PSO-SVR优化模型在基坑变形监测预测中的应用

提出了采用粒子群优化算法(PSO)的快速全局寻优特点,优选支持向量机回归模型的参数,利用PSO-SVR组合模型实现对基坑深部水平位移监测数据进行预测,并将其与BP神经网络预测结果与实测值进行对比。实验结果表明,PSO-SVR模型对基坑变形监测预测的准确度更高,预测值与实测值最贴近,更能反映倾斜监测的位移变化趋势,满足基坑变形监测预测的需要。     

基于GIS的风暴潮灾害风险区划研究

近年来,风暴潮发生的频率逐年增加,给沿海地区造成巨大的经济财产损失,已成为影响沿海地区社会可持续发展的主要灾害。因此,实现快速的风暴潮风险区划等级评价,对于风暴潮灾害预测预警具有重要意义。本文以青岛地区为例,研究利用GIS分析方法进行风暴潮风险区划的等级评价,实现了风暴潮基础数据读取转换、风暴潮风险区划等级评价和风暴潮灾害预报产品制作一体化处理。     

GM-BP组合模型在地表变形预测中的应用

灰色模型具有计算简便、所需数据量小等优点,在短期预测中有较高的精度,但对波动性较大的数据预测效果较差;神经网络具有较强的非线性映射能力以及自学习能力,对波动性数据的处理效果良好。本文结合二者的优点,建立了GM-BP组合模型。实例证明,组合模型相对单一的模型在地表变形预测中具有明显的优势。     

基于CEEMD的电离层TEC组合预报模型

针对单一电离层总电子含量(TEC)预报模型存在的缺陷,如受外界因素干扰较大、预报精度随预报时间的增加明显降低等,本文提出一种基于补充集合经验模态分解(CEEMD)电离层TEC组合预报模型。该模型实现电离层TEC预报的关键途径为：首先,利用CEEMD对TEC原始序列进行自适应分解,得到具有不同频率的分量并依据分量复杂度分析结果进行重构;其次,使用广义回归神经网络(GRNN)模型对高频分量进行建模与预报,使用Holt-Winters模型对低频分量进行建模与预报;最后,重构高频分量预报结果与低频分量预报结果得到电离层TEC预报值。根据太阳活动选取两段不同年积日、不同纬度电离层TEC序列进行实验,结果表明本文提出组合预报模型较单一的Holt-Winters模型、GRNN模型预报精度更高,在太阳活动平静期预报结果的平均相对精度为92.83%,在太阳活动剧烈期预报结果的平均相对精度为84.35%,对于长时间TEC预报也具有较好的效果,稳定性高。     

局部均值分解与支持向量回归的大坝变形预测

针对现有变形预测方法对于大坝变形的预测效果不理想的问题,该文利用局部均值分解方法获取生产函数分量并进行支持向量回归建模,用此方法对大坝变形进行多尺度分析。通过局部均值分解对大坝变形序列进行分解得到其乘积函数分量,然后利用支持向量机回归进行外推预测,再把各乘积函数分量的预测结果进行叠加重构生成,进而获得大坝变形预测值。通过实例分析,比较GM(1,1)、支持向量机和该文方法3种模型在变形监测数据处理中的拟合和预测结果,表明该文方法充分发掘数据本身所蕴含的物理机制和物理规律,提高了大坝变形多尺度预测精度。     

利用MARS估算不同气象要素组合下的参考作物蒸散量

建立精确预测参考作物蒸散量（ET₀）的计算模型对区域水资源规划和灌溉调度设计具有重要意义。聚焦评估多元自适应回归样条模型（multivariate adaptive regression splines,MARS）计算每日ET₀的性能。首先,将Penman-Monteith方程计算的ET₀作为标准值;然后,利用中国新疆维吾尔自治区伊犁哈萨克自治州伊宁站1996—2015年逐日气象数据,建立14种不同气象参数组合下的MARS模型并计算ET₀;最后,将结果与广义回归神经网络（general regression neural network,GRNN）、支持向量机（support vector machine,SVM）及基于温度、传质、辐射和气象参数的10个经验方程进行比较。结果表明,MARS、GRNN和SVM计算ET₀的精度均高于经验方程,整体上MARS性能最好、精度最高,而SVM略优于GRNN。     

基于熵值法定权的组合模型在变形预测中的应用

本文在介绍新陈代谢GM(1,1)、BP神经网络、卡尔曼滤波等三种单一的预测模型的基础上建立了基于熵值法定权的组合模型,通过实验分别对单一模型和组合模型进行分析和论证。实验结果表明:基于熵值法定权的组合模型预测精度要比单一的预测模型进度有所提高,为高精度变形预测又提供了一种新的行之有效的方法。     

GIS支持下基于遗传优化神经网络的溃坝生命损失评估

针对溃坝生命损失评估涉及众多地理空间对象且影响因素多而复杂的特点,提出了GIS支持下基于遗传优化神经网络的溃坝生命损失评估方法。引入GIS与空间信息格网,提出了基于GIS空间信息格网模型的溃坝生命损失评估计算模型。分析了溃坝生命损失的影响因素,通过灰色关联度模型评判,建立了评估指标体系。开发了GIS支持下的溃坝生命损失快速评估系统,分析了系统的集成方案以及GIS空间信息格网模型的实现方法。应用表明,该评估方法精度较高,效果较好。     

基于优化残差组合的北斗卫星短期钟差预报研究

为解决传统模型因使用卫星钟差一次差分序列而导致预报精度差的问题,进一步提升预报精度,提出一种优化残差组合对卫星钟差一次差分序列进行预报的方法.该方法首先根据北斗卫星钟差序列的特点,利用四分位法(IQR)代替中位数法对一次差分序列进行预处理,然后利用自回归滑动平均模型(ARMA)将经过预处理后的卫星钟差一次差分序列分成趋势项和残差随机项,接着利用极限学习机(ELM)模型对残差部分进行建模预测,最后将ARMA模型的预测结果和ELM神经网络的残差预测结果求和后进行差分还原.结果表明：当卫星钟差呈非线性时,组合模型的预报精度比传统模型提升了38.2%,在北斗卫星钟差短期预报中具有一定的可行性.     

一种监测基坑变形的灰色时序组合模型研究

灰色GM(1,1)模型运算简单,但缺点是精度不够;时间序列模型能计算大量的数据,但是运算过程比较复杂。本文以宿迁某基坑为例,对水平位移量进行检测,利用灰色和时间序列组成的新模型,以前几期数据作为原始数据对后几期数据进行预测,得出组合模型的精度比单一的灰色预测模型精度高,组合模型更适合基坑监测。     

风暴潮灾害风险制图研究

风险图是风暴潮灾害风险评估和区划的重要成果,它能清晰反映风暴潮灾害风险等级分布的时空格局,有利于用图者更好地认识和掌握区域风暴潮灾害风险,提高沿海地方风暴潮灾害风险管理水平.从风暴潮灾害风险评估和区划的角度,阐述了风暴潮灾害风险图的用途、制图内容及色彩和符号设计,并对未来风暴潮灾害风险制图研究进行了展望.     

GIS在风暴潮灾害预报中的应用

对风暴潮多源数据(流场、水位、海温、波浪、风场等预报要素)的可视化进行了研究。针对动力场数据(流场、波向、风场等)数据量大,密集程度高,若不根据其要素特点进行处理则显示效果差、效率低的问题,设计了均匀离散算法,横向上对显示要素添加显示范围控制,纵向上对显示要素添加比例标定控制,实现了海洋动力场数据在不同比例尺下的无级缩放。由于风暴潮数据多为长时间序列数据,为了能更好地反映风暴潮随时间的变化趋势,设计了多种不同方案,分别从不同角度实现了预报要素在一定时间序列范围内的动态可视化表达。     

Observational Scale and Modeled Potential Residential Loss from a Storm Surge

Two geographically related questions with regard to hurricane-induced storm-surge impacts were investigated: (1) What observational scale of analysis is appropriate? (2) Is the effect of observational scale on model results predictable? These two research questions were investigated in the context of storm surge-induced impacts to single-family residential structures in Florida. The study was conducted for 21 coastal counties in Florida at five spatial scales of analysis: parcel, block, block group, tract, and county. The research findings reveal a monotonically decreasing relationship between predicted standardized residential loss (the ratio of predicted loss at scale X and the predicted loss at parcel scale) and the observational scale of analysis. This monotonic relationship was consistent for most Florida counties, primarily due to the notable spatial distribution of housing units and proximity to the coastline.     

基于地理国情普查的风暴潮灾害产业风险评估

以厦门市为例,基于地理国情普查数据,采用风暴潮灾害静态情景模拟及指标体系法,实现了基于格网的厦门市风暴潮灾害产业风险评估。通过分析厦门市台风风暴潮灾害产业综合风险及风险评价,为地理国情普查数据在灾害风险评估中的研究提供借鉴。     

基于改进投影寻踪模型的土地综合承载能力评估

从经济技术、生态环境、社会发展和土地资源利用4个方面构建土地资源承载能力评价指标体系,同时针对评价指标权重赋值主观性强、适应性差的问题,将模拟遗传退火算法(Genetic Simulated Annealing,GSA)与投影寻踪模型(Projection Pursuit,PP)相结合,构建GSA-PP自适应评估模型.首先采用PP模型对高维数据进行分析,并利用GSA算法自动确定最优投影方向,利用PP模型按最佳投影方向将高维数据投影至一维,实现数据降维的同时有效保留高维数据中的有用信息.利用该模型对安阳县土地综合承载能力进行科学评估,可供对该区域土地资源的综合利用和开发参考.     

一种改进的基于事件-过程的时态模型研究

针对当前基于事件时态模型研究的现状和存在的问题,从时空语义表达的目的和要求出发,提出了一种改进的基于事件-过程的时态模型(event-process based spatio-temporal model,E-PSTM),将事件进一步细分为若干过程的组成;采用面向对象的方法进行了模型的逻辑设计。通过模型在地籍变更系统的应用,证明其可方便地实现对土地登记事件和空间变迁过程语义的查询。     

洪涝灾害灾情分析和评估的遥感方法研究

探讨了基于遥感和地理信息系统手段进行洪涝灾害灾情分析和损失估计的途径,研究了利用灾后一定时期内的遥感影像再现淹没状况的方法。     

IAGA模型支持下的灾区基站组网优化

根据矿井、失火办公大楼等灾区自然环境特征,结合基站信号多重覆盖的特点,提出了一种改进自适应遗传算法（IAGA）,对基站组网部署进行优化。首先介绍灾害环境下的时间到达差算法（TDOA）,用精度因子（DOP）刻画精度指标,提出了基站组网部署原则,以定位综合性能作为目标函数求解基站坐标。仿真试验表明,IAGA模型能够较好地应用于应急组网优化的部署,该算法基本能够达到最优解或次优解。     

ResilUS: A Community Based Disaster Resilience Model

A resilient community is one that does not experience serious degradation in critical services when a hazard occurs and, in the event of degradation or failure, recovers to a similar or better level of service in a reasonable amount of time. The most efficient means of making a community resilient is to make its critical services and capital robust – minimize damage/loss probability or the consequences from damage/loss through mitigation. If a community's critical services and capital are not robust, efforts must be put into recovery. Based on the measurable aspects of community capital, we have developed a simulation model called ResilUS that operationalizes community resilience across multiple, hierarchical scales in relation to a range of policy and decision variables associated with each scale. ResilUS is implemented using fragility curves to model loss and Markov chains to model recovery with respect to time. ResilUS was applied to the 1994 Northridge earthquake disaster in order to calibrate several output variables with empirical data. ResilUS represents a significant step forward for spatial decision support for disaster mitigation and recovery planning, in comparison to existing loss estimation models.