基于自适应Kalman滤波的BP神经网络及其在高程拟合中的应用

针对传统BP神经网络容易发散、泛化能力差等问题，采用自适应Kalman滤波方法训练神经网络的连接权。与Kalman滤波训练连接权和传统的BP算法相比，该方法提高了BP神经网络计算精度，增强了泛化能力。实测数据的计算结果证明了该方法的可行性与有效性。     

基于神经网络的滑坡变形预测报研究

利用ＢＰ神经网络方法建立了滑坡变形预报模型,在此模型的基础上对几个典型滑坡进行了预报分析,其结果表明用ＢＰ模型进行滑坡短期预报效果较好。     

湖泊水位资料与模型模拟恢复的6000年前全球湿润状况的对比研究

本项研究是ＰＭＩＰ（ＰａｌａｅｏｃｌｉｍａｔｅＭｏｄｅｌｉｎｇＩｎｔｅｒｃｏｍｐａｒｉｓｏｎＰｒｏｊｅｃｔ）国际合作项目中有关模型模拟与观测资料对比的一部分。模型试验对象是６０００ｙｒ．ＢＰ的全球湿润状况。模拟试验以检测太阳辐射变化对全球大尺度气候系统的影响为主要目的。观测资料是利用地质证据恢复的古湖泊水位变化,实际上是某一地区的有效降水（降水减蒸发）的变化。通过两者的比较发现,所有模拟试验均能重现６０００ｙｒ．ＢＰ在亚洲南部与非洲北部的湿润环境,从而证实了因太阳辐射变化导致的亚洲与非洲季风的增强。但模拟的季风增强无论是强度还是范围均小于地质记录。原因很可能是模拟试验中下垫面特征用“现代”的来处理。模拟试验对北半球夏季辐射增加造成的西风带北移及由此引起的中纬度地区的气候变化不够成功。绝大多数模拟对受洋流与海温影响较大的地区是失败的。主要原因可能是所有ＰＭＩＰ中的模拟试验都未考虑海洋的作用。     

基于黄金分割理论的改进BP网络地下水水质评价

利用VB语言编写附加动量的改进BP人工神经网络模型程序,并将其加载到Excel中,以湛江市区地下水为例研究水质状况。该模型采用黄金分割理论和试算相结合的方法对网络模型的隐含层节点数进行了优选,研究结果与其他方法相比显示：改进BP人工神经网络模型在地下水水质评价中能够很好地解决评价因子与水质等级间复杂的非线形关系,评价结果的精度有较大地提高。     

安阳矿区煤与瓦斯突出预测模型的建立与应用

利用灰色关联分析法确定控制矿井煤与瓦斯突出的主导因素,根据人工神经网络建立煤与瓦斯突出危险性预测的系统结构,在此基础上,选用突出矿井的15个煤与瓦斯突出实例作为学习样本对网络进行训练,最后运用3个煤与瓦斯突出实例作为预测样本对所建模型进行验证。结果表明利用灰色理论—神经网络方法建立的预测模型能够满足煤与瓦斯突出预测的要求。通过分析和计算安阳矿区煤层的开采深度、地质构造(尤其是断层)与突出危险程度关系密切,在煤与瓦斯突出的预测、防治工作中可以作为首选指标来考虑。     

基于GF5-AHSI遥感数据的横沙浅海水深反演

高光谱遥感水深反演是一种对传统水深测量方法的补充,具有方便、快捷、经济等突出优势。本文研究区位于上海横沙,属于典型滩涂浅水区,研究数据包括GF5-AHSI高光谱遥感数据和同时期的水深数据。通过数据变换和相关分析等方法提取建模参数,利用单波段比值模型、多元线性回归模型、最优标度回归模型和BP神经网络模型实现该区域水深反演,并对4种模型反演结果的准确性进行了验证和比较。研究发现：最优标度回归模型优于其他3种模型,R2达到了0.972,RMSE为0.47 m,适用于横沙浅海水深反演。     

基于水深分段选择因子的多光谱影像反演水深

岛礁周边海底地形精密测量是海洋测绘的难点问题之一,利用多光谱卫星能精确测定岛礁周边水深地形,是传统岛礁水深测量有效的补充方式之一。本文以蜈支洲岛周围水域为研究区域,提出了基于BP神经网络水深分段选取反演因子的方法,利用WorldView-2数据和多波束实测数据建立多模型,整合预测的各段水深获得海底地形。实验表明,本文方法能充分利用水体的光谱特性,与单一BP神经网络模型结果相比,MRE降低了6.4%,RMSE降低了1.2 m,是一种可行的多光谱水深反演的方法     

基于WOA-BP算法的海底管道腐蚀速率预测

管道腐蚀速率的影响因素众多且各因素协同作用,构成异常复杂的腐蚀体系,很难对其进行准确预测。针对单一BP模型由于初始权值和阈值的选取不当容易陷入局部最优等问题,引入WOA算法优化BP神经网络对海底管道腐蚀速率进行预测,并与GA和PSO算法优化BP预测模型进行对比,验证WOA-BP模型的预测效果和可行性。结果表明：WOA-BP模型的平均绝对百分误差和均方根误差分别为3.689%和0.1537,远低于单一BP、PSO-BP、GA-BP模型,具有较高的预测精度和稳定性,可以为海底管道内腐蚀防护和油气管道流动保障提供决策支持。     

����IPSO-BPģ�͵Ĵ�Ӷ�Դ�������Ԥ���뷴��

???????????????????IPSO??????????????????????м??????????????????????????????????????????????????????????????????????????????BP?????????γ?IPSO_BP??????????????????μ????????????????????????IPSO_BP???????????????Ч??????????????????????????????     

基于北京二号影像辅助nDSM的建筑物自动提取

针对建筑物提取方法缺乏泛化性的问题,本文提出了将nDSM、北京二号影像、NDVI、BAI的七通道图像相结合作为数据源的提取方法。采用随机森林、梯度提升机、支持向量机、BP神经网络分类器对建筑物进行提取获取最佳分类器模型,并运用二值化与开闭运算,以建筑物面积与最小外接矩形面积的比值为阈值,对建筑物分别进行最小外接矩形、DP算法拟合,优化建筑物提取结果。试验结果表明,梯度提升机(GBDT)较其他分类模型在不同场景下综合效果较好,F-score精度更高。