Ecosystem health assessment of Honghu Lake Wetland of China using artificial neural network approach

Honghu Lake, located in the southeast of Hubei Province, China, has suffered a severe disturbance during the past few decades. To restore the ecosystem, the Honghu Lake Wetland Protection and Restoration Demonstration Project (HLWPRDP) has been implemented since 2004. A back propagation (BP) artificial neural network (ANN) approach was applied to evaluatinig the ecosystem health of the Honghu Lake wetland. And the effectiveness of the HLWPRDP was also assessed by comparing the ecosystem health before and after the project. Particularly, 12 ecosystem health indices were used as evaluation parameters to establish a set of three-layer BP ANNs. The output is one layer of ecosystem health index. After training and testing the BP ANNs, an optimal model of BP ANNs was selected to assess the ecosystem health of the Honghu Lake wetland. The result indicates that four stages can be identified based on the change of the ecosystem health from 1990 to 2008 and the ecosystem health index ranges from morbidity before the implementation of HLWPRDP (in 2002) to middle health after the implementation of the HLWPRDP (in 2005). It demonstrates that the HLWPRDP is effective and the BP ANN could be used as a tool for the assessment of ecosystem health.     

基于改进BP神经网络的海底底质分类

通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。     

基于贝叶斯正则化BP神经网络的DEM趋势面逼近

趋势面从宏观上揭示了研究对象的特性,在各领域发挥着重要作用。BP神经网络可以对复杂系统进行无限逼近,进而进行预测。建立了基于贝叶斯正则化BP神经网络的数字高程模型趋势面,与二次多项式建立的数字高程模型趋势面进行比较分析,证明了该方法的可行性和有效性。     

几种对流层延迟改正模型的分析与比较

在高精度GPS变形监测数据处理中,GPS信号在对流层传播中的延迟是影响其精度的主要误差源之一,需设法对其进行改正。最常用的方法是使用模型改正,利用Visual C++语言,实现三种对流层改正模型,即:Simplified Hopfield模型,Saastamoinen模型,Modified Hopfield模型。通过实例对它们的改正效果进行定量分析与比较,得出一些有益的结论。     

GA-BP网络模型在GPS似大地水准面精化中的应用

针对误差反向传播（BP）算法训练速度慢和易于陷入局部最小值的缺点,提出了利用遗传算法（GA）的全局寻优性,结合GA和BP的各自优点,分析和建立了进化神经网络（GA-BP）模型,并将该模型应用于似大地水准面模型精化。最后以南方某市E级GPS控制网高程数据为例,进行BP和GA-BP模型的对比实验,通过对内、外符合精度及MAPE（平均绝对误差百分比）指标分析,验证了该方法的可行性。     

基于云理论、粗集和模糊神经网络的区域橡胶种植适宜度评估模型

针对橡胶种植适宜性评估,基于云理论、粗集理论和模糊神经网络理论,提出了一种适宜度评估模型。该模型将转化的样本数据进行粗集简约,通过模糊神经网络得出评价因子的隶属函数,计算评价等级。研究结果表明,此模型能够科学、快速、准确地分析出橡胶种植最适宜区、适宜区、次适宜区和不适宜区。     

高精度高性价比的GPS定向仪的设计

介绍了一种高精度、高性价比的GPS定位定向仪的设计及实现（〈1mil,2σ）方法,系统利用了实际应用中的有利约束条件,对基于LAMBDA方法的载波相位整周模糊度解算算法进行了改进,经过系统工程设计,在实际应用中实现了单频、高精度、快速定向数据的输出。可以满足绝大多数环境下的使用需求,大大降低了系统成本。     

顾及多个因素的城市建成区用地规模预测研究——以郑州市为例

目前,城市建成区用地规模受社会、经济、城市环境和政策等多因素影响,传统统计方法已经难以准确预测城市用地规模,从多因素的角度研究城市用地是合理的。BP神经网络法和多元回归分析法都是顾及多个因素的统计方法。以郑州市1984—2005年相关统计数据为样本数据,用BP神经网络法、多元回归分析法、灰色系统GM(1,1)法和Logistic法建立预测模型,对2006年和2007年建成区规模进行模拟预测。预测结果表明,顾及多个因素的预测方法预测精度较高,其中BP神经网络法优于多元回归分析法。     

凸包插值算法的改进与实现

研究了凸包插值算法在n维欧拉空间构造Delaunay三角网的应用,提出了其三角剖分不惟一的重大缺陷,采用了限制区域生长法解决了这一缺陷。     

跨海大桥高程基准统一新方法研究

提出基于高程异常差的GPS跨海水准新方法,给出新方法的基本原理和数据处理方案,对用垂线偏差、神经网络法、支持向量机求解高程异常差方法的精度和实用范围作计算分析.结果表明:基于垂线偏差的高程异常差拟合方法适用于距离约5 km的高程传递.基于支持向量机的高程异常差拟合方法,在平原地区,当GPS和水准重合点的点数较多、点位分布较合理时,跨距可以达到30 km.而基于神经网络进行高程异常差拟合适用于距离约10 km的高程传递.