灰色模型与智能算法组合模型在变形预测中的应用

变形监测工程是一个复杂的综合系统,各种参数具有很大的不确定性.目前变形的预测分析多采用单一的预测方法,而各种方法都有各自的优缺点和应用范围,有时单一的预测方法对判定工程性质带来了困难.引入了组合预测的思想,在灰色GM(1,1)模型的基础上,构建了灰色+GA+BP神经网络组合模型,探索了时间序列的数据处理和预报问题,通过...     

基于PSO-BP神经网络的地表下沉系数选取研究

针对BP神经网络自身收敛速度慢、容易陷入局部极小点的缺点,引入粒子群优化算法,建立地表下沉系数的PSO-BP选取模型。利用粒子群算法反复优化BP网络的权值和阈值,将其作为BP网络的初始值,并将上覆岩层岩性、开采深厚比、松散层厚度、覆岩中坚硬岩层所占比例、是否为重复采动和顶板管理方法等主要影响因素作为网络输入,进行BP算法,直至网络达到训练指标。利用实测资料数据,建立PSO-BP预计模型,并同普通BP神经网络预计结果对比。结果表明：PSO-BP神经网络不仅训练速度快,而且预测精度明显提高,该模型对地表下沉系数选取具有一定的应用价值。     

基于历史数据的黄海浒苔爆发规模预测

依据黄海浒苔初始覆盖面积及最大覆盖面积的历史数据,选取温度、光强、降水3种对于浒苔生长扩散最重要的影响因子,本文提出并建立了基于BP神经网络确定转换系数R的浒苔覆盖面积预测模型,可在浒苔出现初期即实现对本年度浒苔最大覆盖面积的模拟预测,并通过历史数据进行验证。结果表明,所预测的浒苔最大爆发情况与真实情况相符,研究成果可为浒苔的应急准备工作争取更多的时间提供一定参考。     

房地产估价方法与应用

本文针对目前国内外房地产估价现状，较系统地研究了房地产估价的理论、方法与应用，内容包括传统房地产估价方法的系统分析、基于人工神经网络的建筑物成新度和土地资本化率评估、基于模糊数学的市场比较法、基于灰色系统理论的假设开发法以及房地产估价方法的综合应用——基准地价评估。 　　1. 尽管三大估价方法的评估角度不同，但相互之间仍存在一定的关联性。采用三角形分布对由三大估价方法得到的评估值进行概率估计，可以反映评估值在市场上实现的大小及其可能性，这比只提供一个确定的评估值要客观、全面得多，对于房地产开发项目决策很有参考价值。由于土地使用制度不同，我国与国外房地产估价在土地使用年期、折旧、资本化率诸方面存在较大的差异。此外，在估价技术上也存在差距，也应引起足够重视。 　　2. 本文首次尝试用人工神经网络模型来评估建筑物的成新度，比传统的实际观察方法准确又简便，具有广阔的应用前景。人工神经网络模型是动态的，随着今后样本数量的增加，通过网络的自学习，不断加强网络的学习能力与训练水平，形成更加完整的系统，从而可以进一步提高测试的精度和扩大评估范围，同时不需要改变网络本身的结构。     

应用CF-BPNN模型确定GPS高程异常

介绍了确定GPS高程异常的传统方法,分析了应用CF-BPNN模型求解GPS高程异常的步骤,验证了其精度比常规方法有显著提高及其可行性.     

BP神经网络在矿产资源评价中的应用

简述BP神经网络的基本原理,通过实例阐述BP神经网络在矿产资源GIS评价应用方法,提出注意事项及如何提高评价应用效果.     

基于遗传克隆选择算法优化BP神经网络的地理信息预测研究

针对BP神经网络训练过程中的训练时间较长、完全不能训练或容易陷入局部极小值等问题,提出基于遗传克隆选择算法(CLOGA)优化BP神经网络的流程,克服BP算法的一些缺陷。并通过湖北省人口预测问题进行效果检验,得到满意的结果。     

基于MODIS数据的城市边界监测方法及其比较

如何快速、准确地检测城市范围,获得城市土地利用类型数据是监控城市发展、建立城市模拟模型的重要基础。以我国北京地区为试验区,以MODIS影像为主要数据源,实现最大似然法、神经网络方法及SVM分类技术检测北京城市范围,并比较分类精度,为进一步检测城市变化增长奠定基础。     

冬小麦农田不同高度极端气温预测[ ]

利用2019年1月—2022年6月冬小麦农田小气候自动观测站观测的数据和齐河县国家基本气象观测站同期观测资料,采用多元线性回归和BP神经网络方法,建立冬小麦农田30 cm、60 cm、150 cm日最高和日最低气温预测模型。结果表明:两种模型对农田气温的预测效果均较好,阴天条件下150 cm最高气温预测效果最好;晴天条件下30 cm最高气温预测效果最差。两模型模拟结果分层次看,农田气温的模拟精度150 cm>60 cm>30 cm;分天气类型看,多元回归模型农田各层气温的模拟精度阴天>多云>晴天,BP神经网络模型农田30 cm、60 cm最高气温的模拟精度多云>阴天>晴天,农田30 cm最低气温的模拟精度多云与阴天相同,均大于晴天,农田60 cm最低气温的模拟精度晴天>多云>阴天,农田150 cm最高及最低气温的模拟精度晴天与多云相同,均大于阴天;分要素看,30 cm最低气温的模拟精度高于最高气温、60 cm和150 cm最高气温的模拟精度高于最低气温。通过比较,BP神经网络模型的预测精度比多元线性回归模型的预测精度高。两种模型均能满足冬小麦农田气温的预测需求。