不同作用及效果,选取适宜种植的水生植物,形成水生植物群落,可提高湖泊水体富营养化的净化效果,合理控制二次污染...     

改进的BP网络在地下水水质评价中的应用

针对ＢＰ网络在连接权的赋值和调整方面存在着固有不足的缺陷,尝试应用近些年发展起来的浮点遗传算法对ＢＰ网络的连接权进行优化,应用改进的ＢＰ网络对四平市地下水水质进行评价,结果证明,浮点遗传算法对ＢＰ网络连接权的优化有很好的效果。     

改进的BP神经网络在流域产沙量预测中的应用

误差逆传播算法是多层前向网络的典型算法，但是其平方误差函数超曲面存在许多局部极小值，于是给出了基于输出空间的全局优化BP算法（global optimization back propagation algorithm, 简称GOBPA），应用GOBPA，建立黄河某流域年均产沙量的预测模型，结果表明，用GOBPA训练的多层前向神经网络能够以很高精度预报年均产沙量。     

基于MATLAB下BP网络在砂土液化评价中的应用

介绍利用MATLAB神经网络工具箱训练BP网络的方法及其在砂土震动液化评价中的应用，取得了良好的效果。     

BP网络的改进及模拟退火神经网络在地学中应用

本文针对ＢＰ神经网络收敛速度慢的缺点，提出了改进方案。还引进了模拟退火理论，将模拟退火算法与ＢＰ神经网络计算方法结合，并通过对正弦函数岩性识别及跨孔地震层析成象的试验，证明模拟退火ＢＰ算法是有效的、大范围收敛的。而且，具有良好的收敛速度和很高的精确度。     

基于熵值法的BP网络输入变量加权分层方法研究

当BP网络模型的输入变量包括多个类别时,如果其中几类变量的个数远多于其它类别的变量,变量多的这几类会削弱其它类变量对输出变量的影响,导致模型预报误差增大。提出BP网络输入变量加权分层的改进方法。根据熵值法模型对每个类别包含的所有变量按其重要程度加权平均,得到代表各类的综合影响指标,将这些综合影响指标作为BP网络模型的输入变量得到模型预报结果。改进后的模型更全面合理地考虑了各类输入变量的变化对输出变量的影响,发展了神经网络的应用理论。实例计算表明,模型预报精度得到明显提高。     

遗传算法改进的BP神经网络在混沌径流时间序列预测中的应用

区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性。并用遗传算法对BP神经网络进行了改进,利用该模型对三门峡水库混沌径流时间序列进行了预测。实例计算表明该方法解决了BP神经网络收敛速度慢和易于陷入极小值的问题,大大提高了BP神经网络的计算精度和收敛速度。无论在计算精度上还是在收敛次数上都优于没有改进的BP神经网络。     

动量BP算法及其在桩基沉降研究中的应用

文章在说明动量BP算法及其程序实现的基础上，阐还了网络训练中的主要参数(初始权值与阈值、隐层单元数、输出单元数、归一化方法、传递函数)对训练过程的影响，并将动量BP算法应用于桩基沉降的研究，研究表明，使用一定的训练参数，得到的预测沉降与最终沉降量会具有良好的一致性。     

BP神经网络在天然气水合物化探中的应用

地球化学方法在天然气水合物勘探评价过程中的参数存在不确定性,且误差传递易导致结果不可信。运用BP神经网络技术,在天然气水合物勘探区域选取相关的应用切入点,通过训练建立神经网络模型,利用其非线性映射技术,揭示天然气水合物勘探评价中涉及的多个属性之间的非线性关系。计算结果显示,神经网络的分类方案有效弥补了当前地球化学评价方法存在的多解性等缺点,运用在地球化学数据的基础上建立的BP神经网络模型,对研究区块进行仿真预测,可以实现水合物矿藏的分等级评价。     

BP神经网络在储量计算中的应用

由于地质统计学需对研究变量作出先验假设,极大地限制了它的进一步推广。作者将ＢＰ神经网络方法引入矿体品位估值及储量计算之中,通过对比研究,探讨了该方法的可行性。     

三种基于神经网络的洪水实时预报方案的比较研究

在总结神经网络应用的基础上,归纳了3种基于神经网络的洪水实时预报方案。第一种是神经网络水文模型的模拟模式加模拟误差的自回归校正模型,第二种是权重系数固定的神经网络实时预报方案,第三种是权重系数自动更新的神经网络实时预报方案。采用10个不同流域的日流量资料对这3种方案进行率定和校核。比较这3种方案的实时预报精度。结果发现,第三种方案不仅预报精度要高于其他两种方案,而且比第一种方案少了一个自回归校正模型,结构简洁。本文建议采用第三种洪水实时预报方案。     

人工神经网络方法在径流预报中的应用

采用ＢＰ神经网络模型,以西北内陆河黑河流莺峡年平均出山地表流量为研究对象,对人工神经网络研究方法在干旱区环流径流预报中的应用进行了初步尝试,结果表明该预报成功率较高,证实了人工神经网络方法应用于流量预报领域的可行性,并分析了该方法在预报过程中的优缺性。     

基于遗传算法和BP神经网络的矿井涌水量预测

为避免BP神经网络极易陷人局部解的问题,针对遗传算法具有全局寻优的特点,提出了用遗传算法优化BP神经网络预测方法,并以刘桥二矿为例,对其矿井涌水量进行了预测。首先选取刘桥二矿区的2005年3月至2006年12月的矿井涌水量数据进行分析,然后使用遗传算法优化BP网络的初始权值和阈值,最后使用BP神经网络进行训练。将其成果与纯BP网络算法进行比较,结果表明：遗传算法优化BP神经网络的预测方法的预测精度高于纯BP网络算法,将其应用于矿井涌水量预测是有效可行的。     

基于BP神经网络的手写数字识别

介绍了光学字符识别的几种方法以及神经网络的特点，神经网络技术能够解决传统OCR方法所不能解决的问题，同时指出了手写数字识别存在的困难，论证了利用神经网络技术解决这种困难的可能性。本文实现了通过一个含有1个隐藏层的BP网络来识别手写数字，并取得了良好效果，论证了这种技术用于手写数字识别的可行性。     

基于 BP 人工神经网络算法的临沂市土地利用集约状况探析

通过对2009—2012年度临沂市9县3区统计年鉴和变更调查中11个相关指标数据的搜集,借助 MATLAB7．0软件平台,利用 BP 人工神经网络算法,算出2009—2012年度各县区土地利用集约度,并利用 BP 人工神经网络的预测功能,预测了2013年和2014年度土地利用集约度值,结果表明临沂市平均土地利用集约度水平正逐步从粗放利用发展到中度集约,兰山区土地利用集约度水平一直为高度集约,集约度居全市之首,罗庄区一直为中度集约,稳中有进。预计到2014年底,大部分县区在中度集约或以上,仅有费县、蒙阴2县为粗放利用。。     

基于改进BP网络算法的隧洞围岩分类

围岩分类对指导地下工程的设计和施工具有非常重要的意义.引入人工神经网络的方法, 进行隧洞围岩分类, 在传统BP算法的基础上, 通过改进学习算法、优化传递函数和网络结构进行神经网络方法优化.采用附加动量法和学习速率自适应调整的策略改进学习算法, 使得当误差大于上临界值时, 则降低学习率, 当误差小于下临界值时, 则适当提高学习率, 这样可加快网络的训练速度, 确保网络的稳定性; 通过引入调整学习率参数, 使得传递过程更加敏感, 加快了传递函数的收敛速度, 提高了训练函数的计算精度; 通过给定隐含层节点模型的取值范围, 对网络结构进行优化, 提高了泛化精度.将改进的BP网络模型应用于广东省东深供水改造工程的隧洞围岩分类中, 分类结果与根据《水工隧洞设计规范(SL279-2002) 》的分类结果完全一致, 表明该方法具有良好的工程实用性.      

基于遗传算法优化的BP神经网络在密度界面反演中的应用

BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。     

基于BP神经网络的固定翼航空电磁线圈姿态校正

固定翼航空电磁系统在测量过程中受风向、飞机飞行颠簸等影响,线圈姿态会发生变化,使接收到的电磁响应产生偏差。本文基于法拉第电磁感应定律,利用线圈坐标系和系统坐标系之间的转换关系,推导了线圈姿态变化时的电磁响应计算公式,得出电磁响应由线圈姿态变化过程中切割地磁场所产生的动态响应以及线圈处于倾斜状态下所感生的静态响应组成。并研究了基于BP神经网络的线圈姿态校正算法,首先利用地磁场和线圈姿态角度计算去除动态响应,然后构建BP神经网络模型,用该网络得出静态响应系数,实现静态响应校正。仿真结果表明,经过校正后的电磁响应数据质量得到很大改善。     

熵权耦合随机理论在含水层非均质综合指数研究中的应用

传统模型主要侧重于通过含水层的某一单一属性来定性或半定量化表征其非均质性,无法对含水层综合非均质性进行定量描述。引入非均质综合指数(HSI)这一概念来定量化表征含水层多个属性的综合非均质性。其具体的计算过程主要包括以下3个步骤：利用Markov原理建立含水层沉积微相分布模型;通过相控建模原理,利用改进的序贯模拟法建立含水层属性参数分布模型;通过熵权法计算出上述各个含水层属性模型的权值系数,并根据此系数对模型进行叠加,从而求得含水层非均质综合指数。将该方法应用于华北平原栾城地区,对该区的冲洪积扇含水层非均质性进行研究,计算结果表明：沿滹沱河冲洪积扇半径方向的沉积微相变化平缓、含水层参数连续性较好,故其非均质性较弱,HSI为0.74~0.95;冲积扇相互叠加区域沉积微相变化剧烈,属性参数具有较强的空间变异性,故其具有强烈的非均质性,HSI为0.38~0.65,这表明在该研究区内沉积环境对含水层非均质性起着控制作用。非均质综合指数能够在考虑多项含水层属性的基础上,定量化表征含水层的综合非均质性及各属性对综合非均质性的影响,并为后续的污染物运移研究提供基础。     

基于RBF神经网络的城市需水量预测

介绍了径向基函数神经网络的原理、训练算法,建立的径向基函数神经网络城市需水量预测模型具有较强的非线性处理能力和逼近能力,运算速度快、性能稳定,克服了BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷,预测精度较高,泛化能力强。