滑坡变形预测灰色神经网络耦合模型的构建及适用性分析

结合灰色模型和神经网络的数据处理特点,提出串联、并联和混联式3种结构的灰色神经网络滑坡变形预测模型。串联式将滑坡变形位移时序分解为趋势项和随机项,采用灰色模型提取滑坡位移时序趋势,利用神经网络逼近随机波动;并联式以灰色模型和神经网络分别对滑坡预测,采用智能非线性组合,按照预测目标精度动态调整权重,从而获取最终组合预测结果;混联式通过增加灰白化层及灰模型群,对神经网络拓扑结构进行优化,达到弱化滑坡原始监测数据随机性、提高预测模型稳健性的目的。将3种模型应用于古树屋滑坡变形预测,并对其适用性进行讨论。结果表明,3种结构的灰色神经网络耦合模型均提高了预测精度,适用于复杂状况下滑坡体的变形预测。     

基于卷积神经网络的遥感影像地表覆盖分类

遥感影像地表覆盖分类是地理国情监测和地理信息资源建设中至关重要的环节,利用卷积神经网络对遥感影像进行特征提取和分类,具有十分重要的科研和应用价值。为提高遥感影像的地表覆盖分类精度,在深度卷积神经网络VGGNet的基础上,采用SeLU函数作为激活函数,并将激活函数中的λ、α作为训练参数,得到改进的VGGNet,用逐层贪婪算法对网络参数初始化,并选择适当的学习次数利用迁移学习的方法对网络参数调整,以提高网络的泛化能力来提取遥感影像各类别的深层特征,从而有效进行地表覆盖分类。通过GF-1卫星影像的实验表明本文方法在地表覆盖分类精度方面的优越性。     

基于循环神经网络的重力异常数据推估研究

利用鄂尔多斯西南缘的重力观测数据对长短期记忆循环神经网络(long short-term memory,LSTM)进行训练,结果表明,该神经网络可基于有限的数据获取较好的推估结果.基于自由空气重力异常数据,对比分析长短期记忆循环神经网络和传统克里金方法的推估结果发现,神经网络的推估能力优于传统克里金方法,但运算效率低于...     

基于人工神经元网络的空间知识表达与推理方法研究

分析了智能决策支持系统的结构,通过比较指出了基于符号的知识表达与推理方法的不足,阐述了基于神经网络的知识表达与推理的方法,并认为神经网络方法可作为智能空间决策支持系统中符号方法的替代或补充,并通过实例验证了基于神经网络的不确定空间知识表达与推理的有效性.     

基于高光谱技术的黑土地微量金属元素探测方法及地学意义

在土壤中重金属含量较低的情况下,重金属的高光谱特征响应非常微弱,不易构建精确的高光谱直接反演模型.为了解决上述问题,依据土壤化学变量间的理化性质,将重金属富集特征转移到与之相关的化学主量元素上,使重金属微弱的信息得以间接定量反演.文中以海伦市黑土土壤为研究对象,通过主成分分析、 聚类分析确定了主量元素氧化铁(Fe2O3...     

基于神经网络方法获得最优化月球内部结构模型

由于观测手段有限,目前对月球内部结构的认识还存在很大的不确定性,至今仍没有一个被广泛认可的内部结构模型,且现有对月球内部结构模型的研究几乎很少关注观测值对观测精度的影响.本研究采用混合密度神经网络方法得到了月球内部结构模型的后验概率密度分布,获得了平均月球内部结构模型(Mean模型)、最大后验概率对应的月球内部结构模型(MAP模型)以及满足1-σ准则的月球内部结构模型(1-σ模型),其中MAP模型即为本文给出的最优化月球内部结构模型.此外,研究结果表明月球低速区S波波速低于月幔S波波速,因此本文结果支持月幔底部存在一个低速区的观点.不同观测值观测精度对模型影响的研究结果表明,勒夫数k₂存在一个约为0.0220的下边界,且其观测精度对月球内部结构模型的影响显著大于平均密度和平均转动惯量.

     

莱州湾凹陷垦利油田沙河街组储层渗透率评价模型研究

文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。     

模糊联想记忆神经网络模型在地震预报中的应用

介绍了模糊联想记忆FAM(Fuzzy Associative Memory)神经网络模型、FAM自适应学习算法以及FAM推理机的原理，并成功地将其用于新一代的地震预报专家系统NGESEP，使得系统既具有良好的学习功能，又避免了通常神经网络学习知识隐含在权值中不易被人们理解和专家系统解释的缺点。      

基于KPCA-RBF模型的风暴潮灾害经济损失预测

作为破坏性最强的海洋灾害,风暴潮灾害每年都给我国沿海地区造成了巨大的经济损失,运用科学的方法模型合理预测风暴潮灾害经济损失对指导沿海地区的防灾减灾工作意义深远。本文基于风暴潮灾害的成灾特点建立了风暴潮灾害直接经济损失预评估指标体系,由于评估指标数据高度非线性,采用核主成分分析（KPCA）对高维非线性数据进行降维优化,并利用径向基函数（RBF）神经网络对降维后的数据进行训练,从而实现对风暴潮灾害直接经济损失的预测。选取广东省1996—2018年的32个风暴潮灾害损失样本对模型进行仿真测试,结果表明,KPCA-RBF预测模型集成了核主成分分析和径向基函数神经网络的优势,预测结果精度高,学习收敛速度快,对风暴潮灾害数据序列有较好的非线性拟合能力。     

桥梁水平位移混沌特征识别与神经网络预测研究

跨海大桥系统受外界影响扰动,其变形伴有混沌现象发生.对桥梁变形监测数据实现了混沌识别,运用C-C法计算时间序列的延迟时间,用G-P方法求得最佳嵌入维数,通过求取的时间延迟和最佳嵌入维数对桥梁变形监测数据进行相空间重构,为混沌时间序列预测模型的建立奠定基础;基于RBF神经网络建立混沌时间序列预测模型,对实测数据进行桥梁变...