基于PCA和BP神经网络的径流预测

径流预测为流域水资源的合理开发利用与统筹配置提供依据。运用多元线性回归、主成分回归、BP神经网络及主成分分析和BP神经网络相结合的方法,对新疆呼图壁河流域石门水文站2009-2011年各月径流量进行预测,并采用相关系数、确定性系数及均方根误差对各模型预测精度进行比较。结果表明：（1）神经网络等智能算法具有高速寻优的能力,对短时间尺度的月径流量的预测结果较好;（2）主成分回归等常规算法能充分反映出某地区径流的年际的稳定性,对全年径流总量的模拟精度较高;（3）主成分分析和BP神经网络相结合的方法,提高了神经网络的收敛速度,同时降低了局部极值的影响,优于简单的BP神经网络,适用于呼图壁河月径流量预测。     

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。     

BP神经网络模型在伏旱预测中的应用——以河西走廊为例

利用河西走廊伏旱和伏期降水资料序列,张掖观象台的地面气温、降水、探空等气象资料,以及国家气候中心提供的74个环流因子,借助BP神经网络可以逼近任意非线性函数的能力和特点,构建了一个用于预测伏旱和伏期降水的模型,并对模型的预报效果进行验证。结果表明:BP神经网络模型能够对伏期干旱进行有效地预测,该预测模型对伏旱和伏期降水有比较理想的预报效果,伏旱预报历史拟合率高达97.6%、模型试报准确率为84.6%,伏期降水预测历史拟合率高达97.6%、模型试报准确率为76.9%,其性能指标符合实际要求,具有很好的实际应用价值。     

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。     

主成分分析在城市PRED系统可持续发展研究中的应用——以广东省所辖21个城市为例

依据1995-1999年广东省所辖21个城市科技人口数量增长率，城市人口数量增长率，耕地面积递减率，森林覆盖递减率，三废处理能力增长率，三废排放增长率，人平工资增长率，人均GDP增长率等指标统计资料，应用主成分分析法分析了广东城市人口，资源，环境和经济发展（PRED）系统的可持续发展过程，并从众多PRED系统因子中揭示出典型的敏感因子（主成分），同时，也为城市PRED）系统的可持续发展过程。并从众多PRED系统因子中揭示出典型的敏感因子（主成分）。同时，也为城市PRED系统可持续发展进程的分类提供新的依据。     

基于SPSS的主成分分析在地下水环境质量评价中的应用——以达拉特旗三晌梁地区为例

选定内蒙达拉特旗三晌梁地区40个地下水质站点2年资料,在SPSS统计软件的支持下,将主成分分析方法应用于水环境的综合评价之中。利用主成分综合得分从评价分区、地下水水环境质量评价等方面进行分析,分析结果理想,体现了主成分分析在水环境质量评价中的实用性。     

主成分分析对恢复过去植被和环境作用的再分析——以北京坟庄剖面为例

从北京坟庄剖面具有１４Ｃ测年的５４个样品原始记录中，选取１１个孢粉类型，用主成分分析的方法对该区晚更新世以来的孢粉资料进行再分析，阐明该方法能消除因主观原因对同一孢粉谱的分带差异。对北京多样性的生态环境，用累积贡献率为５７％且离散性大响应此环境特征，更好地恢复过去环境     

主成分分析在农田土壤环境评价中的应用

本文尝试利用主成分分析方法对农田土壤污染物进行识别,并对土壤环境质量进行分级。结果表明,利用主成分分析可以有效地识别土壤污染物中的主要成分,揭示土壤污染物的数据结构和相互间的关系。主成分分析方法可用于定量化的土壤复合污染研究或对历史数据较为缺乏的地区进行土壤环境质量评价。在污染物检测指标数量较大时,可以在一定程度上简化农田土壤重点污染物的定量化识别过程。     

主成分分析在山东省经济发展梯度分区中的应用

给出了一种采用主成分分析对多指标进行降维处理，利用表征主成分信息量大小的特征值进行加以求和区域经济发展梯度计算方法，并选取了２２项指标对山东省１１０个市（县）进行了经济发展梯度计算，划分出了５个梯度区，较地刻划出了山东经济发展水平的空间差异规律。     

主成分分析及MAPINFO在生态环境脆弱性评价中的应用

本文在主成分分析的基础上，以MAPINFO为平台，按自然分类法分类制作范围专题地图，对中国区域生态环境进行综合评价，基本上可把全国的生态环境脆弱度分为五级：极脆弱型、脆弱型、中等脆弱型、轻脆弱型、轻度脆弱型，体现了东、中、西部的差异。     

GEO-Environmental Suitability Evaluation of Land for Urban Construction Based on A Back-Propagation Neural Network and GIS: A Case Study of Hangzhou

Evaluating the geo-environmental suitability of land for urban construction is an important step in the analysis of urban land use potential. Using geo-environmental factors and the land use status of Hangzhou, China, a back-propagation (BP) neural network model for the evaluation of the geo-environmental suitability of land for urban construction was established with a geographic information system (GIS) and techniques of grid, geospatial, and BP neural network analysis. Four factor groups, comprising nine separate subfactors of geo-environmental features, were selected for the model: geomorphic type, slope, site soil type, stratum steadiness, Holocene saturated soft soil depth, groundwater abundance, groundwater salinization, geologic hazard type, and geologic hazard degree. With the support of the model, the geo-environmental suitability of Hangzhou land for urban construction was divided into four suitability zones: zone I, suitable for super high-rise and high-rise buildings; zone II, suitable for multi-story buildings; zone III, suitable for low-rise buildings; and zone IV, not suitable for buildings. The results showed that a BP neural network can capture the complex non-linear relationships between the evaluation factors and the suitability level, and these results will support scientific decision-making for urban-construction land planning, management, and rational land use in Hangzhou.     

基于GIS和人工神经网络的区域贫困化空间模拟分析--以贵州省猫跳河流域为例

我国西南喀斯特地区山高坡陡, 地形破碎, 生境脆弱, 水土流失严重, 是我国典型的极贫困 代表区域之一。本文选择贵州省猫跳河流域作为研究区, 以乡镇为基本单元, 应用GIS 和ANN 技 术, 模拟区域自然致贫因子和消贫因子的空间分布, 计算各乡镇的贫困度, 揭示区域贫困的空间 分布格局, 以期为指导研究区早日脱贫及生态重建提供科学依据。结果表明, 地形、土壤侵蚀等自 然要素是主要的致贫因子, 而社会经济要素是缓解贫困的因子。贫困度较小的乡镇主要分布在研 究区的中部和东部, 贫困度较大的乡镇主要分布在研究区的南部和北部边缘。可见, 应用人工神 经网络模拟区域贫困化简便、实用, 避免了传统的单纯依靠统计数据进行贫困化研究的做法, 是 一种可行的方法与技术途径。     

基于网络游记的城市旅游流网络结构演化研究——以北京市为例

采用网络游记文本数据,结合爬虫技术和社会网络分析方法,分析北京市"十二五"和"十三五"时期城市旅游客流网络结构的演变特征。结果表明:①城市旅游流网络结构存在不均衡性,城市历史文化遗产节点的的影响控制能力强,新兴旅游吸引物的集聚能力相对较弱,受不同类型节点的路径依赖效应的影响,这种差异存在动态扩大特征。②城市旅游流网络结构呈现显著的等级分层结构和节点分散分布特征,传统游憩场所是城市旅游流的核心节点,外围发育的旅游节点较分散且规模能级提升空间较大。③城市旅游流拥有显著的赋能效应、倒逼效应和联通效应。     

城市犯罪时空特征与机制——以北京城八区财产类犯罪为例

城市犯罪的时空模式是地理学“格局”和“过程”研究的重要课题.本文以北京城八区财产类犯罪为研究对象,利用GIS工具获取和处理空间数据,探讨城市犯罪的时空格局和时空模式,并建立时空机制模型.研究发现:北京城市犯罪总体上呈现多中心分布格局,在商业繁华地带和对外交通运输区存在明显的高强度带;各种犯罪类型空间格局既有共同性又有差异性;城市犯罪嫌疑人数量存在季节分异特点,但同一区域的犯罪地点数目具有一定的稳定性;就时空机制而言,场所的时空特征作用于财产犯罪参与者,进而作用于犯罪要素并影响犯罪实施成功与否,而不同类型的财产犯罪对场所时空特征要求不同,这些要求一旦与北京城市环境的特有属性耦合,便产生犯罪高发地段和高发时段,最终影响城市空间结构特点.     

食品安全导向下的都市农业发展模式——以北京蔬菜生产为例

随着人们生活水平和认知能力的不断提高,人们对健康的关注和需求也变得更加强烈,因此伴随着近年来食品问题的频繁曝光,食品安全已成为社会各界最关心的议题,其中,蔬菜和牛奶等易腐食品更成为首要关注点。都市农业拥有“近距离短环节”的优势,应当成为城市蔬菜供应的重要渠道和保证城市居民蔬菜安全的主角。本文以北京为研究案例,针对食品安全导向下的城市蔬菜发展模式进行了研究。首先通过解析北京生鲜蔬菜的供应来源,总结了“长距离多环节”农业存在的蔬菜安全问题及都市农业在保证生鲜蔬菜品质安全方面的诸多优势。接着分析归纳了保证蔬菜品质安全下的几种都市农业发展模式,并以典型案例研究的方式分析了各模式的产生背景、运行管理特点。最后提出了促进都市农业发展的保障机制。     

基于BP人工神经网络的开发区土地集约利用评价——以浙江省为例

为了研究开发区土地集约利用评价的新方法,运用BP人工神经网络对浙江省11个市开发区的土地集约利用水平进行评价并提出相关政策建议。BP人工神经网络模型及实证分析结果表明:(1)浙江省开发区土地集约利用程度普遍偏高,无论是用地效益还是用地结构状况均高于全国平均水平,在长江三角洲地区也处于领先地位。(2)开发区土地集约利用程度存在空间差异,主要表现为东高、中平、南北低。(3)集约度与经济发展水平呈正相关关系,相关系数高达0.903。BP人工神经网络能够克服主观因素对评价结果的不利影响,具有巨大的实际应用价值。     

基于GIS的区域群发性降雨型滑坡时空预报研究

以滑坡灾害突出的雅安市雨城区为例,综合考虑降雨强度、前期降雨量及下垫面(地形、岩性、植被覆盖等)构建了基于GIS分析获取的易发指数+BP型神经网络时空预报模型。首先通过试验确定了模型的网络参数和网络结构,然后通过危险性区划图获取降雨型滑坡易发指数,并利用GIS的空间插值功能和雨量站数据获取相应降雨型滑坡的雨量数据,将量化后下垫面的易发指数和降雨数据作为神经元输入层数据。将模型应用于研究区,其中46个降雨型滑坡数据作为训练样本,10个降雨型滑坡数据作为检验样本,预测精度达到90%,显示该模型对于降雨型滑坡的时空预报精度较高。