Bedload transport of small rivers in Malaysia

Numerous time-consuming equations, based on the relationship between the reliability and representativeness of the data utilized in defining variables and constants, require complex parameters to estimate bedload transport. In this study the easily accessible data including flow discharge, water depth, water surface slope, and surface grain diameter （ds0） from small rivers in Malaysia were used to estimate bedload transport. Genetic programming （GP） and artificial neural network （ANN） models are applied as complementary tools to estimate bed load transport based on a balance between simplicity and accuracy in small rivers. The developed models demonstrate higher performance with an overall accuracy of 97% and 93% for ANN and GP, respectively compared with other traditional methods and empirical equations.     

沈阳地铁开挖引发地面沉降的BP神经网络反分析

以沈阳地铁一号线重启区间隧道为研究背景,采用基于均匀试验设计法的有限元数值分析法确定隧道围岩土体物理力学参数与地面沉降之间的关系,并以此作为神经网络的输入样本,通过BP神经网络对样本的训练、学习,建立隧道围岩土体力学参数与地面沉降之间的映射关系,然后利用这种映射关系,根据地铁开挖引发的地面沉降实测值反演岩土体的物理力学参数,最后根据参数反演结果,建立有限元应力应变模型预测地面沉降,并与实测值相比较,以检验BP神经网络地面沉降位移反分析方法的有效性和合理性。     

多因子方法在雷达降水量估测中的应用

使用合肥雷达站2007年7月和广州雷达站2008年5-10月的雷达以及雨量计资料提出了使用雷达反射率因子、水平梯度和垂直积分液态水含量测量降水量的方法(简称多因子方法).此方法在人工神经网络构架之上隐含地实现了在降水类型识别基础上的降水量测量,并与使用单一Z-R关系测量的降水量进行比较.结果表明:多因子方法和使用Z=300R1.4测量的降水量相比,前者的计算结果与雨量计观测值相比具有较高的相关系数和较低的均方根误差,即前者测量降水量的精度高于后者.     

基于多尺度卷积神经网络的结构损伤识别研究

为了利用结构振动响应的时间多尺度特征来提升卷积神经网络识别结构损伤的能力,给出了两种用于结构损伤识别的多尺度卷积神经网络,即多尺度输入和多尺度卷积核卷积神经网络.对于多尺度输入卷积神经网络,将通过下采样和滑动平均获取的具有不同时间尺度特征的振动信号输入固定尺寸卷积核的分支卷积神经网络;对于多尺度卷积核卷积神经网络,则将...     

BP神经网络在图像字符识别中的改进和应用

传统BP神经网络算法虽然具有良好的学习能力和容错能力,但是收敛速度慢,易陷入局部极小点等缺点制约了它的进一步发展和应用.针对这些不足,采用自适应学习率结合附加动量因子的方法可以有效缩短训练时间,加快收敛速度,同时抑制寻优算法陷入局部极小点.将该算法应用于图像字符识别系统中,通过一系列实验优化系统参数之后给出系统识别结果,表明该系统识别具有较高的准确性和鲁棒性.     

利用主成分背景抑制的红外目标检测

提出了一种基于主成分背景抑制的红外目标检测算法。首先分析了红外成像的时空相关性,采用主成分分析技术分解时域关联信息抑制背景杂波;接着采用空间关联模糊自适应共振神经网络建立时空背景模型检测目标。实验结果显示,该算法能有效地抑制背景突显目标和检测出复杂场景下的红外目标,其F1指标值高达94.2%。     

层析反演与神经网络方法在电离层建模及预报中的应用

将香港地区某天由电离层层析反演得到的电子密度值分成6组,利用神经网络方法对该6组数据分别进行了拟合建模及预报。实验结果表明,采用电离层层析技术并经神经网络模型预报得出的电子密度值精度明显高于由IRI2007模型提供的电子密度值,其预报的30min及60min的电子密度值精度可分别达到0.45TECU和1.34TECU。     

HJ-1A/B卫星CCD影像辅助的MODIS水色大气校正产品质量改进

针对我国近岸高浑浊水体区域MODIS短波红外波段大气校正产品中存在的信号饱和及条带问题,利用神经网络模型,采用准同步的HJ-1A/B卫星CCD影像及实测遥感反射率数据对MODIS/Terra水色遥感大气校正产品进行了质量改进。改进后结果与MODIS/Terra遥感反射率产品相比,平均相对误差为13.3%,信号饱和区域修复结果与实测数据各波段平均相对误差为28.2%。结果表明,该方法在保证结果精度的情况下,能有效地修复MODIS/Terra水色波段因为信号饱和而产生的数据空白区域,同时也能较好地解决MODIS/Terra大气校正产品中的条带问题。     

基于神经网络的元胞自动机与土地利用演化模拟——以广州市白云区为例

城市发展过程中存在多种土地利用类型的相互转换,掌握其演化规律有助于制定出合理的土地利用规划。传统元胞自动机(CA)在模拟城市扩张过程时,多种土地利用类型间的转换十分复杂,往往难以获得转换规则。本文利用神经网络构建了多类型演化的CA模型;从城市演化的历史数据中进行学习,挖掘出控制土地利用方式转变的空间要素权重,利用广州市白云区2005—2007年间的土地利用历史演化数据训练神经网络后,对2009年研究区的土地利用结构进行了模拟。对比同期的真实土地利用格局,模拟结果的平均精度达到77.65%。     

基于BP神经网络的GPS高程异常拟合研究

分析了GPS高程异常求解的常用方法,结合GPS测量和水准测量资料,用神经网络方法和二次多项式曲面拟合方法拟合高程异常,对拟合精度进行了分析比较,得出了有实用价值的结论。