Kohonen网络与BP网络的集成应用研究

本文介绍了 Kohonen神经网络对输入数据进行聚类方法在卷烟配方中的应用 ,提出了从核心样本动态搜索 BP网络训练样本的新探索 ,摒弃了过去 BP算法中训练样本固定不变 ,互不相交的方法 ,实现了 BP网络和 Kohonen网络动态无缝集成。     

日照茶树种植区典型茶园的土壤肥力状况评价

通过野外采样和室内测定,以日照茶树种植区3个典型茶园为研究对象,每个茶园分别取鸠坑、黄山群体、福鼎大白各3个品种,最终取得9种茶样生长地的土样,研究分析土样的pH,有机质,全N,P,K,有效N,P,K等指标的土壤养分含量状况,并以此为评价指标,运用模糊综合评判法,对3个茶园的土壤肥力质量进行了综合评价。结果表明,茶园肥力综合水平为北垛春>碧波山庄>北叶青;茶园土壤总体上,pH值较适中,有机质含量很缺乏,全N含量偏低,全P含量中等,全K含量较高,有效N含量很缺乏,有效P含量非常丰富,有效K含量中等,并据此提出了关于该地区3个典型茶园今后合理施肥的一些建议。     

Assessing seawater quality with a variable fuzzy recognition model

With the rapid development of the marine economy industry, human exploitation of marine resources is increasing, which is contributing to the growing trend of eutrophication and frequent occurrence of red tide. Accordingly, investigations of seawater quality have attracted a great deal of attention. This study was conducted to construct a seawater environmental quality assessment model based on the variable fuzzy recognition model. The uncertainty and ambiguity of the seawater quality assessment were then considered, combining the monitoring values of evaluation indicators with the standard values of seawater quality. Laizhou Bay was subsequently selected for a case study. In this study, the correct variable model for different parameters was obtained according to the linear and nonlinear features of evaluation objects. Application of the variable fuzzy recognition model for Laizhou Bay, water quality evaluation and comparison with performance obtained using other approaches revealed that the generated model is more reliable than traditional methods, can more reasonably determine the water quality of various samples, and is more suitable for evaluation of a multi-index, multi-level, nonlinear marine environment system; accordingly, the generated model will be an effective tool for seawater quality evaluation.     

基于三角模糊数随机模拟的地下水环境系统综合风险评价模型

采用随机模拟方法模拟三角模糊数,把三角模糊数及函数间运算简化为普通的实数之间运算,建立基于三角模糊数随机模拟的地下水环境系统综合风险评价模型(ARA-SSTFN)。结果说明:以置信区间形式表示的ARA-SSTFN评价结果,比现有常规方法结果提供评价结果可靠性方面更多信息,能反映受多种不确定性因素综合影响的地下水环境系统综合风险评价客观实际情况;ARA-SSTFN在流域水资源、水环境和水旱灾害等有随机性、模糊性和数据资料不精确等多种不确定性因素综合作用的各种资源环境系统综合风险评价问题中有推广应用价值。     

基于深度学习的滑坡灾害易发性分析

滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型（Convolutional Neural Networks, CNN）的滑坡易发性分析处理框架：基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明：所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%~8.78%。     

澜沧江中下游斜坡稳定性评价预测的理论与方法探讨

本文以澜沧江下游流域边坡稳定性评价为实例，对模糊评判模型的应用问题和处理技术进行了论述。认为该模型简便实用、效果稳健、适应性强，是边坡稳定性评价工作中适宜推广的一个实用模型。此外，文中还提出了用于模糊评判模型的信息检验法，讨论了这一方法在遴选有效评价因子和优化模型效能中的作用。     

基于模糊评价理论的海洋工程采办过程风险分析方法研究

在具体研究了现代项目风险分析和风险管理常用方法基础上,将其中的事故树法、智爆法及风险指数致命度分析法相结合,利用模糊评价理论,建立了海洋工程采办过程风险分析方法。应用该方法对“曹妃甸11-1／2(CFD11-1／2)”项目的采办过程进行风险分析,得到了采办过程中的风险事故树及风险指数排序,并对风险指数较大的风险点提出建议及改进措施,进行风险规避,对工程实践起到了很好的指导作用。     

基于GA-BP神经网络的路基沉降预测

如何科学、合理地预测路基沉降是高速公路建设的关键,针对传统的BP神经网络算法易陷入局部极小值,影响预测精度的问题,本研究利用遗传算法(genetic algorithm,GA)的全局寻优能力对BP神经网络进行优化,构建了基于GA-BP神经网络的路基沉降预测模型。以高速公路路基沉降监测进行实验验证分析,结果表明：相较于传统BP神经网络模型,GA-BP神经网络模型的预测精度有了显著的提高,可为高速公路的建设及后续工程的沉降预测提供参考。     

从受训神经-模糊模型中提取知识

本文对用于模式分类、函数逼近、参数估计的多层感知器 (MLPs)给出 1个清晰的关于内部行为的解释。作者以单隐层的 MLP为例 ,论述了关于 MLP的内部行为的半线性分析理论。对受训的MLP,将隐层单元的输出分别定义为网络输出的正、负“内部分量”;定义内部分量的连接权重集为给定问题的“内部判别模式”;建立了 MLP和模糊集相结合的新模型 ;分析了 MLP的结构为 N- 2 - 1和N- H- 1 ,给出权重初始化的方法 ;提出了 1种从受训神经 -模糊模型 (NFMs)中提取知识的全新的具有实用价值的方法。     

基于双隐层ANN模型的叶绿素a浓度智能预报方法

利用2019年5月WZ02生态浮标监测数据,建立了两种不同隐层人工神经网络(ANN)模型的叶绿素a(Chl-a)智能预报方法,并对单隐层和双隐层模型的预测结果做了对比.结果表明:双隐层结构预测结果精度更高,泛化能力更强,一定程度上说明了深层学习比浅层学习对信息的主要特征提取能力更有优势.同时,对数据样本集合进行了系统预...