基于BP神经网络的泥石流平均流速预测

泥石流平均流速是泥石流防治工程中不可缺少的重要参数,准确地预测泥石流平均流速对于泥石流防治工程的设计是至关重要的。将BP神经网络应用于泥石流平均流速的预测:将泥石流平均流速的影响因素--泥沙平均粒径、泥深、沟床比降和泥石流密度作为BP神经网络的输入单元,通过对云南东川蒋家沟泥石流观测数据的训练与预测建立了泥石流平均流速的BP神经网络预测模型。将预测结果与东川公式和曼宁修正公式的计算结果进行对比:曼宁修正公式和东川公式预测结果最大误差分别为27%和7.3%,BP神经网络的预测结果最大误差仅为3.2%,BP神经网络的预测精度是最高的,可见此方法对泥石流平均流速预测具有适用性和准确性。最后应用此方法预测了乌东德水电站近坝库区内的3条泥石流的平均流速分别为12.8 m/s、11.3 m/s和13.0 m/s,为库区泥石流防治工程提供了可靠的参考数据。     

���ڵ��κ�����Ҫ�ص�GPS�������ӳٲ�ֵ�����о�

????InSAR????У????SAR???????????????????????????????????μ??????????????--??????κ???????????????????????????????GPS????????ж????????????????????????????????????????????????????????GPS????????????????????????mm??????????InSAR????У???????     

۶���������ƴ��ˮ׼�澫���о�

???????????????????BP?????緽????????????????????棬?????????????????????????????Ч???????????????????????????????????????????????????????????????????????????????????仯???????????????????????????y?????ж???????????п?????θ?????????￡?PSO-BP??????????????÷???????Ч????     

Study of tide prediction method influenced by nonperiodic factors based on support vector machines

Harmonic analysis, the traditional tidal forecasting method, cannot take into account the impact of noncyclical factors, and is also based on the BP neural network tidal prediction model which is easily limited by the amount of data. According to the movement of celestial bodies, and considering the insufficient tidal characteristics of historical data which are impacted by the nonperiodic weather, a tidal prediction method is designed based on support vector machine (SVM) to carry out the simulation experiment by using tidal data from Xiamen Tide Gauge, Luchaogang Tide Gauge and Weifang Tide Gauge individually. And the results show that the model satisfactorily carries out the tide prediction which is influenced by noncyclical factors. At the same time, it also proves that the proposed prediction method, which when compared with harmonic analysis method and the BP neural network method, has faster modeling speed, higher prediction precision and stronger generalization ability.     

GA-BP神经网络在罗源湾口波浪模拟研究中的应用

由于BP神经网络存在收敛速度慢和易于陷入极小值等缺点,引入遗传算法(GA)对网络的权值和阈值加以优化,并采用不同组合的输入因子和样本数,对福建省罗源湾口的波浪进行模拟研究.对输入因子的分析结果表明,研究区域的波浪主要受台湾海峡波浪传播影响,与局地气象因子(风速、风向、海气温差)的相关性较弱.训练样本试验表明,30 d以上的波浪历史数据可使GA-BP神经网络充分学习研究区域的波浪特征,从而实现对波浪要素的高精度模拟.模拟结果显示,对春、夏季实测波浪数据的模拟效果均很好,其中相关性分别为0.967和0.938,均方根误差分别为0.112 m和0.107 m,表明GA-BP神经网络在近岸波浪模拟预报中有较广阔的应用前景.     

距今220 ka以来大同盆地沉积物磁化率反映的气候变化

大同盆地地处我国季风影响的北部边缘, 第四纪以来盆地内发育厚层的河湖相地层, 其上覆盖马兰黄土或全新世沉积, 蕴含着丰富的气候环境变迁信息, 是研究气候环境变化的理想场所. 在对盆地内地层考察的基础上, 对晚近地质时期河湖相与风成相互层沉积剖面的磁化率、粒度变化进行了分析. 结果表明: 220 ka BP以来大同盆地气候变化经历了中更新世(220~199 ka BP)暖湿期、中更新世(199~138 ka BP)干冷期、末次间冰期(138~71 ka BP)暖湿期、末次冰期(71~11 ka BP)干冷期、全新世(11 ka BP至今)频繁的干冷暖湿波动变化过程, 每个阶段仍有次一级的气候波动. 大同盆地这种气候变化与深海氧同位素以及我国北方萨拉乌苏河地区、岱海等地揭示的气候变化有很好的对应, 反映出本区气候变化是对全球冰期-间冰期气候波动的响应.     

三种地下水位动态预测模型在吉林西部的应用与对比

准确而可靠地预测地下水埋深对生态环境保护和水资源规划管理具有重要意义。针对吉林西部浅层地下水位动态变化的复杂性和非线性,提出了基于小波分析与人工神经网络相结合的预测方法小波神经网络(WA-ANN)模型。将研究区2002年1月2009年12月当月降水量、蒸发量、人工开采量和前月平均地下水埋深4个参数作为输入,当月平均地下水埋深作为输出,建立浅层地下水埋深预测模型,并与BP神经网络(BP-ANN)模型和自回归移动平均(ARIMA)模型进行比较,对比分析了三者的建模过程及其模拟精度。结果显示:相比两种ANN模型,ARIMA模型建模过程更为简单,计算效率更高;但WA-ANN模型的拟合精度高于BP-ANN和ARIMA模型,预测效果更好。总体来看,WA-ANN模型在浅层地下水埋深预测中具有一定的应用推广价值。     

无人机核线影像的稀疏匹配与稠密匹配

无人机影像转化为水平核线影像后,能够有效地减少同名点的搜索空间。在此基础上,本文使用SIFT算子进行了稀疏匹配,并用BP算法进行了稠密匹配。结果表明：①SIFT算子获取的同名点比较少,但是计算方法简单,同名点空间坐标精确,适用于大范围获取简要的空间三维信息;②BP算法计算复杂度高,可以获取地物大量的同名点,适用于小范围的地物三维重建。总体而言,两者各有优缺点,在实际的应用中可互补。     

基于广义回归神经网络的GPS高程转换

为提高GPS高程转换的精度,采用广义回归神经网络(GRNN)进行拟合。将控制点的X、Y坐标作为网络输入,高程异常作为网络输出,采用实验数据训练网络,训练完成的网络作为模型进行高程异常预测。结果表明,GRNN方法具有较高的GPS转换精度。     

基于人工神经网络的喀斯特地区水资源承载力综合评价——以贵州省为例

运用BP网络对贵州喀斯特地区水资源承载力进行综合评价,并与灰色关联投影法评价结果进行对比。结果表明,两种方法的评价结果整体差别不大,但安顺市和铜仁地区的承载力差别很大。神经网络法所得结果,铜仁地区水资源开发利用潜力最大,而安顺市则很小,仅高于贵阳市;但灰色关联投影法所得结果,铜仁地区的水资源承载力却比安顺市低很多。通过与前人研究结果比较,BP网络的评价结果更加符合实际情况。应用Kohonen网络进行分析,结果表明水资源总量和经济发展水平是影响贵州各地区水资源承载力的主要因素;此外,人口对遵义市的水资源承载力也有较大的影响,铜仁和毕节地区受喀斯特的影响较其他地区显著。