大连市水资源、环境与经济协调可持续发展研究

分析了大连市水资源与经济系统的现状,将大连市水资源、环境与经济发展视为一个相互关联的巨系统,运用系统模糊决策、模糊优选神经网络、结合专业知识的大系统递阶优化等理论、模型与方法,建立了大连水资源开发与经济发展的协调管理模式,研究和探索了大连水资源、环境和经济协调可持续发展问题,得到大连地区2010年经济发展的满意方案。     

补偿模糊神经网络在储层参数预测中的应用

为了克服常规BP神经网络法在预测储层参数中出现学习速度慢、无法结合专家知识等不足，我们引入了补偿模糊神经网络。它是一个结合了补偿模糊逻辑和神经网络的混合系统，由面向控制和面向决策的神经元组成，其模糊运算采用动态的、全局优化运算，学习速度快、学习过程稳定，将其用于储层参数预测效果良好。     

云南省金沙江流域风雹灾害区划研究

选取5个指标,运用模糊聚类方法进行了云南金沙江流域风雹灾害区划,将该流域划分为4个风雹灾害区, 其中第Ⅳ区内续分2个风雹灾害亚区,揭示了该流域风雹灾害的地域差异性,为因地制宜地制定风雹灾害防治规划 及减灾防灾措施提供了科学依据。     

云南省金沙江流域综合农业自然灾害区划研究

选取13个指标,运用模糊聚类方法进行了云南金沙江流域综合农业自然灾害区划,将该流域划分为3个农 业自然灾害区、10个农业自然灾害灾害亚区,揭示了该流域农业自然灾害的地域差异性,为因地制宜地制定农业自 然灾害防治规划及减灾防灾措施提供了科学依据。     

等值线图和质量特征图综合分析及其结果应用的可能性

本文以分析和解译自然条件图为例,研究了等值线图和质量特征图综合分析的理论和方法。对多幅不同性质、不同表示方法的地图上的地理现象模拟的抽样方法、样点规模和样点布置作了深入研究,特别是将模糊数学综合评分和聚类分析引入信息采集及处理。通过县级农业气候类型区划的实例证实,结果正确且有实用价值。研究表明,模糊数学在多幅不同性质及表示方法的地图分析中有独特的优点。     

应用模糊模式识别研究晋冀蒙交界区的中强地震

应用模糊数学中的模式识别方法,从晋冀蒙交界区公元前294年至1987年Ms≥4 3/4级的地震序列中,选取了4个预报地震震级的指标,给出了识别Ms∈[5.5,6.0]和Ms>6.0的方程。识别结果表明,1989年至1990年在本文讨论的范围内,将有一次Ms>6.0的地震发生。     

川江流域防护林区土壤质量评价方法

根据川江流域防护林区内森林地、宜林地并存,且宜林地占有相当比重的特点,将评价对象仅限定于土壤本身,并选取土壤质地等十项可实测土壤指标为评价因素。在此基础上,邀请众多专家进行土壤质量的指标强度分级和因素权重分配。最后采用模糊数学的综合评判法对土壤质量作出评价。评价结果表明,此套方法对川江流域防护林区土壤质量评价是较为合理的,并较其他方法更具优越性。     

极大可能性估计

提出了一个新的估计类——极大可能性估计。详细研究了以p次抛物线为参照函数的极大可能性估计。在以p次抛物线为参照函数的极大可能性估计中，p=1对应可能性带权绝对值和最小估计，p=2对应可能性最小二乘估计。给出了确定观测值的权的一般方法。最后结合实例说明了极大可能性估计的实用性与正确性。     

最小不确定度约束下的极大可能性估计

以模糊集合理论为基础，提出了最小不确定度约束下的极大可能性估计准则、解算方法和迭代步骤。给出了新的观测值的质量标准体系。计算实例表明提出的方法是一种有效的、稳健的参数估计方法。     

Integration of multi-sensor data for landscape modeling using a region-based approach

The increased availability of multi-sensor data, and elevation information in particular, leads to the need of advanced processing methods. In the context of landscape modeling tasks, we concentrate on one central component, the extraction of terrain surface from a Digital Surface Model (DSM). In contrast to conventional mathematical grey value morphology approaches (filtering methods) or to stochastical procedures, we propose an alternative methodology for this task by applying a region-based and multi-scale approach. It consists of segmentation and follow-up fuzzy logic classification based on several features derived from elevation and multi-spectral image data. The satisfying results obtained with a multi-sensor as well as with other datasets show the applicability of the approach.