数字海底地形分割算法

根据不同海底地形特征,提出了基于多波束测量数据进行海底地形分割的"三态值模型"法,其步骤包括:将地形数据滤波和网格化;利用"3×3"差分算子计算各节点的梯度;利用最大梯度追踪算法检测正负地形与平缓地形的分界线;利用"三态值"算法识别正、负和平缓地形。应用该方法对胶州湾实验海区多波束实测数据处理结果表明,该方法切实可行,能够对数字海底地形准确地进行快速分割。     

砂土地震液化预测的人工神经网络模型

在简要分析BP算法的基础上,应用BP网络的理论与方法,选取烈度、震中距、平均粒径、不均匀系数、地下水埋深、砂层埋深、标贯击数、剪应力比等8个实测指标,建立了砂土液化预测的神经网络模型。通过实例计算与模型评价、验证了该模型的科学性、高效性并较规范法、Seed简化法等传统方法具有更高的预测精度,说明人工神经网络是解决非线性问题的有效方法之一。     

基于异步迭代算法的冲击地压预测

采用三层BP神经网络方法对冲击地压建立了数学模型。网络的训练算法采用具有松弛因子的动态异步迭代法,该算法在克服网络的麻痹现象及局部极小问题上都优于目前常用的训练方法,因而,采用此算法对网络进行了训练及震级的预报。基于新汶矿务局华丰煤矿1999～2000年的冲击地压现场监测数据,把冲击地压的能量、产生波的幅值、频次做为输入数据,相应期间的最大震级为输出数据,组成神经网络的训练样本及测试样本,对原始数据进行了数学预处理,网络结构采用了输入层3个结点,中间层7个结点,输出层1个结点的前向神经网络;网络最终的训练误差为0.06,预测结果的相对误差率平均为 9.2 %,预测效果比较理想。     

基于改进鲸鱼算法优化神经网络的GPS高程拟合方法

采取混沌映射和自适应惯性权重结合的策略对标准鲸鱼算法进行改进,从而提高算法的全局寻优能力和收敛速度,并针对BP神经网络的劣势,利用改进鲸鱼算法对BP神经网络进行优化处理。在此基础上建立改进鲸鱼算法优化BP神经网络的GPS高程异常拟合预测模型,并通过两组不同地形特征工程中的GPS数据对模型进行验证。结果表明,利用改进鲸鱼算法优化的BP模型进行GPS高程拟合时可取得更高的精度和稳定性。     

基于小波变换的雷达与光学影像匹配算法研究

分析了实孔径雷达与ＣＣＤ传感器影像不同的成像特点,讨论了采用小波变换进行边缘检测、影像分解与重建、实现分层匹配的方法;同时,提出了多种匹配算法模式。经过试验,取得了良好的结果。     

面波频散反演的数值模拟

大量的数值模拟表明,ＳＶＤ和ＬＳＱＲＤ在面波频散网格反演两步法中的应用效率都很好。但ＳＶＤ可以用分辨矩阵、信息矩阵和协方差矩阵对解估计进行数学上客观有效的评价,而对于大型稀疏方程的求解,ＬＳＱＲＤ确是一种内存注小,计算速度快以及分辨抗噪能力都较强的算法。在现有计算机运算速度较快、内存可以扩弃较大的条件下,实测数据量不很大时,应采用ＳＶＤ算法进行线性反演。     

ANN在海洋预报中的应用

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行海洋预报是可行的。针对海洋预报问题,初步建立了基于神经网络的预报分析系统,给出了应用实例。     

福建及其周边地区地震活动人工神经网络模型的构建

本文通过对福建及其周边地区地震活动人工神经网络模型的构建,研究了人工神经网络方法在基于该区域地震活动性指标的地震分析预报中的应用。选用含一个中章层的前向神经网络模型,并采用与之相适应的ＢＰ算法,以该地区１９７１～１９９７年的地震活动性资料为基础,用神经网络进行实际计算、分析和检验。结果表明：神经网络模型对福建及其周边地区地震震级的预测检验效果较好的,可以在一定精度范围内使震级预测的内符率达１００％     

状态转移矩阵的差分算法及其应用

指出用数值积分方法计算状态转移矩阵在程序实现时存在的困难。根据精密定轨和参数解算的实际需要,提出用差分算法,即通过两条接近的轨道的差来计算状态转移矩阵差分算法的优点是程序具有良好的结构且编程简单,其不足之处是差分时可能损失精度。将差分算法与数值积分方法的结果进行比较,提出克服其不足处的方法。     

面波频散反演的数值模拟

大量的数值模拟表明,SVD和LSQRD在面波频散网格反演两步法中的应用效果都很好.但SVD可以用分辨矩阵、信息矩阵和协方差矩阵对解估计进行数学上客观有效的评价;而对于大型稀疏方程组的求解,LSQRD确是一种内存需求小、计算速度快以及分辨抗噪能力都较强的算法 .在现有计算机运算速度较快、内存可以扩充较大的条件下,实测数据量不很大时,应采用SVD算法进行线性反演.