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。     

基于主成分分析土壤水分扩散率单一参数模型的BP神经网络模型

应用水平土柱法测定了杨凌地区典型粘壤土的水分扩散率,利用土壤水分扩散率的单对数模型和双对数模型对其进行了拟合,建立了土壤水分扩散率单一参数模型,基于主成分分析建立了单一参数模型中参数B的BP神经网络模型。结果表明：利用主成分分析可将研究区域土壤容重、有机质含量、粘粒含量、粗粉粒含量和砂粒含量综合成3个主成分;基于主成分分析建立的BP神经网络模型拟合的单一参数模型参数[B]的均方根误差RMSE为0.308 2;将拟合得到的参数B代入单一参数模型中对土壤水分扩散率进行预测,除去其中较大值的预测结果偏低外,其余土壤水分扩散率预测结果都比较接近实测值,预测结果的均方根误差RMSE为0.257 8,可利用基于主成分分析建立的BP神经网络模型预测单一参数模型中的参数B。     

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。     

塔里木河流域近50年来生态环境变化的驱动力分析

结合塔里木河流域近50年来水文、植被以及社会经济等方面的资料,采用趋势分析方法估算人为因素对流域地表径流的影响,通过相关和主成分分析等数学方法分析人类活动诸因子与流域地表径流和地下水质之间的关系。研究结果表明,塔里木河上游源流区的地表径流在过去的几十年里没有减少,且有一定程度的增加,塔里木河干流地表径流量减少是人类活动所致;人类活动在1970、1980和1990年代对流域上中游地表径流的影响量分别为41.59%、63.77%和75.15%;由人类活动所导致的地表径流量减少是影响河道水质发生变化的主导因子,而地下水位变化则影响灌区和非灌区地下水水质;塔里木河下游生态系统受损与人类活动直接相关。     

基于主成分回归分析法预测中国铁矿石需求

在论述铁矿石需求预测途径的基础上,选取影响我国铁矿石需求的8个基本因素,采用回归分析方法进行了铁矿石需求的单因素分析.单因素分析结果表明,选取的8个基本因素与铁矿石需求的相关度基本都大于0.9.对8个基本影响因素进行了主成分分析,最终降维为4个主成分.将主成分分析方法与回归分析方法相结合,建立了铁矿石的需求预测模型,并对我国2015年和2020年铁矿石的需求量进行了预测,分别为29.76亿t和26.68亿t.     

基于主成分与广义回归神经网络耦合的寒区水库裂缝开合度预测模型

水库裂缝开合情况对于水库的安全运行极为重要.将主成分分析法与广义回归神经网络结合在一起,进行水库裂缝开合度的预测.结果表明:应用主成分分析与广义回归神经网络相耦合的模型可以很好的反映环境因子(水压力因子、温度因子、时效因子)与水库裂缝开合度之间的非线性函数映射关系.同时利用Matlab软件对新疆某寒区水库裂缝的开合度进...     

塔里木河干流年径流量变化及其人为驱动因素关联分析

根据塔里木河干流1957～2008年的年径流量监测数据,利用线性回归法,对干流年径流量时间序列变化趋势进行分析,并借助相关分析和主成分分析法甄别影响径流变化的主要人为驱动因素。结果表明:近50多a来,塔河干流的年径流量呈显著递减趋势,与干流来水量变化趋势一致;人类活动自1975年左右开始明显的影响径流量,有效灌溉面积、农业人口、耕地面积和一产比重与径流变化相关程度最强,以引水灌溉为主体的农业经济活动成为影响径流变化的最重要因素;人类活动对径流变化的影响程度沿河道自上而下表现出逐渐增强的趋势。     

基于主成分和机器学习的土壤有机质含量空间预测建模

协同环境变量与机器学习回归模型构建土壤有机质空间预测组合模型对养分精准管理具有重要意义,而多维变量间的信息冗余和相关性会导致模型训练时间过长、预测精度降低等问题。以陕西省咸阳市农耕区为例,选取高程、坡向、坡度、剖面曲率、平面曲率、地形起伏度、地形湿度指数、年均降水量、年均气温、归一化植被指数共10个环境变量,在主成分分析(Principal compo-nent analysis,PCA)、核主成分分析(Kernel principal component analysis,KPCA)方法特征提取基础上,组合随机森林(Random forest,RF)、支持向量回归机(Support vector regression,SVR)、K最近邻(K-nearest neighbor,KNN)机器学习模型进行土壤有机质含量空间预测。以单一模型作为对照,通过计算模型决定系数(Coefficient of determination,R~2)、均方根误差(Root mean square error,RMSE)和相对绝对误差(Relative absolute error,RAE),对不同模型的预测结果进行精度评价。结果表明:利用主成分提取方法和机器学习算法构建组合模型能消除变量间相关性,一定程度上提高土壤有机质含量预测模型精度。KPCA-RF模型对SOM含量预测精度高于其他模型,R~2、RMSE、RAE分别为0.791、1.970 g·kg~(-1)、50.100%,该模型良好的预测能力可以为土壤有机质含量的空间预测与制图提供科学依据。     

主成分分析法在新疆兵团经济可持续发展能力评价中的应用

采用多元统计主成分分析方法对新疆兵团13个师1991～2006年的各师农场职工家庭人均纯收入、人均农业增加值、人均工业增加值、人均第二产业增加值、人均GDP等11个经济指标进行分析计算并且对各师的综合经济可持续能力进行比较。结果表明：从原始数据中提出占总方差86．6％的4个因子来反映各师的经济可持续发展程度,经分析发现影响各师的4个主成分因子：（1）人均GDP、人均工业增加值（包括第二产业、第三产业的增加值）的因子控制;（2）人均新增固定资产、人均固定资产投资等反映人均资产投入的综合指标;（3）反映人均耕地面积、人均利润、人均社会消费品零售总额的综合指标。（4）反映人均农业增加值、人均固定资产投入及人均社会消费品零售总额的综合指标。然后将各主成分得分结合主成分权重进行计算得出各师经济可持续能力值,其中农一师排在第一。从总体上看1992～2006年各师经济可持续发展的综合指标趋势是逐渐上升的,发展具有可持续性。,     

策勒河出山径流特征及其趋势

根据策勒河近50年水文及气象资料,利用经验频率、Mann-Kendall非参数检验和非线性回归分析等方法,分析策勒河径流量的变化特征、变化趋势及其对气候的响应.结果表明:策勒河径流年内分配不均,夏、秋季偏丰,5～9月径流量占全年88.70%;冬、春季偏枯,10月到次年4月径流量占全年11.30%,策勒河变差系数为0.21,径流最大值与最小值之比为2.53,河流年际变化相对稳定;Mann-Kendall检验得出近十年出山径流量有减少的趋势;月平均流量与月平均降水量、月平均蒸发量和月平均气温之间存在复杂的非线性关系,非线性回归模型模拟的月平均流量与实测值对比,确定系数为0.73,模拟效果较好,月平均蒸发量与月平均流量呈负相关.     

Simulation and prediction of monthly accumulated runoff,based on several neural network models under poor data availability

Most previous research on areas with abundant rainfall shows that simulations using rainfall-runoff modes have a very high prediction accuracy and applicability when using a back-propagation(BP), feed-forward, multilayer perceptron artificial neural network(ANN). However, in runoff areas with relatively low rainfall or a dry climate, more studies are needed. In these areas—of which oasis-plain areas are a particularly good example—the existence and development of runoff depends largely on that which is generated from alpine regions. Quantitative analysis of the uncertainty of runoff simulation under climate change is the key to improving the utilization and management of water resources in arid areas. Therefore, in this context, three kinds of BP feed-forward, three-layer ANNs with similar structure were chosen as models in this paper.Taking the oasis–plain region traverse by the Qira River Basin in Xinjiang, China, as the research area, the monthly accumulated runoff of the Qira River in the next month was simulated and predicted. The results showed that the training precision of a compact wavelet neural network is low; but from the forecasting results, it could be concluded that the training algorithm can better reflect the whole law of samples. The traditional artificial neural network(TANN) model and radial basis-function neural network(RBFNN) model showed higher accuracy in the training and prediction stage. However, the TANN model, more sensitive to the selection of input variables, requires a large number of numerical simulations to determine the appropriate input variables and the number of hidden-layer neurons. Hence, The RBFNN model is more suitable for the study of such problems. And it can be extended to other similar research arid-oasis areas on the southern edge of the Kunlun Mountains and provides a reference for sustainable water-resource management of arid-oasis areas.     

基于主成分神经网络的台风灾害经济损失评估

本研究建立了浙江省台风灾害直接经济损失评估模型。把浙江省台风灾害直接经济损失资料换算成直接经济损失指数,运用主成分分析法对表示致灾因子、孕灾环境与承灾体的评估因子进行数据处理,提取主成分作为BP神经网络模型的输入,从而建立评估模型。模型历史拟合结果和实际一致。在2007年和2008年影响浙江省的5个台风的实际评估中,强台风"Vipa"灾后评估值比实际值偏大2.16,其余4个台风灾后评估值比实况偏大0.2~0.7,反映了人们对影响大的台风防灾减灾工作的重视和防灾减灾效果。根据台风开始影响时过程风雨预报值进行预评估,过程风雨预报值较准确的台风,预评估结果和灾后评估值一致;过程风雨预报值误差较大的台风,预评估效果较差。因此,该模型可用于实际台风灾害直接经济损失评估,提高台风影响前风雨预报准确率是提高预评估准确率的关键。     

挠力河流域河流径流量对气候变化的敏感性分析

流域径流量对气候变化的敏感性分析是理解气候变化对流域水资源影响的重要手段。本文利用非更新式人工神经网络(ANN)模型,以年平均降雨、年最低气温和最高气温为输入参数,年平均径流量为输出变量,构建了三江平原挠力河流域的径流量预测ANN模型;并根据IPCC第四次报告的气候变化模式,设定了9种不同的气候变化情景,利用构建的ANN模型分析了流域径流量对气候变化的敏感性。结果表明:构建的人工神经网络模型能够较好的模拟径流量,可用于气候变化的敏感性分析;挠力河流域上游径流量对气候变化的敏感性要大于中游区域的,降水变化对径流量的影响大于气温对其产生的影响。     

陇中黄土丘陵沟壑区人工草地土壤水蚀预测模型

针对陇中黄土丘陵沟壑区土壤水蚀过程复杂且难以有效预测的问题,以定西市安家沟水土保持试验站2005—2016年1~12月人工草地径流场试验数据为主要来源,将流域月降雨量、月侵蚀性降雨量、月径流量、月降雨强度、径流场面积、径流场坡度、土壤砂粒含量、土壤粘粒含量8个因子作为输入因子,月土壤水蚀量作为输出,运用偏最小二乘法(Partial Least-Squares Regression,PLSR)和长短期记忆(Long Short-Term Memory,LSTM)循环神经网络建立人工草地土壤水蚀预测模型,并利用BP(Back Propagation)、RNN(Recurrent Neural Network)、LSTM常见神经网络模型,对模型的有效性进行评估。结果表明：PLSR将模型8个输入因子减少为4个,从而有效解决LSTM神经网络模型对样本数量要求过高的问题; PLSR和LSTM神经网络模型的结合可以有效提高模型对人工草地土壤水蚀过程的预测精度和收敛速度,预测结果的平均相对误差小于4%,相关系数高于其他3种神经网络模型,而迭代次数、均方根误差和平均绝对误差均低于其他3种模型;研究发现坡度对人工草地土壤水蚀过程影响较为明显,降雨量小于25 mm时,人工草地土壤水蚀量不会随坡度增加而明显增长,但当降雨量超过25 mm时,人工草地土壤水蚀量会随坡度明显增加。 PLSR LSTM神经网络土壤水蚀预测模型可以准确预测陇中黄土丘陵沟壑区人工草地土壤水蚀量,为该地区水土流失的准确预报提供新的思路和方法。     

气候变化对秦岭北陂径流过程的影响机制研究——以灞河流域为例

综合运用距平分析、连续小波变换（CWT）、交叉小波变换（XWT）、小波相干（WTC）和时滞相关性分析等方法对秦岭北坡灞河流域径流与六大气象因子进行了多尺度分析。结果表明：水文气象因子在不同时频域中存在1~4个显著性周期,且都能通过95%置信水平检验;太阳黑子数8~11.4 a的显著性周期对同时间尺度年均SOI和年均MEI的连续小波能量谱具有明显的影响;交叉小波变换和小波相干分析相结合的方法在识别水文和气象要素的共振周期、相位角变化、丰枯阶段转换、时滞性、相关性、突变与显著性检验等方面具有独特的优势;同期降水是灞河流域径流形成和变化的控制性因素,年均太阳黑子数的影响作用微乎其微,月均流量滞后月均AOI0个月或8~9个月时的相关系数绝对值达到最大,滞后月均SOI2个月或7~8个月达到最大,滞后月均MEI6~8个月达到最大。     

基于时变权重组合与贝叶斯修正的中长期径流预报

高精度的中长期径流预报信息是水资源规划管理与水利工程经济运行的重要基础支撑。论文在组合预报与误差修正2类径流预报后处理方法串联应用的技术框架下,考虑径流的高度非平稳与非线性等特征,提出了基于时变权重组合和贝叶斯修正的中长期径流预报方法。应用该方法开展了云南龙江水库年、月入库径流预报的实例研究,结果表明时变权重组合平衡了已建立的随机森林与支持向量机模型在建模期与检验期预报性能的差异,经贝叶斯修正后的预报精度接近或优于两阶段各自的最优单一模型。根据年径流预报结果判断水文年型的正确率达到77.2%,月预报径流的确定性系数超过0.90。因此,该方法在提升中长期径流预报精度方面具有积极效果。     

青藏高原年日照时数变化的时空特征

利用青藏高原地区68个测站1973-2007年近35 a的日照时数资料,采用主成分分析、旋转主成分分析、小波分析等方法对年日照时数变化的时空特征进行了分析.结果表明:1.青藏高原年日照时数呈现东南部较少,逐渐向西北地区增加的特征,近35 a青藏高原西部、西藏西南部和青海西南部年日照时数呈增加趋势,其余地区以减少趋势为主.第一载荷向量场反映了全区日照时数较一致的偏多或偏少;第二三载荷向量场分别反映了高原日照时数南北相反变化以及中部与西部、北部相反变化的差异.2.青藏高原年日照时数空间异常区可分为7个,即高原东南区、高原北部区、高原中部区、藏东区、青海北部区、藏西南区和高原西部区.高原北部和中东部年日照时数减少趋势较为显著,高原西部和西南部年日照时数呈增加趋势.3.高原东南区、高原中部区、青海北部区和藏西南区存在显著的16 a周期,其他异常区的显著周期及其年代变化差异较大.     

黑河流域近60年来径流量变化及影响因素

基于莺落峡、正义峡水文站径流量数据及相关气候资料,借助小波分析、小波神经网络模型和GIS空间分析方法,研究黑河干流径流量变化周期、突变、趋势及原因。结果显示:1944~2005年莺落峡年均径流量变化长周期约7和25年,变化总体呈增加趋势,增加率约1.04m³/(s·10a);1954~2000年正义峡年均径流量变化长周期约6和27年,变化总体呈减少趋势,减少率约2.65m³/(s·10a);2006~2015年莺落峡年均径流量呈增加趋势,增加率约2.04m³/(s·10a);莺落峡径流量的增加主要与黑河流域上游气候向暖湿型转化有关,而正义峡径流量的减少与中游水资源利用量的迅速增加有关。