基于小波变换与RBF神经网络的GNSS水汽值预测研究

利用小波变换与RBF神经网络方法预测河北省GNSS水汽值。首先对GNSS测站水汽序列进行小波分解,然后利用RBF神经网络对小波分解的高频与低频信号进行预测,最后通过实验选择合适的高频与低频信号结果重构获得GNSS水汽值预测值。以实测GNSS水汽值为标准,基于小波变换与RBF神经网络预测的GNSS水汽值精度高于单一RBF神经网络预测精度,但预测结果的精度随着预测时长的增加而降低。     

基于MVO优化神经网络的GNSS高程异常拟合方法

针对普通神经网络的梯度消失和易陷入局部极值的问题,提出一种基于多元宇宙优化算法(multi-verse optimizer, MVO)的BP神经网络优化方法(MVO-BP),利用MVO全局寻优的特性求取BP神经网络各层之间可靠的神经元阈值与连接权,从而使神经网络预测模型具备更高的预测精度。建立基于MVO-BP算法的GNSS高程异常拟合预测模型,并采用实际工程中少量高程异常数据进行算法可行性检验。结果表明,相较于常规的BP神经网络法及多面函数法,MVO-BP法精度更高、适用性更强,可为实际工程测量中正常高的求取提供参考。     

基于BP神经网络的地磁变化场预测研究

以现有地磁台站的长期海量观测数据为基础,忽略地磁场成因及众多影响因素的复杂作用机理,对地磁变化场的时空关联性进行分析,挖掘数据中蕴含的规律信息,进一步构建基于BP神经网络的地磁变化场预测模型。通过实际地磁台站的观测数据对模型预测结果进行验证,结果表明,对于任意选取的100组验证数据,均方根误差为4.8 nT,求解精度能够满足一般科学研究对地磁变化场的精度需求。     

基于BP神经网络的对流层延迟预测研究

将Levenberg Marquart 算法改进的BP神经网络技术用于GPS对流层延迟的预测,以南加州GPS网数据为例的实验表明：76％的预测值与实际值之间的偏差在3 cm以内;利用BP神经网络进行预测对流层延迟的精度达到厘米级,部分站点达到毫米级。对部分预测效果不佳的站点进行分析,站点空间位置选取不合理、站点海拔与周边训练样本的站点海拔差异较大是造成预测效果不佳的原因。     

融合GPT2w模型与GNSS参数获取大气可降水量

针对GPT2w模型误差累积所导致的天顶对流层延迟(zenith tropospheric delay,ZTD)和大气可降水量(precipitable water vapor,PWV)精度不高的问题,利用2017年长三角地区7个探空站和2个GNSS站的实测数据检验GPT2w模型获取的气压、温度、水汽压、加权平均温度(T...     

广西非气象参数Tm模型研究

通过分析广西4个探空站资料，结合GGOS Atmosphere格网Tm数据，建立随高程增大的温度递减率模型。根据温度递减率模型分别采用反距离加权法、双线性插值法、新反距离加权法和新双线性插值法计算探空站Tm，通过分析插值误差建立广西非气象参数Tm模型，并与Bevis模型、中国东部模型、广西模型进行比较。结果表明，温度递减率模型的Tm插值精度相对其他3种模型有比较明显的提升，4种方法的平均绝对误差（MAE）和均方根误差（RMSE）在1~2 K之间；广西非气象参数Tm模型的插值精度得到进一步提高，百色站的MAE约为2 K，其余站点的MAE和RMSE均在1 K左右，能满足可降水量反演的精度要求。     

基于粗糙集与BP神经网络的底板破坏深度预测

基于粗糙集理论,以指标集为基础,建立了底板破坏深度影响因素的知识表达系统,提出了规则提取原则,通过粗糙集决策规则的数据处理,得出获得各因素对底板破坏深度的影响顺序为:采深、煤层倾角、工作面斜长、采厚、底板抗破坏能力、工作面是否有切穿型断层或破碎带。由于底板抗破坏能力、工作面是否有切穿型断层或破碎带这些参数难以确定,采用其余4种影响因素建立BP神经网络的预测模型,并根据建立的模型预测肥城煤田的9101和9507工作面的底板破坏深度。通过与实测结果对比,证明该网络模型的计算结果比规程提供的经验公式计算结果更接近实际。     

运用BP网络预测地下水位

人工神经网络是一门新兴的交叉学科，是处理非线性问题的有效方法。本文把影响地下水位的因素集作为网络的输入向量，地下水位本身作为网络的输出向量，构成了预测地下水位的ＢＰ网络模型。一个实例的应用实践表明，用ＢＰ网络预测地下水位较准确地反映了客观实际，比其它方法如回归模型具有较高的拟合精度和预测精度。     

参数调整对气象预测的B-P网络模型性能的影响

为了探索ＢＰ网络的参数调整特性,进行了参数α、β的选取对ＢＰ算法的收敛速度和模型的稳定性的影响研究。通过ＢＰ网络用于气象预测建模的参数调整个例分析表明：参数α、β的取值对ＢＰ模型的稳定性无显著影响,但参数值的调整尤其是β值的调整对建模的收敛速度有明显的影响。     

基于麻雀搜索算法优化的BP神经网络卫星钟差预报

使用麻雀搜索算法(sparrow search algorithm,SSA)对BP神经网络的初始权值和阈值进行优化和调整,以提高神经网络模型短期预报的精度和稳定性.采用IGS产品中的卫星钟差数据,对SSA-BP神经网络模型、PSO-BP神经网络模型、传统BP神经网络模型及传统二次多项式模型(QP模型)进行实验对比,结果...     

BP神经网络和ARMA模型在中纬度TEC短期预测中的对比分析

在充分考虑TEC序列非平稳、非线性、高噪声特性前提下,以IGS提供的2017年电离层TEC格网数据为基准,运用BP神经网络和ARMA两种模型分别进行TEC 3 d预测,重点分析两种模型在不同季节时段、不同电离层活跃强度及不同样本长度下的TEC预测性能及精度.结果表明,在不同时段,两种模型均能很好地反映TEC的变化特性,...     

基于改进RBF神经网络的GNSS高程拟合

针对传统的RBF神经网络模型在GNSS高程拟合中拟合精度较低、稳定性较差、相关因子需提前人为设置等问题,通过将改进的自适应权重粒子群优化算法与MATLAB RBF神经网络函数newrb相结合,实现RBF神经网络函数模型中隐含节点数和SPREAD值的自动优化选取,提高算法在GNSS高程拟合中的精度和稳定性。通过实例分析,该方法拟合精度高,可达到mm级精度,相对于传统的二次多项式模型精度提高17%,稳定性良好。     

基于遥感和BP人工神经网络的城乡气象站点划分分析

城市热岛是城市环境和全球变化研究的重要组成部分,利用气象观测资料研究城市热岛的影响一般采用城市和乡村气象站的同步实测气温,并计算其平均气温差,因此,城乡气象站点划分的准确性,将直接影响城市热岛研究的科学性。鉴于以行政单元统计人口为依据的划分方式未考虑人口在行政单元内的实际空间分布,本文以安徽省为例,利用从遥感影像上提取的土地利用信息,采用BP人工神经网络方法,建立站点缓冲区内土地利用类型比例的城乡站点划分模型,并利用空间化后的人口格网数据对该模型的精度进行了验证。结果表明,该模型有效地建立了气象站点周边缓冲区内的土地利用类型比例与城乡站点类型之间的定量关系,避免直接采用行政单元统计人口数据的不足,客观地模拟了缓冲区内土地利用对气象站点的综合作用,科学地划分出城市和乡村气象站点,为城市热岛研究提供科学、可靠的数据保障,并可用于大区域研究。另外,本文利用划分出的乡村站点建立背景温度场,得出2000年安徽省各城市站点平均热岛强度为0.4℃。     

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。。     

基于神经网络模型误差补偿技术的对流层延迟模型研究

针对传统对流层延迟模型精度较低的缺点,基于神经网络模型误差补偿技术,在Hopfield模型基础上建立一个适用于北半球的高精度融合模型。以Wyoming大学提供的2010年全球120多个观测台站的气象探空数据精密解算的天顶对流层延迟(ZTD)作为近似“真值”,分析比较Hopfield模型、传统BP模型和融合模型的计算精度。结果表明,Hopfield模型的均方根误差（RMSE）为35.31 mm,传统BP模型为30.34 mm,融合模型为23.31 mm。     

利用小波变换对暴雨过程中GNSS气象要素的初步探索

利用小波分解对地基GNSS获取的可降水量(PWV)、气压和对流层延迟(ZTD)等时序进行处理和分析,以暴雨的实际降水量作为判别依据。研究结果表明,1 h间隔PWV与ZTD的小波高频分解系数接近,均能够从中提取暴雨预报特征信息,可用高频ZTD代替PWV进行小波分析;频率在30 min-1h之间的ZTD,预报时间信息应在第1~3层级进行搜寻,30 min以下频率的应在第3~5层级进行搜寻;db4小波分解PWV的暴雨预报阈值可设为-1.2,db4小波分解ZTD的暴雨预报阈值可设置为-0.007,db2小波分解ZTD的暴雨预报阈值可设为-0.01。     

基于BP神经网络的区域贫困空间特征研究——以武陵山连片特困区为例

随着国家新一轮区域发展和扶贫攻坚战略的实施,连片特困地区成为新时期扶贫开发工作的主战场。本文以武陵山连片特困区县级行政区划为例,从自然和社会因素中选取主要贫困影响因子,构建评价指标体系,利用GIS和BP神经网络,模拟区域自然致贫指数、社会经济消贫指数,分析贫困的内在成因,探究贫困的空间分布特征,旨在为扶贫开发政策的制定和区域协调发展提供辅助决策。结果表明,研究区自然因素是主要的致贫原因,而社会因素在一定程度上起到了缓解作用。大部分县的自然致贫程度在中等以上,其中,铜仁、湘西地区程度较为严重,绝大多数贫困地区的社会经济水平不高,缓解贫困的能力不强;黔江地区、张家界地区的贫困程度较低,铜仁地区和湘西地区的贫困程度较高。各县的贫困状况和贫困程度存在较大差异,古丈、龙川,务川、正安,隆回、新化及道通、城步共同构成武陵山片区"大分散、小聚集"的贫困分布格局。今后的扶贫开发过程中,应充分考虑自然致贫因素,深入挖掘区域资源优势,加强区域间的交流与协作。