人工神经网络方法在径流预报中的应用

采用ＢＰ神经网络模型,以西北内陆河黑河流莺峡年平均出山地表流量为研究对象,对人工神经网络研究方法在干旱区环流径流预报中的应用进行了初步尝试,结果表明该预报成功率较高,证实了人工神经网络方法应用于流量预报领域的可行性,并分析了该方法在预报过程中的优缺性。     

海浪数值模拟研究进展

1、前言 海浪研究主要有两大内容,一是理论,即海浪生消机理的研究;二是应用,即海浪演化过程的准确计算。两者是相互促进的,但最终目的仍在于寻求预报(或后报)海浪时—空分布的计算方法。 海浪研究的对象主要是由风趋动所产生的风浪,其次是涌浪。 40年代后期,海浪研究作为一个相对独立的学科,引起了物理海洋学、流体力学、统计数学和计算数学界科学家的兴趣。经过约40年的努力,海浪研究领域已经取得了丰富的成     

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。     

海洋工程中的海浪报报

本文提供的海浪报方法，不仅将Ｗｉｌｓｏｎ方法的数学模型编成计算机源程序，避免了查复杂的诺模图，而且对其进行了改进，从而大大提高了工效和计算结果的精度。通过实例计算，结果说明本文提供的方法是切实可行的。     

敏感型人工神经网络及其在水文预报中的应用

为充分挖掘资料信息、加快收敛速度,采用一种具有敏感功能的神经网络预报模型。该模型在构造时序样本时引入遗忘因子和期望因子,以体现对前期资料的遗忘和近期预测的期望。在权值调整过程中采用指数型能量函数,以加快网络的学习收敛速度。应用实例证明:该方法可以提高当前的预测精度,并避免网络学习过程中的振荡现象。     

降水临近预报及其在水文预报中的应用研究进展

随着全球气候变化、自然变迁及陆表生境改变,极端天气频发且呈现出多尺度时空变异特征,对其进行预报和预警一直是气象水文领域关注的焦点。临近预报可较准确地预报未来短时间天气显著变化,是当前预报强降水等极端事件的主要手段。从基于天气雷达0～3 h外推临近预报、融合数值模式0～6 h临近预报的发展历程梳理了临近预报的研究进展,阐述了雷达外推算法的发展进程、雷达外推预报与数值模式预报融合技术进展,指出"取长补短"的0～6 h融合预报在提高降水预报精度、延长降水预见期等多方面有较大的发展潜力,进一步探寻及提升融合技术是未来融合预报发展的核心。将临近预报以气象水文耦合的方式引入水文预报是从源头提高水文预报精度、保障水文预报效果的主要途径,总结了现阶段主流耦合方式、空间尺度匹配技术、水文模型不确定等陆气耦合中的关键问题,阐述了外推临近预报、融合临近预报作为水文预报输入的研究进展,明确了融合临近预报在延长洪水预见期、提高洪水预报精度中存在优势,并讨论了未来的研究重点及发展方向。     

径流长期预报的人工神经网络方法

提出径流长期预报的人工神经网络方法。运用神经网络的一典型模型──“反向传播”模型,以大伙房水库在补水期的径流状况作为研究对象,尝试了神经网络方法的效果。结果表明,该方法预报成功率较高,容错能力较强,可望成为径流长期预报的有效的辅助手段。     

资料同化在空气质量预报中的应用

随着数值模式的不断完善和观测技术的不断提高,资料同化逐渐成为能够进一步提高数值预报水平的一种有效方法。20世纪70年代,资料同化开始引入空气质量预报领域,成为当前大气环境科学研究的一个新方向。简要介绍了资料同化的含义,较详细地介绍了Kalman滤波法、四维变分同化法、牛顿松弛法的基本思想和优缺点,重点阐述了国内外资料同化在空气质量预报中的研究应用情况,最后指出资料同化应用于空气质量预报时存在的问题和今后的研究方向。     

BP神经网络洪水预报模型在洪水预报系统中的应用

采用相关分析法,在区域降水、观测断面流量(或水位)因子中识别出影响预报断面径流过程的主要变量,在多个观测断面的数据均为流量情况下,采用基于时延组合的合成流量为影响预报断面径流过程的变量,采用自相关分析法,识别出影响预报断面径流过程的前期流量(或水位),以这些变量为BP神经网络模型的输入,以预报断面的流量(或水位)为模型的输出,在BP神经网络隐层节点数自动优选的基础上,构建了基于BP神经网络的洪水预报模型。将模型载入中国洪水预报系统中,应用结果表明:模型在历史洪水训练样本具有一定代表性的情况下,可获得较高的预报精度。     

基于平均线性粒子群算法的人工神经网络在径流预报中的应用

人工神经网络具有很强的非线性处理能力,能够有效地模拟复杂的非线性径流预报过程。传统的基于BP训练算法的人工神经网络具有训练时间较长,容易陷于局部最优值等缺陷,本文对训练算法加以改进,分别使用平均线性粒子群,粒子群和BP算法来优化人工神经网络的各项参数,首先使用标准函数测试了3种算法的全局优化性能,然后用它们对三峡水库的入库径流进行预报,以比较它们的预报性能。结果表明,在3种算法中,平均线性粒子群算法全局寻优的速度最快,稳定性最高,基于平均线性粒子群算法的人工神经网络的径流预报的精度也最高。     

人工神经网络在边坡滑移预测中的应用

利用一项实际边坡工程的多年实测滑移资料，基于人工神经网络方法，建立了非线性人工神经网络分析模型，从而能够较精确地对该边坡的滑移进行预测，通过本工程实际的应用实践，发现它可避开复杂的本构模型而成为解决岩土工程问题的新途径。     

有监督的人工神经网络油气预测

有监督的人工神经网络预测是20世纪90年代发展起来的一种新兴技术，由于它具有算法快、精度高的特点，在油气预测中得到广泛使用。本文介绍了该方法的原理及其与地震属性的关系，应用实际资料进行了计算，证明效果良好，是一种油气预测有利工具。     

人工神经网络在岩体质量分级中的应用

结合四川省金沙江某水电站工程实例，应用BP人工神经网络方法建立3层BP网络模型，选取岩石单轴抗压强度等6个影响因素为输入变量，对坝基复杂岩体进行质量分级。通过机算机Visual C 语言编程实现神经网络模型，进行网络的学习和运算。以神经网络合理结构分析方法选取合理结构，确定合理隐层单元的数量，提高网络测试的精度。对测试结果的分析发现，经过优化的BP网络模型经多次学习后，测试精度提高，结果可靠，取得较好的实际应用效果。     

BP神经网络在花岗岩型铀矿预测中的应用

在已知矿床的外围或深部发现更多的成矿有利区是我国南方地区新一轮热液型铀矿勘查工作的重要方向之一。采用BP网络对某花岗岩型铀矿区以航空放射性信息为主的找矿标志进行综合。15个检验样本的预测有利度与期望有利度基本吻合,表明采用该预测模型对研究区内所有样本进行综合预测是合适的。从全区的预测结果可以看出,14处已知铀矿床均位于成矿有利度大于0.9的区域,且在已知铀矿床的外围发现了具有较好成矿远景的多片有利区。     

基于BP神经网络的瓦斯含量预测

以淮南矿区潘一矿13-1煤层为研究对象,在分析勘探钻孔资料的基础上,确定了煤层埋深及厚度、顶底板岩性、地质构造和煤变质程度是影响煤层瓦斯含量的主要因素;使用BP神经网络方法建立了瓦斯含量预测模型;结合实际数据,对预测模型进行训练和检验。预测结果表明:该模型比使用多元线性回归预测能获得更高的精度,说明预测模型可靠。     

Wind speed prediction using statistical regression and neural network

Prediction of wind speed in the atmospheric boundary layer is important for wind energy assessment, satellite launching and aviation, etc. There are a few techniques available for wind speed prediction, which require a minimum number of input parameters. Four different statistical techniques, viz., curve fitting, Auto Regressive Integrated Moving Average Model (ARIMA), extrapolation with periodic function and Artificial Neural Networks (ANN) are employed to predict wind speed. These methods require wind speeds of previous hours as input. It has been found that wind speed can be predicted with a reasonable degree of accuracy using two methods, viz., extrapolation using periodic curve fitting and ANN and the other two methods are not very useful.     

边坡位移预测组合灰色神经网络方法

边坡位移的发展受地质条件、气候环境及人类活动等因素影响,变化趋势复杂,难以建立准确的经典数学模型对其进行全面描述。为了较准确地得到边坡位移数据,采用多模型信息融合技术对其进行预测。首先,将边坡这类影响因素复杂的系统作为一个灰色系统,分别采用GM(1,1)模型、Verhulst模型及DGM(2,1)模型对位移值进行预测;其次,考虑到神经网络的高速并行计算能力和类似人类思维活动的处理机制,利用神经网络方法对不同的灰色预测模型组合,生成灰色神经网络模型。通过反复训练、学习,自动调节,得出各模型在组合模型的合理权重,输出满意的结果。对比发现,利用组合灰色神经网络模型预测的位移值较单独的灰色模型预测的位移值具有更高的精度。     

Kohonen人工神经网络在新疆东天山地区斑岩型钼矿资源预测中的应用

采用多源信息找矿模型,结合Kohonen人工神经网络对新疆东天山地区斑岩型钼矿进行了成矿预测。通过该地区已有斑岩型钼矿的成矿、控矿规律,确定了5类预测变量。由于东天山钼矿床已知样本较少,使用非线性的Kohonen人工神经网络法进行少模型预测。此方法不依赖预测区域的样本数量,实行非监督分类。分类结果显示:东天山地区2个典型钼矿床皆落入A类成矿有利区域,证明分类效果较为可信。实验结果表明,该方法操作简便,是一种较为快捷、有效的预测方法。     

BP神经网络算法在陆域天然气水合物成藏预测中的应用

勘察陆域天然气水合物的过程中,会产生大量的地质、地球物理和地球化学资料,将这些数据资料与数学方法有机结合,建立起综合信息预测模型对寻找水合物具有重要意义。笔者选取木里地区为主要研究区域,综合区内勘查已获得的地质、地球物理和地球化学数据,分析和提取了对水合物成藏有利的特征,给出了相应的预测变量转化规则。采用BP神经网络这种非线性预测方法进行成藏预测研究,并对结果进行对比评估。结果显示,钻遇水合物的钻井与预测得到的高有利度区吻合,未遇水合物的钻井基本落于低有利度区,算法有效实用,建立的转换规则切实可行。     

人工神经网络在铀矿测井解释中的应用

本文探讨了运用人工神经网络方法完成铀矿测井解释任务的有关问题。采用了改进的BP算法，提高了网络收敛速度，优化了网络结构。研究使用了一种基于统计的学习样本生成方法，提高了样本的质量。实际应用网络进行岩性识别和孔隙度预测，取得了令人满意的结果。