SA算法优化BP神经网络应用于GPS高程拟合

BP神经网络算法用于高程拟合有训练速度慢和易于陷入局部最小值的缺点,基于BP算法学习特点,模拟退火算法（SA）在局部极小处的概率突变性,本文作者有效结合BP和SA算法,提出一种SA优化BP神经网络算法的BPSA混合学习策略,并以实例验证了该算法的有效性。     

基于改进BP神经网络的遥感影像混合像元分解

提出了一种基于改进BP神经网络的混合像元分解模型,通过加入动量项和变步长法对标准BP算法进行改进。利用该模型对多光谱遥感影像进行了处理分析,与一般BP分解模型进行比较后证明：改进的BP神经网络模型具有正确率高,自适应能力强的优点。     

厦门集美大桥首级GPS控制网建立若干技术问题探讨

通过对GPS定位技术在厦门集美大桥施工测量中应用的总结,对其在大型桥梁等施工领域定位技术的坐标基准选取、控制网布设方案、长距离高程传递等若干问题进行了深入的探讨。     

基于LM算法的BP神经网络在GPS高程拟合中的应用

介绍了一种快速收敛学习的基于LM算法的BP神经网络．它克服了传统BP网络训练速度慢和易于陷入局部最小值的缺点,通过实例应用将其结果与二次、三次多项式曲面拟合结果进行比较,验证了该方法的有效性。     

Estimation of Tsunami Run-up Height by Three Artificial Neural Network Methods

Tsunami run-up height is a significant parameter for dimemsions of coastal structures.In the present study,tsunami run-up heights are estimated by three different Artificial Neural Network (ANN) models,i.e.Feed Forward Back Propagation (FFBP),Radial Basis Functions (RBF) and Generalized Regression Neural Network (GRNN).As the input for the ANN configuration,the wave height (H) values are employed.It is shown that the tsunami run-up height values are closely approximated with all of the applied ANN methods.The ANN estimations are slightly superior to those of the empirical equation.It can he seen that the ANN applications are especially significant in the absence of adequate number of laboratory experiments.The restdts also prove that the available experiment data set can he extended with ANN simulations.This may be helpful to decrease the burden of the experimental studies and to supply results for comparisons.     

径向基函数神经网络在计算天然气水合物饱和度中的应用研究

天然气水合物饱和度的计算通常采用阿尔奇公式、双水模型、Wood 方程等方法,这些方法均基于孔隙度的求取,并需要配合岩心分析来获得公式中的有关参数,存在误差传递导致结果不正确的问题.由于天然气水合物是以固态形式赋存于地层当中,因此研究适用于含天然气水合物储层的评价模型也是解决准确评价天然气水合物储层需考虑的因素.针对沿用油气测井评价方法计算天然气水合物的孔隙度和饱和度中存在的问题,采用径向基函数作为人工神经网络,计算了我国首次采获水合物样品的神狐海域某井天然气水合物的饱和度,以其中一口井的分析数据为样本训练并建立径向基函数神经网络,有效地求出了另一口井的天然气水合物饱和度,其结果与现场孔隙水分析的饱和度基本吻合.避开了天然气水合物饱和度的模型建立及参数求取难题.     

遗传神经网络在海水水质综合评价的应用

在简要介绍BP神经网络和遗传算法基本理论的基础上,针对BP算法易陷入局部极小的缺点,将具有全局寻优的特点的遗传算法融入其中,以胶州湾东北部海域的海水水质评价为例,阐明了该方法在海水水质评价中的应用,并与其他水质评价算法进行的比较,结果表明该算法具有较好的客观性和实用性,丰富了海水水质评价的方法体系,为近岸海域的环境管理与决策的提供依据.     

自组织神经网络的土地覆盖图像识别分析应用

土地利用/土地覆盖数据的识别,采用传统的方法进行类型识别运算量大,精度也不太理想。本文重点讨论采用自组织神经网络方法,并在MATLAB平台下对其算法进行了实现,最后将分类识别结果与最大似然法分类结果进行了精度比较分析。结果表明,其分类精度明显高于最大似然法的分类精度,是一种土地覆盖图像识别分类的有效方法。     

基于BP神经网络的地下水位预测系统设计

为了解四川德阳地下水位动态,进而分析地震前兆动态,本文设计了一个基于BP神经网络的地下水位预测系统。采用SWY-Ⅱ数字式水位仪对德阳地下水位数据进行采集。根据采集的2015年水位数据,利用BP神经网络对地下水位变化进行预测,以一年的采集数据进行训练和测试,采用3个输入节点、1个输出节点设计了BP神经网络结构。为了进一步验证本预测系统,本文对2017年7月1日—10月26日地下水位情况进行了预测。实验表明：该方案能有效实现地下水位的预测,为地震前兆工作提供可靠数据。