Integrated assessment on sea water quality based on the fuzzy neural network

根据俚岛镇海湾22个海洋观测点的水质监测数据,依据人工神经网络与模糊理论,建立模糊神经网络模型,对研究区海水水质进行了综合评价.结果表明,区域内40.91％的采样点属于Ⅰ类海水水质标准,其余为Ⅱ类海水水质.其中,水质Ⅱ类区位于临络湾与俚岛湾的半封闭海域,因该区造船业对水体造成污染且海水对流强度较弱,不利于污染物的扩散;而海水水质Ⅰ类区域靠近黄海,工业活动较少,水体对流较强,利于污染物扩散.     

基于灵敏度分析的海洋油气资源BP神经网络预测模型的优化

作者针对BP神经网络结构设计中存在的问题,提出利用灵敏度分析方法对BP神经网络预测模型进行优化。通过BP算法与参数灵敏度分析的结合,寻找网络输入属性与输出属性之间的影响因子;在保证精度的前提下优选网络输入属性,简化网络结构,以增强网络的泛化能力,减少人为主观因素对网络设计的影响。最后以海洋油气资源预测为例,结合实测资料建立BP神经网络预测模型并进行了优化及预测精度评价,表明优化后的模型既能有效提高油气资源预测结果的稳定性,又不损失预测精度。     

岬间海湾岸线平衡形态神经网络模型

讨论了目前海湾岸线平衡形态经验模型存在的不足之处。从沿岸输沙公式入手,阐述了平衡岸线的机理模式,重新定义了平衡海湾的“下岬角”,给出了模型参数与主波向的具体计算方法,并以华南典型海湾为学习样本,建立了岸线平衡形态的神经网络模型。通过模拟海湾与实际稳定海湾——乌场湾间的对比分析,表明所建神经网络模型是较抛物模型更为理想的平衡岸线模型。     

ANN在海洋预报中的应用

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行海洋预报是可行的。针对海洋预报问题,初步建立了基于神经网络的预报分析系统,给出了应用实例。     

一种基于BP算法学习的小波神经网络

为发展 Szu的基于信号表示的小波神经网络 ,提出一种多输入多输出的小波网络模型 ,网络隐层采用框架小波函数、输出层采用 Sigmoid激励函数 ,并选用“熵误差函数”以加速网络的学习速度。奇偶判别和混沌时间序列预测例子的实验结果表明了它具有良好的函数逼近能力和推广能力 ,收敛速度和均方误差均优于相同结构的多层感知器模型。     

地震地质灾害综合评价的PSO-BP神经网络方法及应用

结合汶川8.0级地震资料,利用神经网络原理和粒子群优化算法,提出了基于PSO-BP神经网络的地震地质灾害综合评价模型.该模型选取地震灾害、斜坡灾害、地面变形、斜坡分布特征4个指标作为输入,选用地质灾害危险度和分级2个指标为输出,引入粒子群算法对BP网络的权值和阈值进行优化,获得了BP网络模型参数.研究结果表明,PSO-BP网络模型不但能克服BP算法收敛速度慢和易陷于局部极小的缺陷,而且计算精度高,泛化能力强;对地质灾害的评价、防范和灾后重建具有一定的参考作用.     

盆地基底岩性的综合地球物理预测方法——以松辽盆地滨北地区基底岩性预测为例

预测盆地基岩岩性不仅对于研究盆地的深部地质结构及盆地的形成演化具有重要的意义,而且也对基岩风化壳油气藏的勘探具有一定的指导作用.本文通过对盆地重、磁异常成因的综合分析,提出了一系列盆地基底岩性综合预测研究的综合地球物理资料处理解释方法技术.指出在地震构造界面的约束下采用重力剥皮技术可以较为可靠地获取基底岩性重力异常并分析了界面密度差对剥皮后基底岩性重力异常的影响,给出了等效密度差的求取方法.分析了基底起伏对基岩岩性磁异常的影响,指出采用"平化曲"将磁异常归化到与基底同一高度,可以有效地提高对基底岩性体的刻画能力.通过综合分析认为:应用基底的相对视密度、相对视磁化率及两者的相关系数可以有效地刻画基底岩性的特征.神经网络是基底岩性判别与分类的有效方法技术.通过对松辽盆地北部滨北地区的基底岩性的综合预测显示了本文系列预测基底岩性方法的有效性,预测结果反映了松辽盆地基底岩性的分布特征.该系列方法技术可为其他盆地的基底地质填图提供了可借鉴的综合预测方法技术.     

基于改进的BP神经网络构建区域精密对流层延迟模型

利用神经网络算法挖掘海量数据的规律已成为科技发展的一种趋势,本文针对卫星信号的天顶对流层延迟进行建模.对流层延迟是影响卫星定位精度的重要因素之一,建立精密区域对流层模型对高精度定位有着重要的意义.对区域测站对流层延迟数据的分析,考虑到实时建模中传统BP（Back Propagation）神经网络计算量大,易出现"过拟合"现象、不稳定等因素,通过改进的BP神经网络建立了区域精密对流层模型.详细介绍了新模型的建立过程,并与常用的对流层区域实时模型进行了对比.还讨论了建模测站数目对预报精度的影响.相比现有的其他对流层延迟模型,基于改进的BP神经网络构建的区域精密对流层延迟模型无论在拟合和预报方面都有较好的精度,且随着测站数目的增加模型精度趋于平稳.改进的模型参数较少,可以进行实时的区域精密对流层延迟改正;需要播发的信息量小,适用于连续运行参考站系统（Continuously Operating Reference Stations,CORS）的应用.研究表明：改进的BP神经网络模型能够更好的充分利用大规模历史数据描述卫星信号对流层延迟的空间分布情况,适用于实时大区域精密对流层建模.基于日本地区2005年近1000多个测站的NCAR（National Center Atmospheric Research）对流层数据进行区域对流层延迟建模,结果表明改进的BP神经网络模型在拟合和预报精度上都有较大提升,RMSE（Root Mean Square Error）分别为：7.83 mm和8.52 mm,而四参数模型拟合、预报RMSE分别18.03 mm和16.60 mm.     

耗能－隔震柔性底层钢管混凝土结构的振动台实验和损伤分析

本文采用人工神经元网络理论，对城市公路网络中的单元路段和桥梁的震害预测进行了探讨。在前人研究的基础上，提出了解决这一非确定性问题的一个有效的方法，对于深入研究生命线工程系统震害的规律具有普遍的意义，从而使我们有可能避免地震造成的破坏和最大限度地减小损失，为抗震减灾提供决策依据。     

边坡稳定分析的神经网络改进模糊点估计法

边坡稳定性分析中,模糊点估计法能同时考虑模糊不确定性和随机不确定性因素。针对传统模糊点估计法计算工作量大的缺点,提出一种神经网络改进模糊点估计法。利用拉丁超立方抽样法和径向基函数神经网络（RBF）建立边坡安全系数的预测模型;对黏聚力和内摩擦角等模糊随机变量取λ截集,并在各截集水平对参数进行组合;利用建立的预测模型对各参数组合的安全系数进行预测;最后由统计矩点估计法计算边坡的可靠度指标。实例分析表明：改进模糊点估计法使用方便、结果可靠,且能通过增加λ截集水平的数目来提高计算精度。对于含有2～4个模糊随机变量的边坡,采用改进模糊点估计法计算可靠度时λ截集水平的数目可近似取25。