一种裸露土壤湿度反演方法

针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。     

地表粗糙度影响下的GNSS-R土壤湿度反演仿真分析

基于双天线全球导航卫星系统反射技术（global navigation satellite system reflectometry,GNSS-R）,建立了两个修正地表粗糙度影响的土壤湿度反演模型——解析模型和人工神经网络模型,并以GPS L1 C/A码为例建立了GNSS-R土壤湿度仿真平台,仿真分析了地表粗糙度对两个模型反演精确度的影响。结果表明,当地表均方根高度大于0.010 m时,必须对解析模型进行粗糙度修正。粗糙度影响修正结果显示,小粗糙度情况下修正的解析模型取得了良好的结果,但对于大粗糙度有一定局限性。在均方根高度大于0.025 m时,进行土壤粗糙度修正前,人工神经网络模型精度比解析模型提高了36.83%~72.36%。进行修正后,人工神经网络模型的精度比解析模型提高了42.86%~54.40%。人工神经网络模型在修正前后取得了相近的精度,无修正的人工神经网络模型精度比有修正的解析模型精度仍提高了35.83%~53.48%。     

饱和砂土液化研究进展

根据国内外文献资料,从三方面总结了饱和砂土的最新进展:饱和砂土液化判别方法、砂土液化的试验研究以及液化后分析,特别是探讨了液化对上部结构的影响。最后指出了存在的问题和今后的研究方向。     

BP人工神经网络在青藏铁路南段地壳稳定性定量评价中的应用

将BP人工神经网络方法引入区域构造活动性、区域地壳稳定性研究领域,对青藏铁路南段沿线的构造活动性进行定量分析.选用断层运动速率、地震震级、温泉温度及剪切应变4个关键影响因子作为BP人工神经网络的输入向量,构造活动强度(α)作为输出向量,以α为定量判据,将全区划分为相对稳定区(α＜0.22)、较不稳定区(α≈0.22～0.38)、不稳定区(α≈0.38～0.69)、极不稳定区或强烈构造活动区(α≥0.69).在青藏铁路南段沿线划分出格仁错、崩错、当雄-羊八井、错那湖、唐古拉山口南、聂荣东北、聂荣西北、雅鲁藏布江断裂沿线、萨迦等不稳定区,在不稳定区内部进一步划分出申扎、蓬错、尼木、桑雄、羊八井5个极不稳定区.     

潜在地震灾害预测和评价神经网络系统及其若干问题

结合人工神经网络自身的特性和地震灾害预测研究的特点,本文应用神经网络模型,建立了潜在地震灾害预测和评价系统。针对网络模型参数设置、数据归一化、中间层神经元最优数目以及泛化分类评价指标等若干实际问题给出了实际可行的解决方案。通过大样本数据对网络的训练,形成了有识别和记忆功能的非线性预测和评价系统。对网络的测试和检验,论证了该系统在预测潜在地震灾害上的可行性和有效性。同时,从测试精度出发,探讨了这种预测网络存在的不足,并给出了相应的改进建议,为开展进一步的研究工作提供了参考。     

基于降尺度降雨的洪水预报预警体系的创建

为了减少洪水对生命和财产造成的危害,构建合适的洪水预报预警体系具有重要的现实意义。本文结合NWP输出的降尺度降雨构建了短期洪水预报体系。所提出的降尺度方法对NWP输出值进行了校正,以便在人工神经网络的校准阶段使用,然后,将降尺度降雨参数作为径流预报的超级水箱模型的输入值。根据预测提前期对模型不确定性进行量化,最终将预测结果整合到现有的洪水预警警报级别中。结果表明,基于神经网络降尺度降雨的洪水预报优于多元线性回归方法。尽管随着预测提前期的增加,模型不确定性呈增加趋势,但仍可以对长达18小时的提前期做出可靠预测。     

人工神经网络方法估算海洋上混合层深度的初步研究

上混合层深度是海洋上层热力结构特征的重要参数.结合南海南部海区一连续温盐深观测站的实测资料和NCEP再分析风场资料,以海洋表层温度和风应力为输入,以温度差值判断方法计算所得上混合层深度为输出,采用BP神经网络和广义回归神经网络2种方法进行训练,建立了南海南部海区的上混合层深度人工神经网络计算模型.实验显示,两种模型仿真结果与温度差值方法计算结果均方根误差分别为3.58m、3.09m,线性相关分别达0.87、0.91,绝对误差分别为2.80m、2.37m,相对误差分别为9.40%、7.40%.这一结果表明,人工神经网络方法精度较高,是一种切实可行的上混合层深度估算方法.     

利用光学遥感数据、GIS及人工神经网络模型分析区域滑坡灾害

用光学遥感数据和地理信息系统(GIS)分析了马来西亚Selangor地区的滑坡灾害。通过遥感图像解译和野外调查,在研究区内确定出滑坡发生区。通过GIS和图像处理,建立了一个集地形、地质和遥感图像等多种信息的空间数据库。滑坡发生的因素主要为:地形坡度、地形方位、地形曲率及与排水设备距离;岩性及与线性构造距离;TM图像解译得到的植被覆盖情况;Landsat图像解译得到的植被指数;降水量。通过建立人工神经网络模型对这些因素进行分析后得到滑坡灾害图:由反向传播训练方法确定每个因素的权重值,然后用该权重值计算出滑坡灾害指数,最后用GIS工具生成滑坡灾害图。用遥感解译和野外观测确定出的滑坡位置资料验证了滑坡灾害图,准确率为82.92%。结果表明推测的滑坡灾害图与滑坡实际发生区域足够吻合。     

由粒子吸收光谱提取浮游植物吸收光谱的人工神经网络方法

基于现场实验数据集及人工神经网络技术,论文提出了一种从海中粒子吸收光谱提取浮游植物吸收光谱的方法。这个数据集包含了海中粒子吸收光谱和对应的浮游植物吸收光谱,并被分为三个子集:训练集、印证集和试验集。本研究所利用的人工神经网络系统为多层感知器,训练后的人工神经网络的性能由印证集和试验集来评价。实验结果表明,文中所提出的方法可成功地提取浮游植物的吸收光谱,其提取精度与传统的实验方法相当。     

利用地震资料反演地层的碳酸盐含量

基于碳酸盐含量与地层速度、密度之间的关系, 在井资料约束下, 使用人工神经网络方法反演高分辨率地震资料所反映的地层碳酸盐含量, 并应用于南海北部陆坡ODP184航次1146和1148孔区, 取得较好效果.方法的关键是从井旁地震道中提取多种属性, 利用逐步回归法, 确定6种与碳酸盐含量相关性最好的地震属性, 分别是平均频率、道积分绝对振幅、主频、时间、道微分瞬时振幅和瞬时频率, 然后进行地层碳酸盐含量反演.反演结果相对于岩心分析的碳酸盐含量的误差大多在±5%之内, 较为精确地揭示了地震地层剖面上碳酸盐含量的分布.