ASTER遥感影像数据在土壤盐渍化评价中的应用

本文通过运用ASTER遥感影像数据,对不同地物进行光谱分析,根据不同地物在不同波段的光谱特征曲线,分别提取植被和水体信息,然后进行非监督分类.并结合物探试验和土样分析结果,进行聚类分析,定性和定量的评价了焉耆盆地内土壤盐渍化程度分布状况.评价结果为:在焉耆盆地的平原区内,非盐渍化土壤,457.65km2;轻度盐渍化土壤,335.61 km2;中度～重度盐渍化土壤,580.93 km2;盐土,41.11 km2.根据野外实际调查,评价结果的精度达到了85%以上.     

地下水动态预测的径向基函数法

地下水系统是一个复杂的随机系统，根据地下水位与其影响因素之间存在的映射关系，建立了一个RBF人工神经网络模型，并将其用于地下水位的动态预测，实例表明，该方法预测精度较高，具有一定的推广价值。     

基于遗传人工神经网络的土壤盐渍化敏感性分析模型

本文以疏勒河流域的昌马灌区为例,运用遗传人工神经网络模型方法探讨各影响因子对土壤盐渍化的敏感程度。模型考虑了降水量、蒸发量、地下水埋深、地下水矿化度、地面坡度、粘土层顶板埋深、土壤质地和土地利用等因子。结果表明:地下水矿化度的变化对土壤积盐影响最大,是最灵敏的因子,其次分别是地下水埋深和蒸发量。粘土层埋深对积盐过程起到较大的作用,其影响仅次于蒸发量,降水量和地形坡度的灵敏程度基本相当。分析结果可以为灌区土壤盐渍化预测及防治提供科学依据。     

人工神经网络分类及其在遥感调查中的应用

1 前言 20世纪80年代末,神经网络开始在我国应用于遥感图像分类.遥感图像分类是反映人对图像的一种理解,包括浅层的视觉生理理解和深层的逻辑心理理解两种层次.神经网络方法的图像识别是人的视觉生理现象的简单模拟.与传统方法相比,具有并行处理、自适应等优势;此外对数据源要求更宽松.     

径向基神经网络在地面沉降预测中的应用

基于MATLAB6.5平台编程,利用前四年的沉降量作为输入神经元,后一年的沉降量作为输出神经元,重复此过程,构建了上海高桥地区地面沉降预测径向基神经网络.以历史沉降数据为训练样本,并对其进行归一化处理,在此基础上,采用未归一化及归一化后的训练样本进行网络训练与检验.结果表明,归一化后的训练样本训练得到的径向基网络具有良好的预测性能.最后利用该网络对1990-2010年的地面沉降量进行了预测.     

三维初始地应力场反分析的径向基函数法

通过对初始地应力场计算方法的回顾,提出了基于径向基函数的人工神经网络初始地应力场的三维反分析方法。径向基网络的可以避免在反分析过程中出现过拟合现象,从而保证反分析结果更加可靠.此外,该方法综合了目前各种初始地应力场模拟方法的优点,并考虑了多种因素对地应力场分布的影响。实例证明,由作者提出方法所模拟的初始地应力场是合理的,精确度也较高。此外,由于考虑了断层的作用对初始地应力场的影响,可以较好地解释实测地应力值分散的原因。     

电磁感应方法在土壤盐渍化评价中的应用研究

本文应用电磁感应方法(大地电导率探测仪EM38),对新疆焉耆盆地的土壤电导率进行了测量,分析了电磁感应方法所得结果和土样分析结果之间的相关关系,证实了电磁感应方法的有效性.基于电磁感应方法测量的结果,对新疆焉耆盆地土壤盐渍化进行了定性评价.结果表明,在开都河上游,土壤盐渍化程度普遍较轻;在中游地带,灌区内的土壤盐渍化改良取得了一定的成效,土壤中的含盐量较低,但是在远离河谷的非灌区,土壤含盐量依然很高;在下游及靠近博斯腾湖的地区,土壤含盐量普遍较高,并有随深度增加而增加的趋势.     

宁夏引黄灌区耕地土壤盐渍化现状及影响因素调查研究

从宁夏引黄灌区土壤盐渍化现状入手,分析了形成盐渍化的影响因素,为灌区农田基本建设规划、水系改造规划,宁夏节水型社会规划和"十一五"水利规划提供技术支撑.     

径向基神经网络模型在杭州湾北岸岸线变化中的应用

基于杭州湾北岸龙泉—南竹港弧形岸段实测岸滩断面与长江入海控制站大通站年输沙量资料,对杭州湾北岸岸线的变化及其趋势进行探讨。研究结果表明：受长江入海泥沙减少以及热带气旋和人类活动作用等影响,近10年来杭州湾北岸岸滩处于侵蚀状态。灰色关联分析进一步揭示,杭州湾北岸不同等深线的进退对长江入海泥沙减少的响应在时间尺度上有一定的滞后。同时,不同等深线的进退亦展现较强的相关性特征。鉴于此,利用大通年输沙量和不同等深线进退的耦合关系,进一步构建了基于长江入海泥沙和杭州湾北岸等深线变化的径向基神经网络岸线预报模型,其中模型输入向量为当年大通站年输沙量和杭州湾北岸-3m、-5m、-8m等深线距离大堤的位置,输出向量为次年0m岸线距离大堤的位置。经检验,构建的径向基神经网络岸线预报模型误差小于20%,可用以预报杭州湾北岸岸线的动态变化。     

天津市静海县土壤盐渍化现状及防治对策

基于静海县土壤中实测的C1和S元素含量推算其全盐量,并利用该指数探讨了县内土壤盐渍化类型、程度、分布特征、影响因素及其防治措施.结果表明:该县土壤全盐量最大值、最小值和平均值分别为1.365%、0.045%和0.183%;盐渍化土壤面积占全县总面积的44%,其中,轻度、中度和重度盐渍化面积分别是37%、6%和1%,且轻度及中度盐渍化面积均高于天津市平均水平.土壤盐渍化的形成受地形地貌、地下水矿化度及人工灌溉等因素的影响,通过合理开发使用地下水和完善灌排系统等措施可有效地综合治理盐渍土.     

人工神经网络在盐渍土盐胀特性研究中的应用

利用人工神经网络处理非线性体系的优势性,对盐渍土膨胀规律多影响因素试验数据进行了建模方法分析,提出了盐渍土盐胀率随含水量、氯化钠含量、硫酸钠含量、初始干容重和上覆荷载5因素变化的计算公式,计算结论比常规二次回归法更加符合目前对盐渍土盐胀规律的定性认识.     

径向基函数神经网络需水预测研究

在分析山西省历年用水量和人均用水量的基础上，建立径向基函数神经网络需水预测模型，采用最近邻聚类学习算法确定径向基函数的宽度、选取聚类中心和权值。采用丰富的需水预测因子作为模型的输入，网络输出需水预测值。预测结果表明，径向基函数神经网络需水预测模型运算速度快，有较高的预测精度。需水预测可为水资源规划和配置提供依据。     

集对分析径向基函数神经网络预测模型

将集对分析与径向基函数神经网络结合,提出了集对分析径向基函数神经网络预测模型。模型思路是将研究对象t-1时和t时的影响因子集构造为集对并计算联系度,由联系度的同一度、差异度、对立度及研究对象t-1时的值为输入,研究对象t时的值为输出,构建径向基函数神经网络。以年径流预测为例研究表明,模型结构清晰、步骤明确、预测精度较高,为集对分析应用于水文预测提供了新思路。     

人工神经网络在地下水评价中的应用简述

文章对人工神经网络技术在地下水评价中的应用问题进行了概括和小结，在此基础上，对存在的问题进行了探讨，进而提出，混合优化是改善人工神经网络的有效方法之一。     

软基沉降的BP神经网络和灰色系统联合预测

使用BP神经网络插值方法对灰色数据进行了预处理,进而建立了预测软基沉降量的BP神经网络和灰色系统联合模型.实例分析表明,该模型短期沉降预测结果的最大相对误差小于2%,最终沉降预测结果的相对偏差小于5%,且灰色预测时取后期沉降瘦导颇算结果准确度高于取前期沉降数据的计算结果准确度.     

参考作物腾发量预测的径向基函数法

探讨了采用径向基函数网络模型进行参考作物腾发量预测方法的可行性,设计多组数字实验处理研究了输入因子间相关性对网络模型预测准确性的影响,预测结果与Penman-Montieth方法计算结果比较表明,所确定的模型与改进的Penman公式计算值有很高的一致性,具有一定精度。     

人工神经网络在遥感图像处理中的应用探讨

遥感图像处理常见的困难有数据量巨大、噪声信息多，高度非线性及其导致的难以用解析或表述处理模型等。人工神经网络（artificial neural network,ANN)是由大量简单神经元广泛相互联接而成的非线性映射或自适应动力系统，可以解决上述问题，使用ANN进行遥感图像处理在遥感图像复原，变换和分类中有如下应用：（1）使用ANN和必要辅助数据从TM图像中提取地下火热辐射数据；（2）构造ANN非线性映射，利用TM1－5，7图像提高TM6图像空间分辨率；（3）模糊神经网络（FNN）遥感图像分类。     

人工神经网络在白云岩类型识别中的应用

利用地球化学数据,运用人工神经网络方法对美国密苏里州东南Ｂｏｎｎｅｔｅｒｒｅ组（寒武纪）滨海相的白云岩进行了分类、识别,判别率达１００％,结果表明,该方法性能良好,可望成为岩石分类、判别的有效手段。     

人工神经网络在识别浅覆盖区地质体中的应用

利用水系沉积物资料识别浅覆盖区地质体,对于提高区域地质填图质量具有重要意义。神经网络为解决此问题提供了新的途径。依据浅覆盖区基岩和其对应的水系沉积物在化学成分上的继承关系,以内蒙古四子王旗浅覆盖区为例,阐述了运用BP神经网络模式识别地质体的原理和方法,并识别出了化学成分相近的浅覆盖层下地质体。该方法可广泛应用于浅覆盖区地质填图。     

人工神经网络在岩石变形温度估算中的应用

Ｃｈｒｉｓｔｉｅ（１９６２）、Ｓｍｉｔｃｈ（１９７２）和张翊钧（１９８５）都提出了钠质斜长石的Δ１３１－１３１（或σ）、Ａｎ与温度Ｔ的关系图，后来又提出了钠质斜长石变形温度的计算公式。但由于图解的不便之处及目前应用的公式中推断分界点的不确定性和σ、Ａｎ与Ｔ之间存在一种非线性关系的特点，本文基于具有高度非线性映射能力的人工神经网络，提出了求解岩石变形温度的新方法。文中先介绍了变形温度计的研究概况，然