基于中尺度模式与神经网络的风电功率预测

将中尺度数值天气预报模式与BP神经网络模型相结合用于风电功率预测,以WRF模式回算了2008年6月至2009年6月试验风电场的气象要素,精度检验结果显示风速预报值与对应实测值之间的相关系数达到0.72,风向、气温、湿度、气压的预报也比较准确,满足建立BP神经网络预报模型的需要.逐一建立试验风电场40台风电机组输出功率的BP神经网络预报模型,分析了数据标准化方法、隐含层神经元数对预报精度的影响.进行了26天实效为24 h的逐10 min预报试验,并以独立样本进行预报精度检验,结果显示单台风电机组输出功率相对均方根误差在24.8％～32.6％之间,预报值与实测值之间的相关系数现在0.45～0.68之间;风电场整体相对均方根误差为19.5％,预报值与实测值之间的相关系数为0.74.研究结果表明该方法可以用于实际的风电功率预测.     

一种基于神经网络的探地雷达信号解释研究

运用人工神经网络理论和方法,建立了用于隧道衬砌厚度探地雷达探测信号解释的BP神经网络模型,对某公路隧道衬砌检测厚度进行了分析应用,并与钻孔取芯结果进行比较,实践证明,该方法可提高探地雷达信号解释精度和工作效率．     

基于遗传优化神经网络的高速公路路基沉降量预测

控制路基沉降是公路工程中的一个关键技术问题,而路基沉降与其影响因素之间存在着线性、非线性关系。当输入自变量较多时,用传统神经网络建模容易出现过拟合现象,导致网络模型预测精度较低。针对此问题,本文用遗传算法对神经网络模型的权值和阈值进行优化,同时讨论遗传参数的设定对输出结果的影响。通过对成南高速的实测数据进行仿真,试验结果表明:优化后的BP神经网络具有较高的预测精度,预测效果明显优于传统神经网络模型的输出结果,该预测方法可作为高速公路路基长期沉降预测的一种有效辅助手段。     

穿越走滑断层海底管道局部屈曲研究及应变响应预测

海洋地震频繁且海底土体环境复杂,当地震导致断层土体发生永久变形后,穿越断层的海底埋地管道也将受迫发生变形。为确定变形后的管道能否正常工作,需根据实际工况对其进行应变响应预测。首先通过有限元计算软件ABAQUS建立管道与走滑断层的三维实体模型,模拟管-土间的接触作用并通过等效边界方法修正模型,得到管道局部屈曲破坏形式及应变分布情况。然后,通过调整有限元模型参数对断层交角、管道工作内压、管道径厚比对管道极限塑性应变的影响进行敏感性分析,定性分析不同敏感性因素对穿越走滑断层海底管道应变响应的影响。最后,在数值模拟数据的基础上通过MATLAB软件利用基于遗传算法优化的BP神经网络实现对管道应变响应的精确预测。结果表明:穿越走滑断层管道在发生局部屈曲时,可根据轴向压缩应变突变现象确定管道局部屈曲时对应的断层位移,并且断层交角、管道工作内压和管道径厚比都会对跨断层管道应变响应产生影响。     

基于地震属性的煤层厚度预测模型及其应用

地震属性技术在岩性和构造解释等方面得到了越来越广泛的应用,特别是在煤、油气资源勘探中具有重要的作用.基于淮南矿区谢桥1区13-1煤层地震勘探资料,提取了28种地震属性数据;通过地震属性的分析,优选出平均峰值振幅、振幅的峰态、最大绝对振幅、瞬时频率斜率等4种地震属性作为煤层厚度预测模型基本参数,结合已知钻孔资料,利用多元多项式回归以及BP人工神经网络方法,求出了各属性与煤厚之间的多元多项式回归模型及人工神经网络模型,并对模型进行了误差分析和应用结果对比分析,反映出人工神经网络模型在煤厚预测中具有好的应用效果.     

电阻率二维神经网络反演

由于非线性特性地球物理反演一直以来都是一个比较困难的问题. 近十年来,非线性反演方法如人工神经网络、遗传算法在地球物理数据解释中得到越来越多的应用,但目前基本仍限于一维反演问题. 对于二维反问题,反演参数较多,神经网络反演运用较少. 本文利用BP神经网络优化方法,实现了电阻率二维非线性反演. 与传统线性化的迭代反演比较,神经网络反演能够克服传统方法的不足、获得更好的反演结果.     

基于改进的BP神经网络构建区域精密对流层延迟模型

利用神经网络算法挖掘海量数据的规律已成为科技发展的一种趋势,本文针对卫星信号的天顶对流层延迟进行建模.对流层延迟是影响卫星定位精度的重要因素之一,建立精密区域对流层模型对高精度定位有着重要的意义.对区域测站对流层延迟数据的分析,考虑到实时建模中传统BP（Back Propagation）神经网络计算量大,易出现"过拟合"现象、不稳定等因素,通过改进的BP神经网络建立了区域精密对流层模型.详细介绍了新模型的建立过程,并与常用的对流层区域实时模型进行了对比.还讨论了建模测站数目对预报精度的影响.相比现有的其他对流层延迟模型,基于改进的BP神经网络构建的区域精密对流层延迟模型无论在拟合和预报方面都有较好的精度,且随着测站数目的增加模型精度趋于平稳.改进的模型参数较少,可以进行实时的区域精密对流层延迟改正;需要播发的信息量小,适用于连续运行参考站系统（Continuously Operating Reference Stations,CORS）的应用.研究表明：改进的BP神经网络模型能够更好的充分利用大规模历史数据描述卫星信号对流层延迟的空间分布情况,适用于实时大区域精密对流层建模.基于日本地区2005年近1000多个测站的NCAR（National Center Atmospheric Research）对流层数据进行区域对流层延迟建模,结果表明改进的BP神经网络模型在拟合和预报精度上都有较大提升,RMSE（Root Mean Square Error）分别为：7.83 mm和8.52 mm,而四参数模型拟合、预报RMSE分别18.03 mm和16.60 mm.     

基于改进型BP网络的空间电场分类研究

空间电场信号异常识别是研究地震引起电离层扰动的重要内容。 将空间超低频电场电位数据看作随机数字信号, 以均值、 均方差、 偏度和峰度等四个指标进行描述, 采用“5·12”汶川大地震前空间超低频电场电位数据作为原始数据, 训练改进型BP神经网络, 建立了空间电场信号异常分类识别模型, 并以SOM神经网络进行验证。 计算结果显示, 空间超低频电场电位异常信号主要集中在5°~25°N, 88°~120°E之间的区域, 汶川大地震影响范围内的电离层扰动, 可能是汶川地震发生前引起的, 这与前人研究一致, 说明采用改进型BP神经网络异常分类识别模型研究地震引起的电离层扰动是可行的。     

利用BP神经网络技术建立自贡地区地震动地形效应模型及其在汶川地震中的效验

地形效应是地震学、地震工程学和工程地震学中非常重要的研究课题.地震震后调查发现: 地形起伏变化引起了更严重的地震灾害, 地震仪器也记录到复杂的三维地形对地震动具有放大效应.关于地形激发的地震动效应问题, 目前仍处于定性研究阶段, 得到了一些定性的结论: 如地形效应表现为与地形坡度相关、与山脊和山谷相关、与山形坡面形态相关、与山体高宽比相关、与地形变化的尺度相关等等.这些定性结论没能给出影响地形效应的主要因素, 如何预测地形效应仍是难题.本文通过谱元数值模拟方法, 计算了自贡地区的地震动地形效应的放大系数, 同时引入BP神经网络技术, 揭示了地形放大系数可以用不同尺度地形上的变化来表述, 即可以用地形高程、地形变化梯度及其高阶变化梯度来表示.据此为参量, 文中建立了地形效应BP神经网络的预测模型, 并将该预测模型的结果与自贡地形台阵在汶川地震中的主震记录获得的地形放大系数结果进行了对比, 给出了预测结果与实际结果的差异范围, 讨论了造成差异的成因, 该论文提出的研究方法为更全面的研究地形效应提供了重要的研究思路.

     

BP神经网络模型在重庆伏旱预测中的应用研究

采用气象要素定义伏旱指数，利用小波分析等方法分析重庆地区伏旱变化特征，最后采用BP神经网络模型对伏旱进行预测试验，结果表明，重庆伏旱变化具有明显的阶段性特征，而基于BP神经网络模型的伏旱预测模型预测效果良好，可以应用于实际预测。