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。     

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。     

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.     

径向基函数神经网络在地应力场反演中的应用

初始地应力场是地下洞室设计所需的基本指标。基于江边电站引水隧洞沿线区域的地质资料,利用快速拉格朗日分析程序FLAC3D建立了该区域的数值计算模型,使用了随深度变化的侧压力系数以及应力和位移的混合边界条件,通过模拟引水隧洞沿线不同岩性的岩石、断层破碎带和蚀变带进行正分析计算。根据工程现场实测点的主应力数据,基于径向基函数（RBF）神经网络原理,反演了计算区域的岩体力学参数和初始地应力场。其计算结果与实测地应力值基本吻合,满足精度要求,说明反演结果与工程实际相符,所使用的反演方法是合理的。     

二维随机场下边坡稳定性的径向基函数神经网络分析法

岩土参数的随机性会直接影响边坡稳定性评价结果的精度。首先,依据边坡参数的常用分布特征,利用拉丁超立方抽样法生成若干组边坡土性参数和几何参数的随机样本,用有限元强度折减法求解各组样本对应的边坡安全系数。再考虑土性参数的空间变异性,在二维随机场模型下将蒙特卡罗模拟和有限元强度折减法相结合求解各组样本对应的边坡失效概率。然后,利用样本数据及其安全系数和失效概率对径向基函数（RBF）神经网络进行训练和测试,从而建立边坡安全系数和失效概率的预测模型。算例表明,二维随机场模型能相对精确地考虑参数的空间变异性;在此基础上建立的神经网络模型对边坡的安全系数和失效概率具有较高的预测精度,且能极大地节省边坡稳定性分析的时间。     

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。     

用径向基函数神经网络模型预报感潮河段洪水位

径向基函数神经网络方法是一类比较优越的前向式多层神经网络,将其应用于感潮河段的洪水位预报。利用K 均值算法和最小二乘法来确定径向基函数神经网络的参数,并给出了具体计算方法。由于该方法比传统的BP算法有较快的收敛速度,使其具有较大的应用价值。基于感潮河段的具体特点,构建了具有若干个时段预见期的径向基函数神经网络模型。该模型应用于沂河的水位预报,结果表明,该模型运算快速、简便,预报精度较高。     

用径向基函数配点法求解河渠间地下水问题

本文采用径向基函数配点法建立了河渠间地下水非承压稳定流问题的数值模拟模型。径向基函数配点法的计算结果与形状参数的取值密切相关。将计算所得的近似解与解析解对比产生的误差很小,说明径向基函数配点法是一种既有效又有较高精度的求解方法。     

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。     

公路软基沉降函数干涉神经网络预测模型

建立了基于函数干涉神经网络的公路软基沉降预测模型。工程实例表明,所建议的模型外延性好,而且,可以由较短预压期内沉降观测资料预测远期沉降发展,与传统沉降预测模型相比具有显著的优越性,工程应用前景广阔。     

基于参数优化的集对分析月径流预测

采用集对分析法进行月径流预报时,针对级别划分较多时不易确定差异度分量系数的问题,建立了基于SCEM-UA算法优化该系数的月径流预报方法.研究实例表明,本方法能够有效区分集对间不同差异度的影响,优化所得的差异度分量系数是有效的、合理的,能够提高月径流预报精度并发布概率预报.此外,分析表明集对分析预报中的参数不确定性在模型不确定性中占主导地位.     

SOM-RBF神经网络模型在地下水位预测中的应用

利用自组织映射(SOM)聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法,减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类,利用聚类后的二维分布图确定隐层节点的数目,并根据聚类结果计算径向基函数的宽度,确定径向基函数的中心,由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例,采用2000—2009年观测的地下水位动态资料,利用SOM-RBFN模型对地下水位进行预测,验证其准确性,并分别以5、7、10a的地下水位动态数据为研究样本建立模型,考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中,均方根误差(RMSE)的均值为0.43,有效系数(CE)的均值为0.52,均达到较高标准,因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68,结果优于RBF5和RBF10,这就意味着在模型计算中样本数量不会直接影响预测结果的精度。     

径向基人工神经网络法在土壤盐渍化调查中的应用

土壤盐渍化是一个世界性的生态问题，同时也是资源开发和利用问题。对于盐渍化土壤的调查是合理利用土壤的前提条件。文章应用径向基（RBF）人工神经网络，结合多源遥感影像对北方某地区耕地土壤盐渍化状况进行调查研究，取得了满意的效果。     

基于主成分分析和贝叶斯正则化方法的神经网络年最大洪峰流量预测模型探讨

针时水文预测建模中输入因子过多而导致神经网络结构规模过大,泛化能力差的问题,利用主成分分析和贝叶斯正则化方法对神经网络进行改进,优化网络结构,从而提高泛化能力。以洮儿河流域镇西站年最大洪峰流量预测为例,研究结果表明,改进的神经网络预测方法与传统的神经网络方法相比,泛化能力有显著提高,而且网络的收敛也比较稳定,实际预测中效果良好。     

基于集对分析的相似模型在地下水位预测中的应用

地下水位预测能为生态环境保护和地下水资源规划、管理提供科学依据。为了对地下水位动态变化进行准确预测,针对地下水位样本之间的相似性及影响因子与地下水位之间具有的确定、不确定性特征,提出将集对分析与相似预测相结合,从同、异、反三方面定量刻画地下水位的当前样本与历史样本之间的相似性,建立了基于集对分析的地下水位相似预测模型,并应用该模型计算地下水位预测值。实例检验结果表明:基于集对分析的地下水位相似预测模型的平均相对误差小于3%。与其他地下水位预测方法相比,该方法用于地下水位预测具有物理概念清晰,计算简便,预测精度较高的特点。     

基于灰色关联-遗传神经网络的煤与瓦斯突出预测模型

在综合分析影响煤与瓦斯突出的各种评价指标的基础上,基于人工神经网络极强的非线性逼真能力,建立了煤与瓦斯突出强度预测的遗传神经网络模型。模型采用灰色关联理论完成了评价指标的优化,并利用遗传算法对BP网络初始权值和阈值的确定进行了优化。以重庆南桐矿区砚石台矿为例,对煤与瓦斯突出强度进行了预测,结果表明,采用本模型的预测结果与矿井实际突出状况一致,模型可靠,具有一定的理论与实际意义。     

基于RBF神经网络的堤防管涌预测方法

影响堤防管涌的各种因素是不确定和随机的,在堤防管涌的发生过程中各因素间表现出复杂的非线性行为。运用基于RBF神经网络的基本原理,建立了堤防管涌预测的RBF神经网络模型,从新的角度研究堤防管涌的预测问题,对该问题进行了探索性的研究。对该理论的建立以及预测方法进行了系统的讨论,为该领域的研究提供了完整的技术方法。对于23个典型堤防管涌实例的研究表明,RBF网络较BP网络有较高的预测精度,较短的预测时间和较快的预测速度,能够较好地描述堤防管涌的非线性特征。     

基于模糊集对评价模型的云南省水资源监测能力评价

为给云南省水资源的可持续利用和管理提供科学依据,基于模糊集对评价模型,选择取用水户水量监测覆盖率、水功能区水质监测覆盖率等11项指标构建云南省水资源监测能力评价指标体系,确定分级标准,应用层次分析法得出各项指标权重值,然后通过联系度对云南省16个州(市)水资源监测能力进行评价。评价结果表明,云南省总体水资源监测能力属于中级,综合情况较好。并将评价结果与模糊综合评价法相比较,结果证明模糊集对评价模型理论严谨,计算简洁,评价结果合理可靠,为评价水资源监测能力提供了一种新方法。