地球化学场精细结构解析方案与应用

为满足勘查地球化学对化探数据处理越来越精细的要求,把人工神经网络和统计分析结合起来形成地球化学场精细结构解析方案。该方案包括对地球化学样品的分类和对各类样品性质的详细研究,目的在于提供便捷的数学和计算机软件工具,以提取化探数据中的深层信息。可以用于:①研究各组样品中元素含量水平和组合特征以解释可能的矿种;②研究元素组合特征与指示元素的关联和区别以揭示可能的成矿作用过程;③研究异常样品的空间组合属性以揭示地球化学场的精细结构;④研究异常样品之间的差异性以缩小找矿靶区;⑤综合分析以确定剥蚀深度和找矿前景。该方案也适用于环境地球化学及矿产资源预测研究。     

人工神经网络方法反演东中国海悬移质浓度

海中悬移质是决定海洋光学性质、海洋水质,河口海岸带演变动力过程的重要环境参数。本文利用模拟遥感反射比数据集建立人工神经网络反演悬移质浓度,并利用东中国海现场同步数据对该算法进行验证。     

人工神经网络在盐渍土盐胀特性研究中的应用

利用人工神经网络处理非线性体系的优势性,对盐渍土膨胀规律多影响因素试验数据进行了建模方法分析,提出了盐渍土盐胀率随含水量、氯化钠含量、硫酸钠含量、初始干容重和上覆荷载5因素变化的计算公式,计算结论比常规二次回归法更加符合目前对盐渍土盐胀规律的定性认识.     

基于人工神经网络的区域地质灾害危险性预测评价

地质灾害危险性预测评价的准确性,主要取决于基础资料的可靠性和数学模型的合理性。论文结合工程实例,尝试用人工神经网络方法(改进的神经网络BP模型)对区域地质灾害危险性预测进行评价研究。然后与目前常用的方法(如层次分析法、信息量法和模糊综合评判法等)所得出的结果相比较。结果表明,运用人工神经网络方法对区域地质灾害危险性预测评价相对常用方法更准确、可靠,具有一定的实用意义及推广价值。     

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。     

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%。     

Retrieval of water vapor profiles with radio occultation measurements using an artificial neural network

A new method applying an artificial neural network （ANN） to retrieve water vapor profiles in the troposphere is presented. In this paper, a fully-connected, three-layer network based on the backpropagation algorithm is constructed. Month, latitude, altitude and bending angle are chosen as the input vectors and water vapor pressure as the output vector. There are 130 groups of occultation measurements from June to November 2002 in the dataset. Seventy pairs of bending angles and water vapor pressure profiles are used to train the ANN, and the sixty remaining pairs of profiles are applied to the validation of the retrieval. By comparing the retrieved profiles with the corresponding ones from the Information System and Data Center of the Challenging Mini-Satellite Payload for Geoscientific Research and Application （CHAMP-ISDC）, it can be concluded that the ANN is relatively convenient and accurate. Its results can be provided as the first guess for the iterative methods or the non-linear optimal estimation inverse method.     

滑坡危险性评价模型中的量化方式研究——以永嘉县为例

滑坡因子的分段和量化问题非常复杂,相同的滑坡因子在不同条件下对滑坡的贡献会有所不同,甚至完全相反。针对浙江省永嘉县具体滑坡点各个滑坡因子的分布情况,提出滑坡因子量化方案,并应用该方案构建滑坡危险性评价的神经网络模型。通过不同模型的对比分析,认为基于量化方案的支持向量机(Support Vector Machine,SVM)神经网络模型的实用性最强,结果最为满意,其滑坡分布的验证正确率达到84.2%。     

气象卫星云图的多分辨小波分解及人工神经网络降水估计 …

采用多分辨小波分析对卫星图象进行处理,在保留其特征信息的同时,减小了数据量,改善了神经网络训练过程的收敛性能,提高了处理速度,采用这一方法根据ＧＯＥＳ－８的红外亮温图象和气象雷达资料对巴西圣保罗州中部的降水量估计进行了试验,取得了良好的效果。