螺髻山北麓地下水化学特征与水质评价

为研究川西大凉山区螺髻山北麓地下水化学特征、演化机制以及评价地下水质现状,笔者系统采集研究区不同地段的15组地下水样品为研究对象。利用Gibbs图解法、离子比例系数法和基于RMSprop算法的BP神经网络评价法,探讨该地区地下水化学特征演化机制,评价地下水质现状,支持服务帮助当地合理开发和安全利用水资源。结果表明研究区水化学类型以Mg2+·Ca2+−HCO3–为主,其水化学离子的形成主要以岩土风化溶滤作用为主,由硅酸盐矿物与碳酸盐矿物共同控制,硅酸盐矿物控制更显著。结合地质背景,认为硅酸盐矿物主要来自火山碎屑岩类、花岗岩类、砂岩类和泥质岩类等岩石。利用BP神经网络对5000组地下水样本学习训练,对研究区样本进行评价,模型训练图像表明BP神经网络能很好拟合地下水样本训练集并且对测试集进行客观准确的判断。研究区地下水评价结果显示：Ⅰ类水质点占13.3%,Ⅱ类水质点占40%,Ⅲ类水质点占46.6%,整体水质较好,建议Ⅲ类水质地区普格县特尔果乡甲甲沟村、普格县特补乡白庙子需要加强地下水污染源调查以及水质保护。     

利用全极化SAR数据的极化特征获取海冰密集度的算法

本文提出了一种利用全极化SAR数据的极化特征获取海冰密集度算法。首先,对全极化SAR数据进行多视化及滤波等预处理,以获取相干矩阵与协方差矩阵;其次,通过相干矩阵与协方差矩阵获取若干极化特征,对这些极化特征进行相关性与冗余性分析,构建最优特征空间;然后,将最优特征空间作为输入量放入神经网络分类器中,得到海冰分类结果;最后,根据海冰分类结果提取海冰密集度。选用拉布拉多南部海域2景全极化Radarsat-2影像获取海冰密集度,与业务化海冰密集度产品ASI-3125进行对比研究。本文算法结果与ASI-3125海冰密集度分布趋势基本一致,总体上略大于ASI-3125海冰密集度,标准差值分布为3.46%和6.82%,说明利用高分辨率全极化SAR数据在监测边缘区域小尺寸破碎海冰方面具有优势。     

一种边缘辅助的卫星影像云修复卷积神经网络

遥感影像的云修复是改善影像质量、降低数据成本的一种重要手段。使用Landsat 8影像研究卷积神经网络在云修复中的应用,提出一种影像信息重建的新式网络结构——边缘辅助的门控卷积网络（edge-guided gated convolutional network,EGCN）。该网络以多时相数据作为含云影像上被遮挡信息的辅助数据,主干网络为多时空门控卷积网络（spatial-temporal based gated convolutional network,STGCN）,在多尺度特征融合模块引入一种改进的非局部（non-local,NL）模块——门控非局部（gated non-local,GNL）来替代传统的卷积层,并以边缘特征提取网络（edge network,ENet）为分支,从边缘信息层面进行特征引导。实验结果表明,GNL模块和ENet的加入均有助于提升云修复效果。     

基于图顶点深度聚类的建筑物合并方法

建筑物要素合并是大比例尺地图缩编过程中实现空间结构简化的重要手段。基于综合规则的合并方法难以同时顾及要素形态、分布等诸多特征,受预设算法参数影响大,综合过程缺乏灵活性。针对这一问题,本文提出了一种基于图顶点深度聚类网络的建筑物合并模型,利用Delaunay三角网构建建筑物群组表征图模型,结合自编码器与图卷积网络学习剖分三角形的几何形态、空间分布特征,采用自监督学习方式实现三角形的聚类与分类(保留、删除),最终在不依赖样本条件下实现建筑物要素端到端智能化合并。试验表明,该方法对预设合并参数依赖低,能同时顾及建筑物要素的形态与分布特征。合并过程具有一定灵活性,合并结果能较好满足地图可视化要求。     

混合充填骨料胶结充填强度试验与最优配比决策研究EI北大核心CSCD

将全尾砂作为充填料进行充填法采矿,不仅可以降低采矿成本,而且还能够实现固体废弃物资源化利用,同时将固体废弃物充填地下保护环境,维护生态平衡。由于尾砂粒径较细,需要与棒磨砂、戈壁砂混合作为充填料应用于充填采矿,有必要开展混合充填骨料的配比优化研究。首先,分别测试了棒磨砂、戈壁砂和尾砂3种骨料的粒径级配和不均匀系数。然后进行了9组配比的胶结充填体强度试验,在该基础上对试验样本进行训练,建立了神经网络预测模型。最后采用该预测模型,进行混合充填骨料正交设计方案的充填体强度预测,并分别采用极差分析和回归分析,揭示了充填体强度与混合充填骨料特征值之间的关系。研究发现,混合骨料平均粒径和不均匀系数不同,充填体早期和后期强度存在显著差异;平均粒径较小的混合骨料早期强度较高,而平均粒径较大者则更利于提高充填体的后期强度。     

地连墙变形的神经网络多步预测研究

结合润扬长江公路大桥南汊北锚碇深基坑工程，提出并应用神经网络多步预测方法来研究地连墙施工变形的预测问题。系统介绍了基于时间窗口的神经网络多步滚动预测技术，并详细讨论了输入输出层的设计、隐层神经元数以及预测时间步长等一些基本预测技术问题。该预测方法应用于润扬长江公路大桥南汊北锚碇深基坑围护工程，取得了较好的工程效果。     

RBF神经网络在电路故障诊断中的应用研究

电路系统在工业控制中起着极其重要的应用,随着电路越来越复杂,电路各节点间的关系呈现非线性关系,若节点发生故障,如何确定故障发生在何处成为一大难题。利用RBF（radical basis function）神经网络可以快速逼近任意非线性函数及良好分类能力的特点,来实现对电路系统的故障分类。通过RBF与BP方法的比较及实例分析可得出结论,RBF可以很精确地确定电路中的故障来源,在对电路故障诊断能力方面具有较多的优越性。     

基于改进型前馈神经网络的流域产流预报模型的研究

在分析流域产流机制、影响因素和现行产流计算方法的基础上,首次取前期影响雨量、主产流历时、全过程面平均雨量和４个代表雨强计７个因子作为神经网络输入,直接以流域产流深作为神经网络输出,并针对传统ＢＰ算法的固有缺陷,采用混合ＧＮ－ＢＦＧＳ算法训练网络。实例验证了所建模型及算法的有效性和可行性。还对神经网络隐层单位数等进行了初步研究。