基于神经网络的混沌时间序列预测

应用混沌方法对时间序列观测数据进行处理,计算出最大lyapunov指数,得到最大可预报时间尺度。在此基础上,建立人工神经网络预测预报混沌时间序列的模型。结合实例,对该预测方法进行了计算验证。     

基于灰色理论的时间序列分析在地面沉降预测中的应用

地面沉降的准确预测对减灾防灾和指导地区工程规划和建设意义重大。使用地区地面沉降观测数据,将灰色理论模型与时间序列分析相结合,构建组合模型。该组合模型既反映地面沉降与其影响因素之间的灰色关系,又考虑地面沉降观测数据的随机性,有利于对地区地面沉降做出科学合理的预测。     

基于SBAS-InSAR技术的盘锦地区地面沉降监测

近几年,盘锦地区的地面沉降问题开始受到人们的关注。为了掌握盘锦地区地面沉降现状,包括沉降中心位置、沉降区面积、沉降量、沉降速率等,选取2013-2016年覆盖研究区的19景C波段Radarsat-2 SAR数据,采用SBAS-InSAR技术提取了盘锦地区地面沉降速率和累积沉降量。结果表明,研究区内存在两个沉降区:曙四联沉降区,面积约为43.6 km2,最大沉降速率为-151.49 mm·a-1;龙王村沉降区,面积约为33.28 km2,最大沉降速率为-119.55 mm·a-1。通过地表形变量时序分析,发现两个沉降区的范围随着时间不断扩大,累积沉降量不断增大。与水准监测数据进行对比后发现,两种监测方法得到的沉降区范围和沉降量大体一致,但两者间仍有差别。对研究区内油田井场分布和地下水水位降落漏斗特征与沉降区分布进行了对比分析,研究表明地面沉降与地下水开采、油气资源开采、新构造运动等多种因素具有密切关系。研究结果将为地质环境的管理、地面沉降灾害的防治及资源开发利用规划提供基础依据。     

基于神经网络和进化算法的混沌序列产生方法

应用具有全局最优的进化规划算法建立产生混沌序列的优化神经网络模型。该模型利用神经网络权值调整的灵活性，能够在同一网络结构中产生的多种混沌序列。计算机仿真结果表明：该模型比BP算法训练的神经网络模型能更好地重构混沌吸引子，调整网络权值即可产生多种混沌序列。     

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。     

基于BP神经网络的太原市地面沉降预测及分析

通过对太原市地面沉降资料、气象水文和地质条件以及地下水等大量资料的分析与整理,考虑到太原市各个沉降中心的沉降趋势不尽相同,对太原市吴家堡、西张、万柏林和下元4个沉降中心分别建立BP神经网络模型,并基于训练好的BP神经网络模型,在太原市地下水开采量的规划方案下,预测了在不同降水保证率下2009-2015年地面沉降的趋势,...     

中国城市地面沉降研究的有关问题

根据作者近年来参与地面沉降研究及管理的实践,对国内地面沉降研究中出现的有关问题作了分析探讨,并对目前国内使用的地面沉降计算模型作了评述,指出了地面沉降研究应进一步深化的几个方向。     

基于混沌时间序列的地下水位多步预测模型

利用相空间重构技术，并借助G—P算法、C-C方法和Wolf方法从宁陵地区地下水位一维时间序列中提取Lyapunov指数，结果表明此时间序列具有混沌特征。计算了宁陵地区地下水位时间序列的关联维数、时间延迟和最大Lyapunov指数，将局域加权一阶多步预测模型应用于地下水位预测。预测表明，此模型可有效应用于地下水位时间序列的多步预测。     

基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测

针对现有城市地面沉降预测方法过度依赖沉降数据、模型单一等问题,以云南省昆明市主城区为研究对象,从多时序多因子角度提出一种改进BP神经网络在城市地面沉降中的预测方法。首先,利用SBAS-InSAR技术获取主城区地面沉降监测值,然后通过SPSSAU软件中的灰色关联分析和因子分析选取主城区地面沉降的影响因子,并将其与获取的沉降监测值从多因子多时序角度构建GA-BP和PSO-BP预测模型,最后,得出最优的预测模型并进行预测性能验证。实验结果表明：利用SBAS-InSAR能有效监测城市地面沉降;GA-BP算法相比PSO-BP算法在城市地面沉降预测中性能更好、精度更高;该方法可对长时间、大范围城市地面沉降预测和对某一沉降点多期沉降趋势进行预测。该方法可作为城市地面沉降预测的有效手段,为政府部门决策提供了一种高效快速的方法。     

地铁施工引发地面沉降的BP神经网络预测分析

针对沈阳地铁一号线重工街站至启工街站区间隧道开挖引发地面沉降变形的问题,利用现场实测的地表沉降变形数据建立BP神经网络模型,并进行网络训练与预测。预测结果表明,时间序列神经网络模型能够很好地表达地面沉降监测数据序列间的非线性关系。利用BP神经网络建立的预测模型,所得预测值与实测值拟合很好,是预测地铁施工引发地面沉降变形的一种有效方法,能为沈阳地铁隧道的设计及施工提供科学合理的依据。     

采用神经网络模型对天津滨海新区地面沉降预测的研究

在分析天津市滨海新区地面沉降原因的基础上 ,建立了人工神经网络预测模型。模型的训练和检验结果说明 ,该模型的结构合理、精度高 ,可以用于对该区地面沉降趋势的分析预测。预测结果表明 ,在保持现状开采量的情况下 ,塘沽、汉沽和大港 3个区的地面沉降量均有减缓趋势。其中 ,地下水开采量塘沽区应控制在 0 .1 9亿 m3/a;汉沽区则应压缩至 0 .2 8亿 m3/a;大港区即使减少到 0 .2 2亿 m3/a也难以满足 2 0 1 0年规划值 ,因此还应采取综合治理措施     

基于Elman型神经网络的金川二矿地表岩移时序预测 模型

建立于煤矿开采基础之上的矿山开采沉陷理论和预测方法并不适用于象金川这样厚大、陡倾的金属矿床开采的岩移问题,因此,本文探讨利用神经网络来对地表岩移进行预测。根据Elman神经网络能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,提出了利用Elman神经网络建立地表岩移时序预报模型的方法。利用金川二矿区GPS监测所得到的时间序列数据,通过对Elman神经网络模型预测值与GPS实测值之间的比较,结果表明模型预测显示了良好的准确性,特别是在时间步长较短情况下,应用于实际预测一定程度上可以弥补金属矿山岩移预测方法不足的缺憾。     

岩溶地面塌陷神经网络预测

应用神经网络理论的原理 ,通过对收集到的岩溶地面塌陷实例进行学习 ,建立了岩溶地面塌陷评价及预测模型 ,对某市岩溶地面塌陷进行预测。结果表明 ,神经网络方法具有精度高、收敛速度快、容错能力强等特点 ,在岩溶地面塌陷研究中具有广阔的应用前景     

地面塌陷的模式及特殊危害

地面塌陷有三种模式，即冒落式地面塌陷、沉陷式地面塌陷和地堑式地面塌陷。它们造成的特殊危害分别有塌陷地震、形成槽形移动盆地和产生崩塌、滑坡。     

定量成矿预测的人工神经网络模型

重点探讨了资源量预测人工神经网络ＢＰ模型（ＢＰ－ＭＲＰ）的建造和预测问题,特别对模型输入层（地质变量）、隐含层和输出层的构置和优选,模型的学习、检验和预测评价等问题作了较深入的讨论,尝试性地提出了模型输入变量的优化方法和模型检验准确率的计算方法,并以长江中下游地区为实例,给出了ＢＰ－ＭＲＰ模型的实际建造步骤和预测。结果证明,人工神经网络模型不仅能够模拟成矿地质因素和矿床特征（值）之间的非线性关系,     

基于小波理论与人工神经网络的滑坡变形预测

滑坡的位移是由多种因素影响的复杂非线性问题。滑坡位移的预测一直是滑坡研究中的重点与难点。位移预测对于分析滑坡的发展趋势具有重要的作用。本文采用小波理论与人工神经网络理论,对滑坡位移进行预测研究。由于滑坡的位移包括一定的偶然因素,如降雨等不定因素,对滑坡位移的预测存在一定的干扰作用。故本文采用小波理论对滑坡位移进行降噪,提取数据中的有用部分。将降噪后的数据采用人工神经网络进行滑坡位移的预测。由数据结果可见,滑坡预测位移与真实位移间的误差为2%～3%,预测结果好,证明本文所用方法能较好的运用到滑坡位移的预测中。     

矿物分类和识别的人工神经网络模型

本文提出矿物分类和识别的人工神经网络模型，并选取一组标样－我国沉积碳酸盐型锰矿中菱锰矿作为研究对象，识别效率达１００％。结果表明，该模型性能良好，可望成为矿物识别的有效手段。     

基于人工神经网络的钻压优化模型的建模方法

提出卫种新的钻压优化模型建模方法－－神经网络法,它可以克服传统方法需要建立数学模型的缺陷,满足自动送钻对实时性的要求。给出了利用反向传播神经网络（ＢＰ网络）建立钻压优化模型的方法,计算机仿真研究表明：利用这种新方法建立的模型不但能够满足自动送钻实时优化钻压的要求,而且也可以用于离线的钻压参数优选。     

地下水环境质量评价的神经网络研究

基于模糊综合评判法和灰色聚类法的不足,应用神经网络理论与方法建立了地下水环境质量评价B-P网络模型,并用该模型对某地区的地下水环境质量作了评价。结果表明,该方法运用简便、精确可靠、可判性强。