基于BP神经网络的陕西春季浅层地温预测模型

利用2016—2021年春季(3—5月)陕西98个国家级地面气象观测站逐日观测资料,运用BP神经网络构建了陕西春季不同区域(陕北、关中、陕南)不同月份(3、4、5月)不同土壤深度(5、10、15、20 cm)地温预测模型,并利用2022年数据进行模型预测检验。研究结果表明：模型预测的各深度日平均地温在陕北、关中、陕南地区预测准确率＞95%,且整体表现出土壤深度越深预测准确率越高的趋势,10 cm日平均地温预测准确率＞98%,15、20 cm日平均地温预测准确率＞99%;各深度日平均地温在陕北、关中、陕南地区预测值与实测值的均方根误差≤10 ℃、平均绝对误差≤08 ℃,均方根误差和平均绝对误差整体表现出土壤深度越深误差值越小的趋势;模型预测精度比较理想,可用于陕西春季浅层地温预报业务,为春播及果树花期预报提供技术支持。     

基于高频雷达回波谱多特征融合的浪高反演算法

高频地波雷达海洋回波谱的 Bragg 峰和二次谐波峰中,均蕴含着浪高信息,因此发展出了基于 Bragg 峰功率 （Power of Bragg Peak,PB）、二次谐波峰与 Bragg 功率比 （Power Ratio of Second Harmonic Peak to Bragg Peak,RSB）、双频 Bragg 峰功率比 （Power Ratio of Dual Frequency Bragg Peak,RDB） 等浪高反演算法。然而,三种算法均无法实现不同海况、不同距离下浪高的精确反演。本文研究发现,PB 算法适用于低海况,RSB 算法在近距离高海况下表现良好,而 RDB 算法适用于远距离测量,即三种算法高性能测量区间存在强互补性。在此基础上,本文提出了一种基于多特征 （PB、RSB 和 RDB） 融合的浪高反演算法,其中采用反向传播（Back Propagation,BP） 神经网络作为特征融合器。实验表明：本文算法在测量精度、波高适应范围、距离适应范围上均优于现有波高反演算法。     

模糊聚类分析在粤西芒果炭疽病流行区域划分上的应用

根据粤西６个市（县）种植的３个主要芒果品种芒果炭疽病（Ｇｌｏｅｏｓｐｏｒｉｕｍ ｍａｎｇｉｆｅｒａｅ Ｐ．Ｈｅｎｎ．ｅｔ ａｌ）病情指数,应用模糊聚类分析方法,划选出粤西种植芒果的适宜区域,并指出干旱地区不利不该病发生。     

基于神经网络优化算法的海洋动态缓波型立管设计

柔性立管连接海上平台和水下生产系统,缓波型构型可以减轻其受到的顶部张力和疲劳损伤,触地点处系链对于固定水下立管起着重要作用,然而加装系链的缓波型立管系统设计更为复杂。通过缓波型基本理论计算出合理的立管初始状态,之后使用立管分析软件OrcaFlex,在充分考虑环境因素、船体结构、立管材料和线型以及重力块、浮力块、系链等配置参数的情况下,建立缓波型立管系统有限元模型,通过静动态分析验证其满足设定的关于立管构型、张力、弯曲半径,系链张力和FPSO偏移量5个约束条件。结合神经网络优化算法和遗传算法制定出针对文中立管系统的优化算法并通过MATLAB编程将浮力块数量优化至最少,之后基于L-M算法构建神经网络模型,通过迭代训练提升精度,得到最终参数优化结果。通过对比优化前后静动态分析结果可知：优化后浮力块数量大幅减少,立管最大有效张力大幅减小,而悬挂段最低点深度有一定程度的增大,整体构型更趋向于合理的缓波型构型。     

基于神经网络的地图数字注记识别

指出了地图自动识别系统中地图数字注记识别存在的困难，论证了利用神经网络技术解决这种困难的可能性，并通过一个含有２个隐藏层的ＢＰ网络，说明了这种技术用于地图数字注记识别的可行性。     

土地覆被的气候预测模型

在全国挑选了东北、华北、华中、西南、华南、西北、新疆和西藏8个试验区,采用人工神经网络和逐步回归方法,应用温度、降水对植被指数进行预报(气候因子超前土地覆盖特征量24个月).试报结果表明:在对植被指数的预报上,人工神经网络优于逐步回归.同时尝试性的将神经网络预报方法与逐步回归方法结合起来作预报,即应用逐步回归挑选出来的预报因子作为神经网络的外部输入精选因子,进行神经网络模拟预报.研究表明,对神经网络的预报因子进行精选,可事先排除一些干扰信息,对提高神经网络的预报准确率有所帮助.     

区域河流水质的模糊聚类分析

水作为地表物质迁移的一种溶剂与媒介,尤如人体的“血液”一样,穿行于岩石、土壤与各种生物体之间。一个特定区域范围内的河流水质,不仅受自然因素的控制,而且也受人类社会经济活动的影响。因此,一个区域河流水质的变化过程,就是该区域自然环境特     

基于神经网络的单元自动机CA及真实和忧化的城市模拟

提出了一种基于神经网络的单元自动机（ＣＡ）。ＣＡ已被越来越多地应用在城市及其它地理现象的模拟中。ＣＡ模拟所碰到的最大问题是如何确定模型的结构和参数。模拟真实的城市涉及到使用许多空间变量和参数。当模型较复杂时，很难确定模型的参数值。本模型的结构较简单，模型的参数能通过对神经网络的训练来自动获取。分析表明，所提出的方法能获得更高的模拟精度，并能大大缩短寻找参数所需要的时间。通过筛选训练数据，本模型还可以进行优化的城市模拟，为城市规划提供参考依据。     

新疆塔里木河流域水资源承载力评价研究

结合塔里木河2002年自然、社会和经济以及水资源资料,选取了耕地灌溉率、水资源利用率、供水模数、需水模数、人均供水量、生态用水率6个主要因素作为评价因素,应用模糊综合评判模型对塔里木河流域水资源承载能力进行了评价研究。结果表明,流域水资源开发利用已经达到相当规模,在现有经济技术条件下,该地区的水资源承载潜力已相对较小,水资源供需矛盾突出,应由耗水型经济结构向节水型经济结构转变,加强水资源的综合管理,以便科学、合理地利用流域内有限的水资源。