基于神经网络的选址区位评价模型分析应用

针对设施选址区位评价问题,分析了分级评分、回归分析等传统方法的特点和不足,并由此提出基于人工神经网络的选址区位评价模型;系统地分析了利用神经网络模型进行选址区位评价的思路和特点,提出基于遗传算法的网络结构和网络学习优化算法;通过某大型银行网点的选址实例分析,验证了该评价模型的可行性和实用性,同时也总结了其在实际应用中的若干规律。     

Underground water quality model inversion of genetic algorithm

The underground water qualitymodel with non-linear inversion problem is illposed, and boils down to solving the minimum of nonlinear function. Genetic algorithms are adopted in a number of individuals of groups by iterative search to find the optimal solution of the problem, the encoding strings as its operational objective, and achieving the iterative calculations by the genetic operators. It is an effective method of inverse problems of groundwater, with incomparable advantages and practical significances.     

空间同位模式支持下城市服务业关联发现及特征分析

空间同位模式分析是数据挖掘中一种常见的方法,可有效挖掘城市设施在空间位置上的关联特征,进而发现城市设施的分布规律.本文基于POI数据同位模式挖掘用来获取城市服务业空间关联结构:首先,通过邻近实例获取、同位候选模式存储与筛选,得到城市服务业二阶同位模式;然后,据此构造产业空间关联图,得到产业间的关联结构;最后,分别构造了...     

基于改进PSO-SVM的噪声稳健建筑物变形监测方法

对高层、超高层建筑物进行实时,高精度的变形监测对提前预防安全隐患,保证人民生命财产安全具有重要意义.建筑物变形作为一种典型的随机性和微弱性过程,噪声等误差的存在会影响从中提取有用的变形信息.针对该问题,提出一种改进粒子群(ParticleSwarmOptimization,PSO)算法优化支持向量机(SupportVe...     

强跟踪抗差自适应滤波算法及其在无人机导航定位中的应用

针对Sage-Husa自适应滤波算法在无人机导航定位应用中存在滤波发散和定位精度低的问题,本文提出一种强跟踪抗差自适应滤波算法.该算法在Sage-Husa自适应滤波算法基础上,引入强跟踪技术,通过自适应渐消因子降低历史数据对当前滤波的影响,从而抑制滤波发散,增强算法的稳健性;结合量测噪声和系统噪声进行实时估计,并且在估...     

应用改进并行遗传算法反求水文地质参数研究

利用单纯形法局部搜索速度快和遗传算法全局寻优的特点,同时为了克服两种方法各自的弊病,提出采用混合单纯形技术的并行遗传算法(Hybrid Simplex Parallel Genetic Algorithm,SPGA)进行水文地质逆问题的求解。详细阐述了SPGA算法的具体操作和实现,并将该方法应用于水源地的地下水模拟反演中。计算结果表明,SPGA算法在水文地质参数寻优计算中具有比较好的可靠性和计算效率。     

基于ROSE2.0的普洱地区CINRAD/CC雷达冰雹探测算法评估及参数本地化

为提高冰雹探测算法（Hail Detection Algorithm,HDA）产品的可用性,针对2015—2020年普洱地区监测到的22次冰雹个例,利用新一代雷达业务应用软件ROSE2.0对相关雷达基数据进行回放及产品分析,以命中率、虚警率、临界成功指数为指标对HDA算法在普洱地区的识别效果进行评估并给出本地化参数配置方案。结果表明:HDA算法在普洱地区命中率接近100%,但虚警现象非常普遍,使用强冰雹概率（Probability of Severe Hail,POSH）的预警效果优于任意大小冰雹概率（Probability of Hail,POH）,且冰雹尺寸越大POSH虚警的概率越低。进一步使用模拟测评法对POSH算法的适配参数进行分析,发现正确输入降雹日当天的0 ℃层和-20 ℃层高度能有效减少POSH的虚警率及提高临界成功指数;同时使算法预测的最大冰雹直径普遍偏大的情况得到控制,其中,中小冰雹直径偏离百分比减小76.07%,改善效果显著高于大冰雹。此外,增大反射率因子及POSH阈值能有效控制虚警,但也导致漏报次数快速增加,当阈值太大时命中率明显降低,为了保证较高的命中率和临界成功指数,选择Z=50 dBz或POSH=70%为阈值能明显改善HDA算法的识别效果。     

实数编码遗传算法在大地电磁测深二维反演中的应用

作为全局非线性优化的新方法之一的遗传算法,近年来已从生物工程流行到大地电磁测深资料解释中.然而,大地电磁反演问题具有不适定性,解的非唯一性.通过结合求解不适定问题的Tikhonov正则化方法,本文采用实数编码遗传算法求解大地电磁二维反演问题.此算法在构建目标函数时引入正则化的思想,利用遗传算法求解最优化问题.常规的基于局部线性化的最优化反演方法易使解陷入局部极小值,而且严重的依赖初始模型的选择.与传统线性化的迭代反演方法相比,实数编码遗传算法能够克服传统方法的不足且能获得更好的反演结果.通过对大地电磁测深理论模型进行计算,结果表明:该算法具有收敛速度快、解的精度高和避免出现早熟等优点,可用于大地电磁资料解释.     

A high precision comprehensive evaluation method for flood disaster loss based on improved genetic programming

Precise comprehensive evaluation of flood disaster loss is significant for the prevention and mitigation of flood disasters. Here, one of the difficulties involved is how to establish a model capable of describing the complex relation between the input and output data of the system of flood disaster loss. Genetic programming （GP） solves problems by using ideas from genetic algorithm and generates computer programs automatically. In this study a new method named the evaluation of the grade of flood disaster loss （EGFD） on the basis of improved genetic programming （IGP） is presented （IGP-EGFD）. The flood disaster area and the direct economic loss are taken as the evaluation indexes of flood disaster loss. Obviously that the larger the evaluation index value, the larger the corresponding value of the grade of flood disaster loss is. Consequently the IGP code is designed to make the value of the grade of flood disaster be an increasing function of the index value. The result of the application of the IGP-EGFD model to Henan Province shows that a good function expression can be obtained within a bigger searched function space; and the model is of high precision and considerable practical significance. Thus, IGP-EGFD can be widely used in automatic modeling and other evaluation systems.     

基于MST聚类的空间数据离群挖掘算法

空间离群是指空间邻域中属性特征值明显不同于其他对象的空间对象,空间数据离群挖掘能为人们提供很多有趣的信息,但空间数据具有复杂的拓扑关系、方位关系和度量关系等空间特征,传统的面向事务型数据库的离群挖掘算法并不适用于空间数据库。本文提出了基于MST(Minimum Spanning Tree,最小生成树)聚类的空间数据离群挖掘算法(SOM);有机结合了最小生成树理论与密度的方法,既体现了空间离群的局部特性,又体现了空间离群的孤立程度。该算法通过MST维护空间数据的基本空间结构特征,通过打断MST中最不一致的边形成MST聚类,不仅具有密度的聚类方法能够聚集非球状簇和分布不均的数据集的特点,而且聚类结果不依赖于用户参数的选择,因此,离群挖掘结果更合理。最后,通过实例数据,验证了该算法的有效性,它适用于大规模空间数据集的离群挖掘。