基于循环神经网络的单站能见度短临预报试验

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15.75%、31.66%、41.26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12.90%、24.45%、 38.99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。     

MODELLING UNKNOWN STRUCTURAL SYSTEMS THROUGH THE USE OF NEURAL NETWORKS

This paper explores the potential of using neural networks to identify the internal forces of typical systems encountered in the field of earthquake engineering and structural dynamics. After formulating the identification task as a neural network learning procedure, the method is applied to a representative chain-like system under deterministic and stochastic excitations. The neural network based identification method provides very good results for general classes of multi-degree-of-freedom structural systems. The range of validity of the approach is demonstrated, and some application issues are discussed for (a) partially known multi-degree-of-freedom systems and (b) completely unknown systems.     

基于四叉树的LOD地形简化及几何变形纠正

论述了一种基于四叉树结构LOD地形快速简化及几何变形纠正方法。通过建立四叉树结构将地形划分为规则的多个小块,利用一个递归过程遍历四叉树结构。在判断过程中本文将地形粗糙度因素加入到节点评价系统当中,有效地实现了地形的简化。对漫游过程中出现的几何变形现象引入一个混合因子到节点评价系统中,较好地解决了几何变形问题。为了更真实地反映地物地貌,本文将具有较高分辨率的航空影像叠加到DEM地形模型上,取得了较好的效果。     

利用地震资料反演地层的碳酸盐含量

基于碳酸盐含量与地层速度、密度之间的关系, 在井资料约束下, 使用人工神经网络方法反演高分辨率地震资料所反映的地层碳酸盐含量, 并应用于南海北部陆坡ODP184航次1146和1148孔区, 取得较好效果.方法的关键是从井旁地震道中提取多种属性, 利用逐步回归法, 确定6种与碳酸盐含量相关性最好的地震属性, 分别是平均频率、道积分绝对振幅、主频、时间、道微分瞬时振幅和瞬时频率, 然后进行地层碳酸盐含量反演.反演结果相对于岩心分析的碳酸盐含量的误差大多在±5%之内, 较为精确地揭示了地震地层剖面上碳酸盐含量的分布.      

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.     

地震资料预测薄层厚度方法研究与应用

薄层厚度预测一直是公认的难题之一,其难度就在于如何准确地识别和提取薄层的地震属性.常规方法是利用时间域或频率域地震属性与薄层厚度的线性关系计算.但是理论与实际资料表明,不同的薄层和地层组合对地震波的动力学的信息影响很大,各种参数与薄层厚度成非线性关系,使用单一的信息不可能准确预测薄层厚度.本文利用三种线性预测原理（模型）,经数学变换为属性参数,采用非线性BP网络预测薄层厚度,取得了令人满意的效果.     

由粒子吸收光谱提取浮游植物吸收光谱的人工神经网络方法

基于现场实验数据集及人工神经网络技术,论文提出了一种从海中粒子吸收光谱提取浮游植物吸收光谱的方法。这个数据集包含了海中粒子吸收光谱和对应的浮游植物吸收光谱,并被分为三个子集:训练集、印证集和试验集。本研究所利用的人工神经网络系统为多层感知器,训练后的人工神经网络的性能由印证集和试验集来评价。实验结果表明,文中所提出的方法可成功地提取浮游植物的吸收光谱,其提取精度与传统的实验方法相当。     

基于模糊神经网络(FNN)的赤潮预警预测研究

为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP 算法的一个四层模糊神经网络模型。将模糊神经网络(FNN)技术引入赤潮预测研究,并与普通 BP 网络、RBF 网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能。     

超参数对GRU-CNN混合深度学习弹性阻抗反演影响研究

CNN-GRU混合深度学习反演弹性阻抗取得了较好的反演效果.但是,基于深度学习的叠前反演参数众多,包括内部深度学习网络可学习参数和外部超参数等,目前超参数选取对网络性能及计算速度影响尚缺乏系统性研究,这直接影响到了该方法的进一步推广应用.因此,本文在混合深度学习反演弹性阻抗基础上,探讨学习率、Ep-och、batch_...     

面向野外地质调查工作的道路提取方法研究

为弥补传统的依靠管理组织、法律、经济、教育等进行对野外地质工作安全管理工作的不足,通过百度SDK采集GPS步行轨迹数据,基于单向GPS轨迹数据的特点,进行轨迹的分割分段处理.最后利用BP神经网络算法拟合道路,通过反复实验确定BP网络的参数配置信息.并以中国地质大学西区为研究区域,提取路网信息,验证算法的有效性和实用性....