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。     

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型，参考自适应控制系统的控制器，把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数，通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化。仿真实例结果表明，基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高，有较好的网络的泛化和适应能力，能够很好地控制系统的输出跟随参考模型的输出。     

基于BP神经网络的青藏高原土壤养分评价

土壤养分在养分循环和土壤-植物关系中起着重要作用,在高海拔生态系统中,由于缺乏系统的实地观测,土壤养分在高山草原中仍然知之甚少。为了了解青藏高原多年冻土区高寒草地土壤养分的基本情况以及土壤养分的等级划分,利用青藏高原腹地西大滩至安多地区采集的154个土壤样品数据,基于BP神经网络模型建立具有3层网络,10个中间层节点的土壤养分评价模型。在MATLAB软件中进行BP神经网络的训练和验证后,对青藏高原多年冻土区高寒草地土壤养分进行综合评价。结果表明：2009年青藏高原高寒草地的土壤养分综合评价等级为4级,属于较低水平。综合评价结果与基于主成分分析方法的土壤质量指数（SQI）基本一致,说明BP神经网络模型对青藏高原土壤养分的评价结果是合理的。对评价结果与海拔、植被盖度和植被类型的关系分析表明,海拔越高或植被盖度越高,土壤养分的评价等级越高;不同植被类型的评价等级表现出高寒沼泽草甸（2级）>高寒草甸（4级）>高寒草原（5级）的趋势。BP网络作为一种简单又准确的识别方法,不仅可以评估土壤养分等级,还可以比较不同地区的土壤养分高低状况,希望为青藏高原的土地资源管理与保护提供基本的科学依据。     

基于MATLAB改进的BP神经网络在地下水水质评价的应用

运用改进的BP神经网络(SCG算法)理论和方法,建立水质评价的BP神经网路模型,以什邡市地下水为例进行评价,并与综合指数法相比较。结果表明,该算法收敛速度快,评价结果较能准确的符合水体水质情况。     

基于MATLAB的BP神经网络在南通市地下水质量评价中的应用

利用MATLAB的神经网络工具箱,建立了地下水质量的评价模型,并对南通市地下水水质进行了评价,评估结果反映了南通市地下水质量的现状,表明BP神经网络模型具有很强的学习和自适应能力,避免了在权值和阀值确定中人为因素的影响,增加了评价结果的客观性、公正性和精度,具有一定的实用价值。     

海相沉积软土蠕变BP神经网络本构模型

海相沉积软土具有很强的蠕变特性,传统分级构建蠕变本构模型方法不实用,且很难真正反映岩土流变的非线性特性。为此,本文引入具有超强非线性映射和容错能力的BP神经网络模型,通过改进BP算法,根据江门软土的室内直剪蠕变试验结果,建立了海相沉积软土BP神经网络蠕变本构模型,避免了传统方法为满足试验曲线变化规律和蠕变特性而需要建立复杂的本构数学表达式。最后,利用上海地区软土蠕变实验结果对本文提出的方法进行了验证,并对BP神经网络蠕变模型在描述软土流变方面的特点进行了讨论。结果表明,本文建模方法简单,并能很好地描述软土的非线性蠕变问题。     

基于AHP和BP神经网络的深部地热水可持续开发能力评价

采用资料完整性、开采潜力、回灌量、平均水压下降速率、地面沉降速率、水温、水质、地热井布局8项指标构建天津地热可持续开发能力评价指标体系;运用层次分析法确定了各项指标的权重,建立起评价因素集和评语集,给出了归一化数值;建立了天津地热可持续开发能力的BP神经网络模型,以层次分析法得出的结果作为样本,对BP网络进行了训练和测试,实例评价结果表明了AHP和BP神经网络方法的可行性,为地热资源的可持续开发能力评价提供了一种新的评价方法。     

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。     

基于优化的BP神经网络地层可钻性预测模型

提出了一种粒子群算法（PSO）优化的BP网络模型预测地层可钻性的新方法。利用粒子群算法优化BP网络模型的参数,避免了BP网络陷入局部极小值的缺点,提高了模型的预测速度和精度。结合钻探实例,利用测井资料和地层可钻性级别的关系建立了可钻性级别实时预测模型,并将该模型与传统的BP网络进行对比,结果表明,该模型优于BP网络,具有较高的精度和较快的收敛速度,有一定的适用性。     

未确知测度BP神经网络模型在黑河流域水质预测中的应用

水质预测是水环境规划、评价和管理的重要依据,对促进水资源可持续利用及生态发展具有重要意义。针对水质预测中各项因子的不确定性,基于未确知测度理论(unascertained measure,UM),采用改变网络初值的方法,对BP神经网络加以改进,并利用黑河流域莺落峡水文站1998~2011年的水质监测资料进行分析和预测。以挥发酚为参考序列,用灰色关联方法分析参考序列与其他因子的关联度,并最终确定BP网络的输入节点为CODmn、DO、SO42-、Cr6+以及挥发酚,输出节点为挥发酚,从而建立UMBP模型。分析结果表明,UM-BP预测模型比标准的BP神经网络模型具有更高的预测精度。因此,该模型应用于黑河流域水质预测是可行的。     

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.     

河网非稳态水环境容量研究

基于“河道-节点-河道”法的河网水量水质数学模型具有很高的效率,但到目前为止还没有与此求解方法相对应的河网水环境容量的求解方法,在对河网水质模型进行深入分析的基础上,引入节点污染物质允许进入量的概念,求出河网各河道河段及节点的允许排放量,建立了相应于上述水质模型的求解大型河网非稳态水环境容量的“节点-河道-节点”计算模式     

基于BP神经网络的手写数字识别

介绍了光学字符识别的几种方法以及神经网络的特点，神经网络技术能够解决传统OCR方法所不能解决的问题，同时指出了手写数字识别存在的困难，论证了利用神经网络技术解决这种困难的可能性。本文实现了通过一个含有1个隐藏层的BP网络来识别手写数字，并取得了良好效果，论证了这种技术用于手写数字识别的可行性。     

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。     

感潮河网水环境容量影响因素研究

研究了感潮河网的水环境容量。研究表明影响感潮河网水环境容量的主要因素为:潮汐作用、调蓄库容、水利工程的调控运行、污染物的降解系数和边界引水水质。基于感潮河网水质模型,完善了其水环境容量的计算方法。以上海市浦南东片河网为例,分析了感潮河网水环境容量在上述因素影响下的时空变化规律,并提出了相应条件下的污染物日允许排放量     

基于 BP 人工神经网络算法的临沂市土地利用集约状况探析

通过对2009—2012年度临沂市9县3区统计年鉴和变更调查中11个相关指标数据的搜集,借助 MATLAB7．0软件平台,利用 BP 人工神经网络算法,算出2009—2012年度各县区土地利用集约度,并利用 BP 人工神经网络的预测功能,预测了2013年和2014年度土地利用集约度值,结果表明临沂市平均土地利用集约度水平正逐步从粗放利用发展到中度集约,兰山区土地利用集约度水平一直为高度集约,集约度居全市之首,罗庄区一直为中度集约,稳中有进。预计到2014年底,大部分县区在中度集约或以上,仅有费县、蒙阴2县为粗放利用。。     

基于Excel技术平台人工神经网络BP模型及应用

本文简要地讲述了人工神经网络模型结构和BP算法,以Microsoft Office Excel加VBA编程为技术平台,创建了人工神经BP网络预测模型.同时,应用该模型预测了吉林省南坪水文站1980～2000年11～3月枯季水资源量.结果表明,预测结果合理,精度较高;模型直观易懂,操作简便,有进一步推广价值.     

基于主成分分析和BP神经网络的五道沟水面蒸发计算研究

针为探讨五道沟水面蒸发量与气象因子间的关系,准确估算该地区水面蒸发量,选取五道沟1991—2019年水面蒸发量以及气象因子实测资料,基于主成分法分析水面蒸发量的影响因素,并结合BP人工神经网络算法建立了水面蒸发计算模型.结果表明:主成分分析提取了三个主成分,第一主成分为地表温度、饱和差、绝对湿度、平均气温以及水汽压力差...     

基于WorldView-02高分影像的BP和RBF神经网络遥感水深反演

遥感水深反演是水深测量的一种重要技术和手段.以美济礁水深反演为例,选择WorldView-02高分影像为数据源,在辐射定标和大气校正的基础上,构建BP（Back Propagation）和RBF（Radial Basis Function）人工神经网络水深反演模型,以遥感影像8个波段为输入层,通过tansig、logsig、高斯函数和purelin函数变换实现从输入层到隐含层、隐含层到输出层的转换,以便反演水深.最后对反演水深与实测水深采用回归分析,求解决定系数（coefficient of determination,R2）、平均决定误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）等进行比较,评价2种模型的精度.结果表明,RBF神经网络模型结构更简单,对样本要求更低,反演精度达到0.995,更适合遥感水深反演.