人工神经网络模型在地学研究中的应用进展

近年来,随着人工神经网络（ANNs）自身技术的不断完善,应用ANNs模型成功解决各类地学问题的案例大量出现。通过对其发展历程进行分析发现,20世纪80年代末国际地学分析中已开始融入ANNs技术,国内则滞后 1～2年。在地学分析中使用的各类人工神经网络类型中,BP模型应用最广,占到85％以上。在10余年的应用过程中,虽然地学的各个分支学科都移植了一种或数种ANNs模型作为其分析工具,但水文、地质、大气、遥感等领域应用较为广泛。传统地学定量分析中的单变量或多变量预测成为人工神经网络地学模型的主要应用客体。同时,诸如模式识别和过程模拟等也是ANNs模型求解的对象。目前,随着建模经验和知识的积累,地学ANNs模型的发展呈现出多种技术综合集成的态势,遗传算法、小波转换、模拟退火算法以及模糊逻辑等方法与ANNs模型融合,成为解决地学分析中非线性问题的利器。     

平原河网区域来水组成原理

对于一般树状分布河网，上一级河道总是汇入至下一级河道，位于河道下游断面的流量总是由其上游汇集而至。但对于平原河网地区，特别是人工控制建筑物众多，又受潮汐影响的地区(如太湖流域)，河网错综复杂，水流方向不定，要跟踪某个断面的水流去向，或某个河段的水体、断面流量是从哪里汇集而来的，非常困难。但这样的问题在生产实践中往往对其很感兴趣。例如从常熟枢纽引长江水流进入望虞河后，流向何处?河网各断面流量中或各河段水体中常熟枢纽引江水量占多少比重?对这些问题的研究可以估计常熟枢纽引江的效果和影响范围。因此，平原河网区域来水组成方法在生产实践中具有重要意义。重点介绍了平原河网区域来水组成原理及其在太湖流域的应用。     

测井资料在碳酸盐岩洞—裂缝型储层产能评价中的应用

介绍了一种基于测井资料来预测双孔结构碳酸盐岩储层产能的新方法。首先根据碳酸盐岩剖面中双孔结构储层的地质和测井特征,提取与储层产能密切相关的多个测井和地质参数,考虑到这些参数与产能的非线性相关关系以及产能数据的变化特点,采用BP神经网络技术建立其储层产能的预测模型,由此处理了轮南地区的多口井测井资料。所预测的储层段产能与试油产能较为一致,效果良好。     

人工神经网络在爆破块度预测中的应用研究

利用人工神经网络模型对爆破块度进行预测,实验结果表明,该方法是完全可行的。通过对实验样本数据进行归一化处理后再对人工神经网络模型进行训练和预测,其预测精度会得到大大提高。     

国际河流水文站网布局规划方法研究

随着近年来我国与周边国家在国际河流水资源利用与保护方面的合作工作的不断加强，以及边疆地区经济建设步伐的加快，国际河流水文资料收集，分析等基础工作显得越来越重要。为此，针对国际河流地区水文站点稀少，设施设备落后，监测能力薄弱的现实情况，水利部水文局组织编制了国际河流水文站网建设总体规划。简要介绍了该规划中有关国际河流的调查情况与规划河流的选择方法，说明了划定规划区范围的一般性原则和特殊性原则，提出了水文站网布局规划的思路，目标，原则与方法等。     

水准网中起算点的选用方法探讨

水准网平差中起算点质量好坏不仅影响平差精度,而且如果采用不好的点位,直接影响成果的使用,带来严重后果。该文以青州市水准网的布设为例,分析讨论了起算点对水准网精度的影响,提出了根据较差中误差大小选用起算点的方法,阐述了该方法的步骤,达到的效果,以及水准网布设方法等。     

SWDC数码航摄区域网控制点布设的精度试验

介绍了SWDC数码航摄影像的技术基础和其应用于航空摄影测量的优越性,鉴于SWDC像幅的特殊性,在保证量测精度的前提下,为减少外业作业的工作量,通过以不同基线的区域网像片控制点布设方案的精度试验,证明了控制点按照8条基线布设可满足内业生产及大比例尺地形图的需要。     

A unified C-band and Ku-band geophysical model function determined by neural network approach

The geophysical model function （GMF） describes the relationship between backscattering and sea surface wind, so that wind vec- tors can be retrieved from backscattering measurement. The GMF plays an important role in ocean wind vector retrievals, its performance will directly influence the accuracy of the retrieved wind vector. Neural network （NN） approach is used to develop a unified GMF for C-band and Ku-band （NN-GMF）. Empirical GMF CMOIM and QSCAT-1 are used to generate the simulated training data-set, and Gaussian noise at a signal noise ratio of 30 dB is added to the data-set to simulate the noise in the backscat- tering measurement. The NN-GMF employs radio frequency as an additional parameter, so it can be applied for both C-band and Ku-band. Analyses show that the %predicted by the NN-GMF is comparable with the σpredicted by CMOIM and QSCAT-1. Also the wind vectors retrieved from the NN-GMF and empirical GMF CMOIM and QSCAT-1 are comparable, indicating that the NN-GMF is as effective as the empirical GMF, and has the advantages of the universal form.     

校园网IP地址绑定系统的研究与设计

IP地址绑定和IP用户管理是校园网管理员的主要工作,作者介绍哈尔滨工业大学校园网IP地址绑定和IP用户管理系统的设计思路及实现技术,该系统是采用J2EE技术和Struts+Hibernate框架实现的B/S结构WEB应用系统,用于校园网用户的IP地址分配I、P地址绑定及IP用户管理等方面。该系统的实现与应用大大提高了网络管理员的工作效率、避免了操作失误、改善了对用户的服务质量。     

System identification for nonlinear maneuvering of large tankers using artificial neural network

This paper deals with the application of nonparametric system identification to a nonlinear maneuvering model for large tankers using artificial neural network method. The three coupled maneuvering equations in this model for large tankers contain linear and nonlinear terms and instead of attempting to determine the parameters (i.e. hydrodynamic derivatives) associated with nonlinear terms, all nonlinear terms are clubbed together to form one unknown time function per equation which are sought to be represented by the neural network coefficients. The time series used in training the network are obtained from simulated data of zigzag maneuvers and the proposed method has been applied to these data. The neural network scheme adopted in this work has one middle or hidden layer of neurons and it employs the Levenberg–Marquardt algorithm. Using the best choices for the number of hidden layer neurons, length of training data, convergence tolerance etc., the performance of the proposed neural network model has been investigated and conclusions drawn.