内蒙古赤峰市达里湖渔业产量的灰色预测与分析

由于病害和产卵条件恶化等原因,内蒙古赤峰市达里湖的鱼类资源出现了衰退,经调整产业政策,渔业产量在大幅度下降后又有所回升。本文使用内蒙古赤峰市达里湖2000—2009年的渔业产量数据,并应用灰色预测模型对其未来5 a的渔业产量进行了预测。结果表明,使用全程数据进行预测的渔业产量将持续下降,与最近几年的渔业产量趋势明显不符,这是由于在数据序列的中段发生的渔业产业政策调整造成了产量大幅度下降,其惯性对预测结果产生了决定性影响,而仅使用产业政策调整后的数据进行预测,则渔业产量呈上升趋势,并有望恢复到历史最高水平,说明渔业产业政策调整有利于渔业资源的保护和可持续利用。本文的结果同时表明,应用于灰色预测的数据的外部条件的突然变化(如本文中的渔业产业结构调整),会对预测结果产生很大影响,在选择数据序列时应予以关注。此外如何对数据外部条件的突然变化进行量化评估,并嵌入灰色预测模型,使灰色预测模型能够应对数据外部条件的突然变化,也是今后的1个研究课题。     

数据空间自相关性对关联规则的挖掘与实验分析

传统的空间关联规则挖掘,一般足使用属性关联规则的挖掘算法,对空间数据进行泛化处理,不考虑空间数据的空间自相关性,也没有考虑空间自相关与空间关联规则的关系.本文运用改进的Apriori算法对某一数据进行空间关联规则挖掘,并对同一数据进行空间自相关分析,比较两种方法反映的属性的相关性,探讨了数据的空间自相关性对空间关联规则...     

基于周期表的时空关联规则挖掘方法与实验

地理现象的周期性往往掩盖了许多地学规律,这也是地学数据挖掘的一个主要内容.本文以周期表设计了一种时空层次关联规则挖掘方法--PRules-Miner.模型利用周期表的表现形式对时空数据进行组织,并通过两步挖掘过程发现具有"遥相关"地理事物间的变化模式.模型算法分为3个步骤:(1)过滤周期表内无序数据:逐行地提取多周期内...     

海水环境质量模糊-灰色关联评价及应用

根据灰色理论,提出对原始数据的初值化采用以水质评价标准为约束的极值化方法,构建了基于线性隶属函数初值化方法的模糊-灰色关联模型,采用水化学和生产力双重指标及可变权重,对深圳湾海域海水环境质量进行了综合评价,并将评价结果与模糊综合评判的评价结果进行比较。评价结果表明,深圳湾海水环境质量属于Ⅳ类水质标准,超出了深圳湾水质管理Ⅲ类水质标准的目标,深圳湾海水已受到严重污染。污染的总体趋势是湾内大于湾口;深圳一侧大于香港一侧;河口、码头处污染最严重,表明陆源活动是深圳湾海水环境质量受损的主要原因。此评价结果不仅与模糊综合评判的评价结果一致,而且还能进一步对评价对象的优劣进行排序,评价结果直观可靠,适用于海洋水环境质量的综合评价。     

SAR卫星组网观测技术与海洋应用研究进展

SAR卫星的组网观测,较之于单卫星工作方式,不仅能够提高观测频率,还能挖掘SAR的多模式探测能力.本文介绍了SAR卫星组网的遥感观测技术发展现状,并总结了基于卫星组网的海洋动力环境监测和海上目标监测研究进展.在海洋动力环境遥感监测方面,多SAR卫星联合获得的同步数据能够互为补充,提高海洋动力环境信息的探测精度;在海上目...     

基于灰色理论的滑坡变形反演与预测研究

以紫阳县城滑坡为例,采用灰色理论的单序列一阶线性动态模型,在探讨滑坡变形规律的基础上,着重研究了滑坡变形的趋势预测及主要特征点变形的位移反演,为全面研究滑坡各阶段的变形规律提出了一种分析方法     

煤层含气量评价中灰色关联分析与相关分析法对比

煤层含气量及其影响因素是煤层气勘探开发中首先要研究的问题。通过对煤层含气量影响因素评价中灰色关联分析法与相关分析法的论述,并在分析各自优缺点的同时,对比讨论了两种方法在沁水盆地晋城矿区的应用情况。结果表明,在对各因素的评价结果和区分效果上,相关分析法优于灰色关联分析法。     

广东省矿床成矿系列与成矿谱系

运用成矿系列理论,结合矿床的成矿时代、成矿地质构造环境、主要成矿作用及形成的矿床组合,对广东省矿床成矿系列进行了研究,将全省矿床厘定为21个矿床成矿系列,37个矿床成矿亚系列.结合区域成矿旋回和各成矿系列的演化关系,建立了成矿谱系.研究表明,广东省矿床成矿系列在时空分布上具有明显的不均衡性,但随时间演化具有序性和旋回性.同时指出了研究工作存在的问题,并提出了深化研究的建议.     

城市大气环境质量的超标加权评价方法

根据大气环境中3种主要污染的监测数据,采用超标加权方法,利用灰色决策模型进行综合评价。参与评价的信息量大,为城市环境质量综合评价提供了一种新的方法。     

基于GRU神经网络与灰色模型集成的气温预报

使用传统单一模型预报气温经常出现漏报现象,最终导致预测结果不理想,精度较低。针对单一预报模型稳定性较低,随机性偏高,突发性较多的特点,在深度学习理论的基础上,提出一种采用门控循环单元(GRU)和灰色模型(GM)集成的方法,先分别训练两个模型,再通过权值ω将二者的预测结果进行加权组合,权值ω适当调整模型,改善模型的预报结果,提高模型的预报精度,并加快了运行速度,并且其普遍适用性和应急突发能力得到巨大改善。实验表明,将GRU神经网络加入灰色模型进行气温预报,效果要明显优于单一的模型,其标准差小了近一倍,从而表明实验方法的可行性和有效性。