熵值理论和改进BP网络在湖泊富营养化评价中的应用研究

针对湖泊型饮用水源地水体污染、富营养化加剧的问题,引入熵值理论,建立单指标营养状态指数(TSI)和熵权藕合的湖泊综合营养状态指数模型(STSI),计算得到湖泊综合富营养状态指数判断湖泊富营养综合状态;基于神经网络仿真理论和Matlab软件系统,采用附加动量法和自适应学习速率改进BP算法,建立5-3-1结构型式的BP网络模型对湖泊富营养状态进行仿真预测。综合富营养化指数模型及改进BP模型应用于评价及预测固城湖富营养状态,并对模型评价结果进行验证。结果表明,改进BP网络模型可以有效地综合判断水体状态,为富营养评价及预测提供新的方法。     

流域产流产沙BP网络预报模型的初步研究

运用BP神经网络模型的基本原理,以流域降水条件为基本因子,建立了流域产流产沙BP网络预报模型.该模型能用于定量分析流域人类活动因素对流域产流产沙的影响.西汉水、大通江、香溪河流域资料验证表明,模型基本合理、可靠.     

地质数据的BP网络分析方法

数学地质中母函数选取和系数求解是函数逼近的两个关键问题，目前在地质数据的多元统计分析中广泛应用的回归分析或其他映射方法均有局限性。本文采用ＡＮＮ中的ＢＰ网络模型较好地解决了这两个问题，并对理论和实际和数据进行了比较与验证，结果表明，ＢＰ网络有助于提高地质数据处理的可靠性与预测的精度。     

基于BP神经网络的稳定湖相和风成沉积物粒度数据表征方法

沉积物的形成受到多种地质因素的综合控制。通过粒度分析可判别沉积物的成因类型,推断其形成的沉积环境,解释环境演变;而沉积物的粒度组分除了受到原岩的控制外,还受到机械沉积作用的影响难以准确预测。运用人工神经网络对稳定湖相沉积物和风沉积物的粒度参数进行研究,将沉积物的4个粒度参数作为网络模型的输入变量,在对168个浙闽沿海迎风岸风成老红砂样品和282个苏贝淖湖滨湖泊沉积物样品所对应的粒度参数进行数据样本训练之后,获得了基于BP神经网络的稳定湖相和风沉积物预测模型。然后利用448个大树摆鱼湖相沉积物粒度参数样本和100个兰州榆中黄土风沉积物粒度参数样本作为测试样本对该模型进行了测试和验证,结果显示模型的可靠性较好,能够对沉积物的形成环境做出正确的判断。     

自适应BP算法及其在河道洪水预报上的应用

提出一种改进的BP算法,即自适应BP算法。该方法采用两种策略:一是在权重修改公式中加动量项;二是学习率随总误差的变化作自适应调整,亦即总误差增加时,学习率将减小,反之学习率增大。以上两种策略能有效的抑制网络陷于局部极小并缩短了学习时间。实例研究表明,该算法用于河道洪水的预报,能取得令人满意的结果。     

基于MATLAB的BP神经网络在砂土液化评价中的应用

本文运用MATLAB的神经网络工具箱(NNT)建立砂土液化BP网络预测模型,并以南京地铁1#线玄武门站-南京站区间隧道砂土液化评价为例,阐述了基于MATLAB的BP网络应用于砂土液化分析的可行性和应用价值.     

基于互信息量与BP神经网络的中长期径流预报方法研究

针对中长期径流预报因子的选择问题,采用互信息量方法筛选预报模型输入因子,在BP神经网络模型中,分别用均方误差和互信息量作为目标函数,衡量因子复合相关关系,优化选择最终预报因子并应用于碧流河汛期径流预报中。结果表明,基于互信息量筛选的预报因子与BP神经网络模型相结合,可有效识别多个预报因子与预报量间的复合相关性,对中长期径流预报因子的选择有很好参考价值。     

基于BP神经网络方法的矿井涌水量预测

鉴于矿井涌水威胁煤矿安全生产及其影响因素的复杂性,提出基于BP神经网络的矿井涌水量预测方法.在充分分析新安煤矿＋25m开采水平的涌水影响因素的基础上,选取大气降水、采空区面积和底板构造断裂和采动裂隙三个影响因子,建立了非线性人工神经网络预测模型,对＋25m开采水平的正常涌水量进行了预计.其结果和实际观测数据能够较好地相吻合,表明采用人工神经网络预计矿井涌水量是可行的.     

基于BP人工神经网络的枯水径流预报方案研究

介绍了BP人工神经网络的桔水径流预报方法,编制了锦屏一级水电站枯水径流预报方案.根据枯水径流预报方案的预报精度评定成果,总结了应用BP人工神经网络进行枯水径流预报的特点.研究表明基于BP人工神经网络的枯水径流预报方案能够满足水文情报预报规范,具有较好的实用性和可行性.     

基于遗传算法优化BP神经网络的玉米遥感估产方法

以内蒙古自治区开鲁县玉米作物为研究对象,将生育期内玉米遥感影像所提取的多种植被指数和实地采样点的测产数据作为训练值,利用BP(back propagation)神经网络和遗传算法优化BP(GA-BP)神经网络估产模型,得出网络预测的玉米产量数值。通过决定系数R 2和均方根误差RMSE,比较实测产量与预测产量之间的精度,BP神经网络模型R^2为0.8452,RMSE(%)为28.37;遗传算法优化BP神经网络模型R^2为0.9850,RMSE(%)为6.70,表明遗传算法优化BP神经网络估产模型具有一定可行性和可信度。     

基于熵权的沉降组合预测模型及应用

目前沉降预测方法很多,各有其自身的优点,但尚存在一定的局限性,为了尽可能地利用全部有用信息,利用“组合预测”思想,提出一种对多种常用预测模型进行熵权法计算权重的组合预测方法,从而可根据有限的沉降实测数据达到预测沉降目的,工程实例分析表明,基于熵权的组合预测模型能够充分挖掘各模型的有用信息,大大提高了预测精度,具有明显的优越性。     

人工神经网络模型在渭河下游洪水预报中的应用

通过对渭河下游站点的时间序列及空间分布的分析,确定出影响华县站流量的时间和空间信息,并将其引入神经网络模型;采用典型的BP神经网络,重点对网络的隐含层节点数、训练次数和学习率进行分析,构建了渭河下游华县断面流量预报的人工神经网络模型;并采用RMSE、NSC和相关系数 R作为模型效果评定标准,将其与传统多元统计回归模型进行了对比。结果表明,所建的BP神经网络模型较多元统计回归模型的预报效果有显著的提高。     

基于ANN的苏锡常地裂缝预测研究

伴随着地面沉降灾害的发生,地裂缝作为一种新的地质灾害出现在苏锡常平原上,已有十多年历史,给地区发展造成严重危害。作者在较详细地阐述区域地质背景基础上,着重分析了地下水位和地面沉降在地裂缝形成中的作用。确定了“起伏的基底外加地下水位和地面沉降作用”这一地裂缝成灾模式。研究认为地裂缝的发生与地下水及地面沉降之间不存在简单的线性关系。而是二者共同作用的结果,同时需要有量的配合。初步确定了水位埋深50m,地面沉降量达500mm这样一个苏锡常地区地裂缝的易发环境。通过文章的研究,使得苏锡常地区地裂缝的产生机制更加清晰。文中一些定性和半定量的分析结论将对该地区地裂缝防治区划产生指导作用。     

基于粗糙集条件信息熵的山岭隧道坍塌风险评价

坍塌是山岭隧道施工过程中主要灾害之一。由于影响坍塌的因素众多,且各因素所占的权重差异较大,甚至有些因素是不必要或冗余的。目前常用的评价方法不但未对这些不必要或冗余的因素进行筛选,而且权重的确定过于依赖专家经验和主观赋值,导致风险评价结果精度低、可靠性差。基于此,应用粗糙集理论在数据挖掘、指标筛选和重要性计算方面的优势,将山岭隧道坍塌风险评价构建为粗糙集的决策信息表。但工程试验发现,基于传统依赖度的属性约简及权重计算不能满足要求,存在计算权重为0或约简结果过多,无法取舍的问题。针对以上问题,提出了一种基于条件信息熵的计算方法,该方法将条件信息熵引入到属性重要度和权重的定义中,同时以最重要的条件属性为起点,逐步增添属性,实现属性约简。所建立的方法既能从大量影响因素中,提取出主要影响因素,剔除相对冗余或不重要的因素;同时又能计算得到各因素的客观权重。最后结合模糊综合评价法,建立了基于粗糙集条件信息熵的山岭隧道坍塌风险评价模型,并成功应用于秀村隧道中,表明该模型可靠、实用,为山岭隧道坍塌风险评价提供一条新的研究思路。     

基于BP神经网络的农户生计风险评价模型

当今,农户生计风险在农村社会建设的过程中是最为重要和核心的问题之一。作为基本的社会经济单元,农户正面临着来自经济、社会和自然等各方面的风险。石羊河流域农户由于面临着严峻的风险冲击使其生计脆弱性进一步加剧。所以,急需辨明流域农户面临的主要风险类型,并依此找寻提高农户风险应对能力的对策措施。针对流域农户生计风险的非线性关系和复杂性特征,以及BP神经网络的适用性范围,建立了基于BP神经网络的农户生计风险评价指标体系。并基于入户调查数据,运用熵权法计算得出流域农户生计风险评价指标体系中各种生计风险变量。同时,根据石羊河流域农户所面临生计风险的特征,基于BP神经网络结构模型,确定了其评价结果的表征方法。最终对模型的可行性进行了验证。研究表明：基于BP神经网络的生计风险评价模型对定量化测度农户生计风险的适用性较强,这可为决策部门定量评估农户生计风险提供依据。     

基于神经网络的地质勘测反分析研究

针对地质勘查中,土的力学参数的确定及土的分类这两类复杂问题,根据反问题理论的基本原理,提出了一种基于回归分析与RBF神经网络结合的新型智能方法,建立了从土的力学参数估计到模型分类的完整智能化分析系统。考虑到土的物理参数测定方法比较简单,且实测变异性小,而力学参数实测变异性大的特点,利用RBF神经网络的数值逼近的特性,建立了神经网络模型来逼近两者之间的函数关系,可以有效地反演力学参数。同时,利用RBF神经网络所具有的模式识别功能,为地质勘察中土层划分提供依据。通过对黄石地区岩土勘查资料的分析与预测表明,该方法简捷有效。     

基于BP神经网络的岩体质量评价——以甘肃北山旧井地段BS03号钻孔为例

岩体质量评价对于各类建筑特别是地下建筑的安全性具有十分重要的作用。文章利用岩体质量评价Q系统和BP神经网络分析了Q系统各参数及对应于BP网络的取值。之后，将研究对象——甘肃北山BS03号钻孔以10m为单位分成50段，对每段范围内岩心所对应Q系统的参数根据钻孔钻进结果进行赋值，并运行BP神经网络程序对钻孔附近岩体质量进行分类。通过评价，对研究对象周围的岩体质量给出了定性的结论。     

基于GIS与ANN耦合技术的非线性矿产预测系统设计

利用地理信息系统(GIS)和人工神经网络(ANN)相结合,提出的基于GIS的人工神经网络矿产预测系统设计方案,实现了从地质变量优选到人工神经网络成矿预测结果图形显示的计算机自动化处理。其中的主要模块为:地质变量优选模块、数据库管理模块、神经网络成矿预测模块和图形处理功能模块。它们之间通过数据库进行数据传输与共享达到互相连接。     

基于GIS的人工神经网络矿产预测系统设计

将地理信息系统(GIS)和人工神经网络(ANN)相结合,提出基于GIS的人工神经网络矿产预测系统设计方案,实现了从地质变量优选到人工神经网络成矿预测结果图形显示的计算机自动化处理,并对其中的主要模块:地质变量优选模块、数据库管理模块和神经网络成矿预测模块进行了介绍,简要说明了各模块功能实现中所应用的主要技术.     

基于最小熵理论和未确知测度理论的泥石流敏感性分析

为了合理确定各影响因子权重,客观分析泥石流敏感性,基于最小熵分析原理和未确知测度理论建立泥石流敏感性分析模型。选取金沙江流域26条典型泥石流沟,确定9个主要影响因子,利用最小熵分析原理分析各因子对泥石流系统贡献率及权重,然后基于未确知测度理论计算各泥石流沟的多指标综合评价尺度向量,最后根据置信度识别准则确定各泥石流沟敏感度水平。将分析结果与已有成果进行对比可知,仅有7条泥石流沟敏感性结果有所差异。将评价结果与现场实际调查情况对比分析可知,22条泥石流沟的敏感度水平与泥石流实际发育情况相符,仅有4条沟评价结果偏于“保守”,因此,利用所提出的模型进行泥石流敏感度分析是十分有效的,并可对泥石流的防治提供合理的建议,可以在实际工程中推广应用。