一种新的温度传感器湿度补偿方法

针对温度传感器测量中易受湿度影响的问题,通过对思维进化算法（Mind Evolutionary Algorithm,MEA）中的趋同操作、异化操作及收敛条件进行研究改进,对趋同操作中的散布权值进行自适应调整,在异化操作中引入差分进化算法的变异操作,并考虑收敛条件中搜索平面平缓的情况,提出了基于改进思维进化算法的BP神经网络湿度补偿方法.由湿度影响检定实验得到的样本数据,利用此补偿方法建立湿度补偿模型,将补偿结果与未经优化的BP神经网络模型的结果进行比较研究.结果表明,基于改进思维进化算法的BP神经网络模型补偿精度较高,收敛速度快,计算量小,可有效提高温度传感器的测量精度和可靠性,便于实际应用.     

我国中东部平原地区临界气温条件下降水相态判别分析

基于2001—2013年地面观测和探空资料,对地面气温位于0～2℃(以下称临界气温)我国降雪的时空分布及其与降雨的垂直热力特征进行了研究,引入了决策树判别方法对上述条件下雪和雨进行了判别分析,结果表明:临界气温下降雪出现频率总体高于降雨、雨夹雪出现频率,且在我国华北南部至江南北部的中东部地区分布较多,年均可达7.69～15.38站次;临界气温下,降水相态为雨或雪对应的平均温度廓线最大差异位于650 hPa附近,且地面气温较低时,平均温度差异更明显,平均湿度廓线差异则主要位于低层,且在地面气温较高时,平均湿度差异更明显;临界气温下,降水相态为雨时,地面上空存在暖层样本占比,较降水相态为雪时更高,且降雨时暖层主要位于中层,降雪时暖层则主要位于低层,降雨时其暖层强度显著大于降雪时暖层强度;在临界气温下雨雪判别分析中,地面气温能显著提升判别准确率,湿球温度能在一定程度上提升判别准确率,基于云顶温度、中层融化参数、低层湿球温度构建的决策树判别模型,判别准确率达到91.86%,能较好地解决临界气温下雨和雪的判别问题。     

利用树轮重建小兴安岭五营1796年以来的温度变化

 对黑龙江省小兴安岭五营丰林国家自然保护区建立的红松 (Pinus koraiensis) 树轮宽度年表与五营气象站的气候要素响应分析表明,树轮年表与生长季上一年10月份的平均温度显著相关,由此重建了1796-2004年五营10月份平均温度。此外,4月下旬的温度变化对五营红松树木的径向生长也具有一定的影响。1796-2004年,五营共经历了4个偏冷和4个偏暖期。周期分析表明,重建序列以3.33 a的周期最为显著,对重建序列30 a尺度的突变检验结果表明,1871年和1900年前后,五营地区10月份平均温度出现了显著的均值突变,1851年前后出现了明显的方差突变。     

基于BP神经网络的溶洞规模预测及应用

复杂岩溶地区的溶洞发育规模受地质构造、地区岩性、地下水动力系统等多种因素的影响,具有高度复杂性和非线性的特征。通过对岩溶区溶洞的赋存规律研究,确定影响溶洞发育规模的控制因素进行定量处理,收集已探明溶洞的样本数据。为克服已有研究对溶洞发育规模定性描述的模糊性,文章利用BP（Back Propagation）神经网络对自组织、自适应特性对数据样本的非线性关系揭示的能力,实现对溶洞发育规模的预测,并基于MATLAB实现BP神经网络结构的设计、训练、预测,其结果表明:BP神经网络模型对溶洞规模预测的精度高、收敛性能好。      

基于决策树特征提取的支持向量机在岩性分类中的应用

由于支持向量机属于黑箱模型,因此在进行模型学习时无法直接对特征进行选择,而决策树模型在递归创建的过程中自身具有一定的特征选择能力。针对岩性分类问题,本文将决策树和支持向量机结合,通过决策树的建立,在考虑特征重要性的前提下,利用树节点的高度对特征进行提取,并将具有更高分类能力的特征送入支持向量机进行岩性分类。结果表明:通过决策树的特征提取,减少了支持向量机模型的输入特征,从而有效控制了模型的复杂度,使得模型更加稳定并具有更高的分类精度,测试集精度能够提升10%以上。     

基于主成分神经网络的台风灾害经济损失评估

本研究建立了浙江省台风灾害直接经济损失评估模型。把浙江省台风灾害直接经济损失资料换算成直接经济损失指数,运用主成分分析法对表示致灾因子、孕灾环境与承灾体的评估因子进行数据处理,提取主成分作为BP神经网络模型的输入,从而建立评估模型。模型历史拟合结果和实际一致。在2007年和2008年影响浙江省的5个台风的实际评估中,强台风"Vipa"灾后评估值比实际值偏大2.16,其余4个台风灾后评估值比实况偏大0.2~0.7,反映了人们对影响大的台风防灾减灾工作的重视和防灾减灾效果。根据台风开始影响时过程风雨预报值进行预评估,过程风雨预报值较准确的台风,预评估结果和灾后评估值一致;过程风雨预报值误差较大的台风,预评估效果较差。因此,该模型可用于实际台风灾害直接经济损失评估,提高台风影响前风雨预报准确率是提高预评估准确率的关键。     

基于神经网络的区域生态环境分类方法研究

如何利用智能化信息提取技术,进行区域生态环境自动分类,一直是一种前沿性研究。该文在分析研究区自然景观特征的基础上,总结了影响区域生态环境的建模要素,基于神经网络技术,并根据生态环境的遥感探测机理,利用TM卫星遥感数据中的可见光、热红外、植被指数(NDVI)以及DEM数据,建立了基于BP神经网络的区域生态环境信息自动提取模型,形成了一种新的生态环境分类方法,其分类结果与实际情况完全一致。     

基于遥感影像的城市森林分类提取及生态价值估算研究

以北京通州新城区城市森林为研究对象,提出一种基于信息论的决策树分类方法,以提取Aster遥感影像中城市森林平面量,改善传统分类方法仅利用影像光谱特征信息的不足,高分辨率影像和地面调查数据验证显示其分类精度达84.6%.结合分类影像图,引入城市森林生态价值评估模型(CITYgreen模型)估算出通州新城区森林的生态价值约为598.87万美元.研究表明,该方法适合大面积区域的城市森林分类提取及其生态价值估算.     

基于镁铁-超镁铁岩中单斜辉石主量元素含量的决策树集成算法对比

依靠岩浆构造环境的地球化学成分认识岩浆形成过程是岩石地球化学中的重要应用。当前利用岩石地球化学成分判别构造环境的工作还不够深入。用4种基于决策树的机器学习方法对来自全球新生代洋岛玄武岩(OIB)、岛弧玄武岩(IAB)及大洋中脊玄武岩(MORB)等镁铁-超镁铁岩中单斜辉石的13种主量元素构成数据集进行了岩浆构造环境判别和主要特征排序。通过对比4种基于决策树的机器学习方法,验证了树类算法对于地球化学成分识别问题的有效性,并总结出4种方法在处理岩浆构造环境判别问题时的优劣:决策树算法判别过程更易于理解,但是其准确率欠佳;boosting算法中的AdaBoost和GBDT对于岩浆构造环境的鉴别准确度较高,但构造过程复杂;bagging集成算法随机森林在权衡性能和模型可理解性时不失为一个良好的选择。此外,还通过4种算法的特征重要性排序得出Cr_2O_3,TFeO,TiO_2,FeO和Al_2O_3是进行岩浆构造环境判别的重要成分。     

红板岩材料隐式本构模型的建立及其应用研究

针对红板岩材料在岩土工程中所表现的大量模糊的和不确定的因素等特点,基于人工神经网络的学习能力,借助于室内岩石力学试验,进行了对该材料的力学本构特性进行了神经网络模拟研究,提出了隐式本构模型的思想和方法,并通过该方法对该岩石的流变试验结果进行学习,获得了以网络权值结构保存的力学特性知识,由此得到了表征红板岩应力应变本构关系的隐式本构模型。应用结果表明,该方法对岩土类材料本构关系的模拟研究具有很好的应用前景。