用BP神经网络预测土抗剪强度指标c、φ

提出了应用BP神经网络来预测土抗剪强度指标c、φ。结合工程实例,详细介绍了该方法的建模过程,结果表明预测结果和实测结果很接近,神经网络在土性参数方面应用前景很广阔。     

基于BP神经网络的三维激光测高数据拟合方法

针对三维激光测高拟合问题，本文采用BP神经网络进行拟合，该方法可以有效地消除或减弱数据中的系统误差影响，提高计算精度。实际算例证明，在数据无粗差情况下，BP神经网络的内符合与外符合精度优于传统的二次曲面拟合的精度。     

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。     

储层裂缝特征测井解释方法综述

为了更好地研究裂缝性砂砾岩储层和其它裂缝性储层裂缝的测井解释问题,综述了目前在裂缝性储层裂缝测井解释中主要采用的常规评价、人工神经网络和斯通利波３类方法在识别裂缝带和定量计算储层裂缝参数两个方面的应用原理和研究现状,并指出了今后的一些研究方向。     

江苏盐城滨海湿地净生态系统碳交换量模拟参数选择

滨海湿地净生态系统碳交换量受到多种环境因素的影响,在进行滨海湿地净碳交换量估算建模时,参数的选择至关重要,如何合理地选择输入参数不仅对于估算结果的精度有影响,同时也会影响预测模型的适用性。本研究使用了Pearson、Spearman、距离相关系数、最大互信息相关系数4种相关系数来计算各个环境因素与净碳交换量之间的相关性,基于相关系数来选择最佳的输入参数组合。利用实际测得的江苏盐城盐沼湿地数据,依次选择各个相关性中最高的8个参数组合,基于卷积神经网络对江苏盐城滨海湿地NEE进行建模,得到了4个预测模型,并使用均方根误差和平均绝对值误差来进行模型精度的验证。研究表明,使用基于最大互信息系数得到的参数组合进行滨海湿地NEE建模时模型的精度最好,误差最小;净光合有效辐射,净辐射,地表辐射与NEE在4个相关系数中都属于强相关,表明这一类辐射类参数对滨海湿地NEE的影响要大于其他参数;各参数与NEE之间的关系既包含线性关系也包含非线性关系,传统的单一线性分析手段无法完整准确地反应各个环境参数与NEE之间的响应关系;基于卷积神经网络的滨海湿地NEE预测模型在精度上要优于其它同类型模型,这表明使用该模型在进行NEE预测建模时具有很好的适用性。     

混合充填骨料胶结充填强度试验与最优配比决策研究EI北大核心CSCD

将全尾砂作为充填料进行充填法采矿,不仅可以降低采矿成本,而且还能够实现固体废弃物资源化利用,同时将固体废弃物充填地下保护环境,维护生态平衡。由于尾砂粒径较细,需要与棒磨砂、戈壁砂混合作为充填料应用于充填采矿,有必要开展混合充填骨料的配比优化研究。首先,分别测试了棒磨砂、戈壁砂和尾砂3种骨料的粒径级配和不均匀系数。然后进行了9组配比的胶结充填体强度试验,在该基础上对试验样本进行训练,建立了神经网络预测模型。最后采用该预测模型,进行混合充填骨料正交设计方案的充填体强度预测,并分别采用极差分析和回归分析,揭示了充填体强度与混合充填骨料特征值之间的关系。研究发现,混合骨料平均粒径和不均匀系数不同,充填体早期和后期强度存在显著差异;平均粒径较小的混合骨料早期强度较高,而平均粒径较大者则更利于提高充填体的后期强度。     

利用高光谱识别草地种类的研究——以锡林郭勒草原为例北大核心CSCD

以锡林郭勒草原典型的羊草、针茅、日阴菅、隐子草为研究对象,测量4种草地光谱,利用光谱微分法对原始光谱数据进行处理,在提取草地光谱7个特征参数的基础上,采用相关性分析和主成分分析方法精选红边斜率、绿峰位置、绿峰值和红谷位置4个参数。基于所选的4个光谱特征参数,采用多层感知神经网络模型对草地种类进行识别,精度达到80.3%,同时对比7个特征参数与4个特征参数对草地种类识别精度的影响,发现草地种类识别精度从69.0%提高到80.3%。本研究可为大面积草地物种资源的遥感调查和监测提供科学依据。     

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．