基于机器学习的降雨量雷达回波数据建模与预测

以浙江省2016年1-10月的雷达回波强度数据为基础,分别应用随机森林模型、BP神经网络模型、卷积神经网络模型来预测降雨量并进行对比.建模分析结果表明,随机森林模型预测效果精确度较低,容易低估较大的降雨强度,而BP神经网络和卷积神经网络预测的效果都比随机森林好,特别是卷积神经网络,其预测值与真实值更加接近,且对较大的降雨强度拟合较好.     

基于多尺度分割和径向基神经网络的极化SAR影像分类

针对目前常用的基于像素的深度神经网络极化SAR分类方法产生的椒盐现象,文中提出了一种联合自适应阈值多尺度分割方法和径向基神经网络的极化SAR地物分类方法。实验证明,该方法能够有效地保留SAR图像的结构特征并有效消除分类过程中产生的椒盐现象和破碎斑块,具有较高的分类精度。     

多隐层BP神经网络在模式预报中的简化应用

EC细网格预报效果好,基本满足业务需要,在工作中被广泛应用。为进一步提升预报准确性,做好迪士尼园区的气象服务保障,选取2016年7月至2017年6月1年的2 m温度预报场,24 h预报时效的时间分辨率为3 h,72 h预报时效的时间分辨率为24 h,分别用回归分析法、S型和简化Line型BP神经网络法进行模式释用,与迪士尼气象站观测数据对比。结果表明:阈值为1℃时,对模式结果释用后,均方根误差减少了0.5℃到1.0℃,3—9 h和21—72 h预报时效的准确率由原来的50%和30%分别上升到70%和50%。采用S型多隐层BP神经网络误差最小,不同预报时效释用稳定性最高,同时该释用方法对t_(min)的预报特征把握更精准,释用效果明显优于对t_(max)的预报释用,但迭代计算耗费时间大幅增多,与预报效果的提升不成正比。简化Line型的BP神经网络通过8个半月的数据量和简单的网络模式,捕获了EC预报的特征,不但减小了计算量,大幅缩短了计算时间,而且预报结果也有显著提升,预报稳定性较好,具有广泛的业务应用空间。     

基于广播星历和神经网络的GPS卫星坐标计算方法

通过在开普勒轨道模型中加入神经网络算法,得到一种全新的卫星坐标计算的混合模型:基于广播星历和神经网络混合模型,从而提高了利用广播星历计算卫星坐标的精度.计算结果表明:混合模型较传统的开普勒轨道模型在X、Y、Z3个方向上卫星坐标计算的精度提高了约10％.     

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.     

PCA-BP神经网络在SO2浓度预报中的应用

将基于主成分分析(PCA)的BP神经网络预报方法引入大气污染预报,建立SO2浓度预报模型.结果表明:应用主成分分析对数据进行前处理,以原始预报因子的主成分作为BP神经网络的输入,降低了数据维数,消除了样本间存在的相关性,大大加快了BP神经网络的收敛速度.对模型进行预报验证,预报值与实际值之间的绝对误差为0.0098,预报值与实际值的相关系数达到0.885,得到较好的预报效果.并且比一般的BP神经网络模型具有较高的拟合和预报精度.     

基于模糊物元的城市化生态预警模型及应用

根据模糊物元理论建立了城市化的生态预警模型,将警报级别分为无警、轻警、中警、重警和巨警5级,并从资源预警、生态预警和环境预警3个方面构建河西走廊城市化进程中的生态环境预警指标体系,设立了预警参照标准与预警界限、警灯、警度,对河西走廊进行了实证分析。结果发现,河西走廊及五大地市按照预警指数从大到小的顺序依次为：张掖市、武威市、金昌市、河西走廊、嘉峪关市和酒泉市。其中,河西走廊的生态用水比重、植被覆盖率、人均环境保护费用和万元产值工业SO2排放量的景气指数最高,处于重警状态;城市工业用地定额、城市居住用地定额、万元产值工业废水排放量和万元产值工业粉尘排放量的景气指数最低,均处于轻警状态;其它指标均处于中警状态。可见,相对于土地资源和环境污染因素而言,水资源和生态条件已经对河西走廊的城市化产生了较强的束缚作用。     

一种改进的SEVB整数模糊度搜索算法

针对浮点模糊度精度较差时SEVB算法存在搜索耗时较大的问题,提出一种改进的SEVB算法。该算法通过限制初始搜索空间大小和优化计算过程,能够有效减少模糊度搜索候选点个数和不必要的冗余计算,进而提高搜索效率。试验结果分析表明,当浮点模糊度解算精度较低时,改进算法的搜索效率比SEVB算法明显提高,且其搜索耗时不易受模糊度维数及精度的影响,具有更好的稳定性。     

济宁市耕地质量评价与保护对策研究

耕地资源作为一种非常重要的土地资源,对其质量的研究评价越来越受到人们的重视。该文综合选取了13个可能导致耕地质量发生变化的因素作为基础指标,运用基于AHP的模糊综合评价方法对山东省济宁市耕地资源的质量进行了综合评价。结果表明,济宁市耕地的质量等级为"一般",评价结果符合实际。针对评价结果,对可能导致耕地质量变化的驱动力因子进行了分析,并提出优化建议和措施。     

基于神经网络坐标差学习的GPS坐标转换

提出基于神经网络坐标差学习的GPS坐标转换新方法,基于该方法利用某区域的GPS控制网观测数据将GPS点的WGS-84坐标转换为1980西安坐标,利用二维约束平差得到的GPS网点1980西安坐标系坐标作为比较数据,与传统的七参数模型和四参数模型方法的转换坐标和二维约束平差坐标进行比较。结果表明,利用神经网络方法进行坐标转换完全可行,传统方法和神经网络方法转换的坐标精度基本相当,神经网络方法略优且精度较均匀。神经网络方法可以得到统计精度优于±0.025 m的平面控制结果,能满足工程应用的需要。