国土资源综合监测网络优化方法研究

作为国土资源综合监测网络建设的基础性工作,国土资源综合监测网络优化工作尤为重要.本文综合分析了国土资源系统目前开展的各类监测工作内容及特点,首次确定了国土资源综合监测网络优化的主要对象,并进一步划分为点状监测网络和面状监测网络.在阐述综合监测网络优化思路的基础上,初次提出了国土资源综合监测网络优化的四项主要工作内容:(1)国土资源综合监测需求程度区划;(2)确定国土资源综合监测网络分区建设等级;(3)现有国土资源监测网络的综合评价;(4)国土资源综合监测网络分类优化.     

神经网络算法解析便携式高纯锗γ谱

采用BP和OLAM神经网络对便携式高纯锗γ谱进行解析。结果表明,OLAM网络和传递函数为线性函数的BP网络都适用于γ谱的核素识别,OLAM网络更加优于BP网络;在使用SNIP算法扣除本底后,两种网络都适用于活度计算;未扣除本底时,BP网络也更适用于活度计算。     

水文监测网络运行状态综合评估系统设计与实现

对水文监测网络的实时状态进行综合评估,从而掌握网络的整体性能是对水文监测网络进行管理的重要方面.针对当前水文监测网络综合评估缺少合理有效评价机制的现状,设计并开发水文监测网络实时状态综合评估系统,实现对水文网络中测站传感器、RTU、信道状态的采集、评估和综合呈现,提高对水文监测网络的分析水平.     

裂隙网络分维及其与渗透率的关系

在前人裂隙网络水实验室试验的基础上,依据分形理论对裂隙网络复杂系统进行简单的统计分析,获得定量描述这一复杂体系的特征值——分维,并查明它与裂隙网络渗透率之间的关系。从计算结果可以看出,裂隙网络(指有效裂隙网络)的分维值与渗透率之间存在明显的正相关关系,这有可能为裂隙网络渗透率的定量评价提供一个简单而又实用的方法。      

多模式复合交通网络的拓扑一致性处理

城市交通已从单一模式向有规则的多模式叠加、复合的交通体系转变,多模式复合交通网络模型较传统的单一模式网络模型增加了模式转换的概念,其网络的拓扑一致性维护也较传统单一模式网络更加复杂.针对多模式与单一模式的差异及复杂性,分析了多模式网络中存在的变化类型,并针对网络要素的3种典型变化情形给出了多模式网络的拓扑关系一致性处理方法.该方法在模拟双模式交通网络中予以实现,能够正确地维护多模式网络的拓扑关系,验证了该方法的正确性.该方法将为多模式网络的拓扑一致性研究提供参考.      

基于微博平台的中国城市网络信息不对称关系研究

网络信息空间的空间关系及信息流研究为信息化影响下的地理空间演变研究奠定基础。借助微博这一新兴网络信息传播平台获取中国城市间网络信息联系数据,采用流分析方法呈现城市间网络信息联系的空间格局。研究发现:中国城市网络信息关系呈现出"一超多强"的空间极化不对称格局。网络空间不对称格局与地理距离、经济社会发展水平存在密切关联性,表现为:城市对外网络信息总不对称度与其经济社会发展水平的相对一致性;经济社会发展差距对城市间网络信息不对称程度影响的距离衰减性;城市间网络信息不对称程度与经济社会发展差距的相对一致性;东、中、西部三大地区间网络信息不对称关系与经济发展梯度的相对一致性。     

国内地学科普网络传播现状研究

本文运用统计分析方法,提取目前与科普网络传播以及地学科普网络传播相关的基础数据,运用地学科普网站网页评估卡,对国内各类科普网站进行了测评和分析。以期从公开获取的网络数据了解国内科普网络资源分布和地学科普网站的发展现状,为管理机构了解和指导科普网络传播以及地学科普网络传播工作提供依据。     

神经网络模型在坝基扬压力影响因子量化分析中的应用

本文应用改进的BP网络模型定量分析坝基扬压力的影响因子,赋于网络不同的权值来表示网络的输入变量(水位、温度、时效等因子)对网络的输出变量(扬压力)的影响程度,从而确定各影响因子分量对扬压力的影响比例。采用Levenberg Marquardt算法训练网络,网络达到一定的次数后收敛。实例计算结果表明,该模型具有计算精度高、简便实用等特点。因而认为,把神经网络模型应用于探讨诸如环境量对于效应量影响程度的一类问题,具有好的前景。     

边坡稳定性的CPSO-BP模型研究

为了分析边坡的稳定性,利用协调粒子群算法和BP网络建立了边坡稳定性CPSO-BP预测模型。BP网络能够很好地描述边坡稳定性与其影响因素之间复杂的非线性关系,将内摩擦角、边坡角、岩石重度、边坡高度、黏聚力、孔隙压力比6个主要影响因素作为网络的输入,将边坡稳定性系数作为网络的输出。为避免BP网络陷入局部最优,利用协调粒子群算法的全局优化能力确定BP网络的连接权值和阀值,使BP网络的优势得到分发挥,达到提高模型预测精度目的。实例表明CPSO-BP模型有更好地预测精度以及将其应用于边坡稳定性预测是可行的。     

集成BP网络在城市地下水水质评价中的应用

为了克服传统BP网络的不足,发挥共轭梯度法和梯度下降法各自的优势,在城市地下水水质评价模型中,采用了集成BP网络,用共轭梯度法和梯度下降法相结合的混合算法来训练网络。实例表明,将此网络模型应用于城市地下水水质评价是有效的、可行的。     

神经网络在岩体力学参数和地应力场反演中的应用

BP神经网络已广泛地应用于岩体力学参数和初始应力场的反演分析,但在实际应用中,BP网络存在着网络训练易于过度、收敛速度慢、易陷入局部极小以及隐层节点数难于确定等缺点。采用RBF网络和改进的BP网络,利用基于有限差分格式的快速拉格朗日算法进行正分析计算,依据若干测点的正应力数据,反演了计算区域的岩体力学参数以及初始应力场。算例表明,RBF神经网络与快速拉格朗日算法相结合,在样本容量相同的情况下,反演分析的精度、网络的拓扑结构以及学习、收敛速度,均优于采用BP网络的反演算法。     

浅析GIS通信本地网管理系统的建设

通信本地网是我国公用通信网的重要组成部分, 其管理工作以往一直是由人工完成的.要做好通信本地网的管理与维护工作, 必须采用先进的技术建立GIS通信本地网管理系统, 实现电信公司通信本地网的规划设计、工程施工、运行维护管理与统计分析等的计算机化, 为各相关部门提供多专业、多层次、多目标的综合服务.详细介绍了通信本地网管理的现状, 从基于管理、人员、电信发展以及新技术的发展等方面进行分析, 阐述了建立GIS通信本地网管理系统的必要性, 详细介绍了在建设系统时需要考虑的各种技术问题: 系统设计原则、系统应该遵照的标准、涵盖的资源、系统主要功能、数据管理模式、数据库选型、硬件选型和GIS平台的选择等.还介绍了基于MAPGIS平台开发的通信网络地理信息系统在全国的应用情况.      

Connectivity of a network of random discontinuities

Discontinuities such as fractures or cracks are common in geo-materials. Connectivity is a comprehensive parameter that includes the influence of length, orientation and density of the discontinuities. The main objectives of this paper are to define connectivity based on the statistical geometrical parameters of a network of random discontinuities and to quantify the hydraulic properties of the network using connectivity. An analytical method is first proposed to evaluate connectivity through the density of degree of freedom (DDOF). The analytically estimated DDOF is verified using numerical analysis. DDOF increases with the increases in the mean length, relative orientation and density of the random discontinuity network. Connectivity becomes better and the permeability becomes larger with increasing DDOF. The representative element volume (REV) of a random discontinuity network can be estimated based on connectivity. When a discontinuity network is poorly connected, a REV does not exist when the size of the discontinuity network is smaller than 10 times of the mean length of the discontinuities. When a discontinuity network is normally connected, a REV exists when the REV size is smaller than 10 times of the mean length of the discontinuities. When the discontinuity network is highly connected, the REV size is only 2–4 times of the mean length of the discontinuities. The results indicate that DDOF is a good indicator to quantify the connectivity of a random discontinuity network and the relationship between connectivity and permeability.     

Modeling of a permeate flux of cross-flow membrane filtration of colloidal suspensions: A wavelet network approach

Although traditional artificial neural networks have been an attractive topic in modeling membrane filtration, lower efficiency by trial-and-error constructing and random initializing methods often accompanies neural networks. To improve traditional neural networks, the present research used the wavelet network, a special feedforward neural network with a single hidden layer supported by the wavelet theory. Prediction performance and efficiency of the proposed network were examined with a published experimental dataset of cross-flow membrane filtration. The dataset was divided into two parts: 62 samples for training data and 329 samples for testing data. Various combinations of transmembrane pressure, filtration time, ionic strength and zeta potential were used as inputs of the wavelet network so as to predict the permeate flux. Through the orthogonal least square alogorithm, an initial network with 12 hidden neurons was obtained which offered a normalized square root of mean square of 0.103 for the training data. The initial network led to a wavelet network model after training procedures with fast convergence within 30 epochs. Futher the wavelet network model accurately depicted the positive effects of either transmembrane pressure or zeta potential on permeate flux. The wavelet network also offered accurate predictions for the testing data, 96.4 % of which deviated the measured data within the ± 10 % relative error range. Moreover, comparisons indicated the wavelet network model produced better predictability than the back-forward backpropagation neural network and the multiple regression models. Thus the wavelet network approach could be employed successfully in modeling dynamic permeate flux in cross-flow membrane filtration.     

基于PSO-BP神经网络的导水裂隙带高度预测

导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来,BP神经网络广泛应用于导水裂隙带高度预测,但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性,利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化,建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素,选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练,将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比,并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明:PSO-BP神经网络预测模型的平均相对误差为1.55%;BP神经网络预测模型的平均相对误差为4.8%,经验公式的最小相对误差为9.4%,PSO-BP神经网络预测精度明显优于BP神经网络和经验公式,且绝对误差和相对误差变化较稳定,可以有效预测导水裂隙带高度。      

我国水文站网建设与发展

水文站网是水文工作的重要基础,本文介绍了水文测站和水文站网的基本概念,对我国不同时期的水文站网的建设发展历程进行了回顾,结合经济社会发展的需求对水文站网的现状和问题进行了评价,对水文站网的发展进行了展望。     

基于SOFM神经网络的边坡稳定性评价

针对边坡工程稳定性分析中参数的不确定性,在分析自组织特征映射神经网络（SOFM）基本学习算法的基础上,从提高算法收敛速度和性能出发,将自组织特征映射神经网络基本学习算法加以改进,据此建立了评价边坡稳定状态的SOFM神经网络模型。然后用收集到的边坡稳定工程实例作为样本,对该模型进行训练和检验,并与BP神经网络判别结果对比。结果表明,SOFM神经网络性能良好、预测精度高,是边坡稳定性评价的一种有效方法。     

神经网络在泥石流活跃程度评判中的应用

泥石流活跃程度的评判结果对保护当地人民生命财产安全和经济建设的发展及地质灾害的防治工程布置有着很大的影响。然而以往的评判方法多以定性评判为主。由于每个人的知识水平、工作经验及评判问题的思维方式的差异，从而使评判结果或多或少存在一定的误差。论文旨在寻求一种新的方法来实现对泥石流活跃程度的定量分析，以便尽可能的减少人为误差。人工神经网络是一种具有学习、记忆、计算、仿真等功能的网络结构。BP网络是目前工程上运用最为广泛的一种误差反传的人工神经网络。它可以模拟任意复杂的非线形映射关系。应用神经网络对泥石流活跃程度进行定量分析评判，可以在一定程度上减少定性评判中的人为因素影响，提高评判的准确性。论文简要介绍了BP神经网络的基本原理、训练过程，以及如何利用MATLAB软件中的神经网络工具箱来创建、训练和应用评判泥石流活跃程度BP网络。在BP网络模型建立时采用了对研究区泥石流活跃程度影响最主要的8个参数作为输入层，并选取了研究区的20个样本对网络进行训练。最后用训练好的网络对研究区的10条支沟分别进行计算。计算结果与实际情况相符，说明利用BP神经网络来评判泥石流活跃程度具有很好的实用价值。     

BP神经网络在某油田区地下水质量评价中的应用

对误差反向传播(error back propagation,简称BP)人工神经网络在水质评价中应用的原理进行了分析,并将其应用于地下水质量评价.首先,利用MATLAB7的神经网络工具箱,根据GB/T 14848-93《地下水质量标准》,构建出10-11-5三层结构的BP人工神经网络模型,并对某油田区的地下水水质进行了...