利用场模型拓扑表达GIS中的地理目标

该文阐述为了实现在GIS中描述自然界里带有模糊不确定性的地理目标，扩充GIS的模糊查询功能，首先基于集合论思想探讨了确定性地理目标的代数解析表达与其拓扑表达，指出了确定性点、线、面之间拓扑表达的构成机理；然后，基于场模型建立了模糊地理目标的空间表达，分析了模糊地理目标的位置不确定性，进而建立了模糊地理目标的拓扑表达模型，即点集拓扑内部、边界和外部。分析表明，公认的Egenhofer模型是该文模型在地理目标不带有误差或不确定性情况下的特例。最后，与Clementini(1996)提出的模型做了比较分析，表明了该文模型的合理性。     

模糊区域拓扑关系模型

拓扑关系是地理信息系统中空间要素之间最基本也是最重要的关系之一，是进行绝大多数空间查询和分析的基础。非模糊空间要素之间的拓扑关系在一般拓扑学等理论的基础上已有相关的模型和描述，并在实践中得到广泛的应用，如何建立模糊空间要素这间的拓扑关系是建立模糊要素地理信息系统的基础。该文在模糊扑扑学的基础上提出了模糊区域的定义，建立了用于分析模糊区域之间拓扑关系的理论和模型，提出了4*4-intersection模型拓扑关系矩阵，并分析了不同拓扑关系矩阵对于非模糊区域之间、模糊区域之间建立拓扑关系的区别和联系，最后采和不同公式对模糊区域之间的关系进行了系统的描述。     

地铁基坑支护方案的模糊评价

根据地匠深基坑支护工程的特点，建立支护方案的指标体系，运用层次分析法确定了指标的权重，采用模糊数学的方法，构造了单极模糊评价模型，将指标因素的不确定性进行定量化。实例分析表明，模糊综合评价进行深基坑支护方案优选的方法是可行的、有效的。     

基坑支护结构水平变形预测的遗传神经网络方法

采用遗传算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,先用遗传学习算法进行全局训练,再用BP算法进行精确训练。就遗传算法过程中的选择、变异进行了探索,提出了用BP网络训练产生变异的遗传算法。作为实例,将该方法应用于预测基坑支护结构水平变形中。结果表明,该方法有收敛速度较快、预测精度高等优点。     

模糊综合评判法在场地适宜性评价中的应用

以一个城市规划勘查的实际案例，讨论利用模糊综合评判法，选取地貌、地质等多种因子，采用专家-层次分析法确定各因子的权系数，结合GIS技术，在城市规划勘察区进行场地适宜性评价，通过计算机自动生成规划区的场地适宜性分区图。分区结果可更好地反映实际的场地使用分类要求，并可有效提高场地适宜性分区的自动化程度。     

软土大变形固结计算中参数识别的遗传算法

含水量很高的饱和软土在外荷载作用下沉降很大,小变形分析误差太大,必须通过大变形非线性固结计算来模拟。遗传算法是一种全局优化和搜索的仿生算法。近年来随着工程领域中复杂的大规模非线性系统的出现,遗传算法日益得到青睐,目前已经广泛应用到各个领域中。本文对遗传算法做了改进,主要体现在杂交算子的选取和轮盘赌模型的模拟退火拉伸,并将其用于饱和软土的大变形固结分析,解决其中的关键参数识别问题。研究表明该方法是行之有效的,值得进一步研究探索。     

油气化探综合异常模糊划分动态聚类分级评价

通过选取描述油气化探综合异常的各种特征参量，借助模糊数学工具，利用最优聚类中心所具有的代表特征，建立分级指标，对油气化探综合进行分级评价。鄂尔多斯盆地油气化探综合异常的评价实例结果表明，利用油气化探综合异常各种特征参量进行动态聚类分级评价是可行的。     

GIS成矿预测的数据驱动与知识驱动分析

在基于GIS的成矿预测方法——证据加权法、神经网络法和模糊逻辑法中，含有数据驱动和知识驱动两种过程。数据驱动和知识驱动各有优点和缺点，不应片面对待。模糊逻辑法既适用于勘探程度低的地区，也适用于勘探程度高的地区，可用于两种目标的成矿预测。     

The inversion of anelastic coefficient,source parameters and site respond using genetic algorithm

It gradually becomes a common work using large seismic wave data to obtain source parameters, such as seismic moment, break radius, stress drop, with completingof digital seismic network in China (Hough, et al, 1999; Bindi, et al, 2001). These parameters are useful on earthquake prediction and seismic hazard analysis.Although the computation methods of source parameters are simple in principle and the many research works have been done, it is not easy to obtain the parameters accurately. There are two factors affecting the stability of computation results. The first one is the effect of spread path and site respond on signal. According to the research results, there are different geometrical spreading coefficients on different epicenter distance. The better method is to introduce trilinear geometrical spreading model (Atkinson, Mereu, 1992; Atkinson, Boore, 1995; WONG, et al, 2002). In addition, traditional site respond is estimated by comparing with rock station, such as linear inversion method (Andrews, 1982), but the comparative estimation will introduce some errors when selecting different stations. Some recent research results show that site respond is not flat for rock station (Moya, et al, 2000; ZHANG,. et al, 2001; JIN, et al, 2000; Dutta, et al, 2001). The second factor is to obtain low-frequency level and corner frequency fromdisplacement spectrum. Because the source spectrum model is nonlinear function,these values are obtained by eye. The subjectivity is strong. The small change of corner frequency will affect significantly the result of stress drop.     

遗传算法与单纯形法组合的影像纹理分类方法

提出遗传算法(简称GA)与单纯形法组合的影像纹理分类方法(简称GASPX)。单纯形法是一种局部搜索方法，它通过反射，扩张，收缩操作，求得新的单纯形点，组成新单纯形，新单纯形比前一个单纯形更接近局部最优解。这种寻优方法收敛速度快，它与GA组合起来可以改善单独使用GA收敛速度慢的缺陷。由于在组合算法中是多个单纯形的局部区域的并行搜索，避免GA优化过程中过早收敛于局部最优解的现象出现。通过5种不同类别航空影像纹理识别的试验，并与GA的结果作对比，结果表明GASPX法优于GA法。