相关性的组合预测模型在开采沉陷中的应用

针对当前开采沉陷不同阶段的单点沉陷变形预计精度不高的问题,该文首次从基于相关性的组合预测模型的思想出发,建立了面向沉陷不同阶段的基于相关系数的组合预测模型。实例验证结果表明,基于相关系数的组合预测模型在开采沉陷预测中的应用克服了单一模型的局限性,能够有效利用不同单一模型的信息,有较高的精度和可信度;能够满足不同阶段的开采沉陷预测,更适用于对沉陷变形数据要求高的场合。     

基于粗糙集与BP神经网络的底板破坏深度预测

基于粗糙集理论,以指标集为基础,建立了底板破坏深度影响因素的知识表达系统,提出了规则提取原则,通过粗糙集决策规则的数据处理,得出获得各因素对底板破坏深度的影响顺序为:采深、煤层倾角、工作面斜长、采厚、底板抗破坏能力、工作面是否有切穿型断层或破碎带。由于底板抗破坏能力、工作面是否有切穿型断层或破碎带这些参数难以确定,采用其余4种影响因素建立BP神经网络的预测模型,并根据建立的模型预测肥城煤田的9101和9507工作面的底板破坏深度。通过与实测结果对比,证明该网络模型的计算结果比规程提供的经验公式计算结果更接近实际。     

基于BP神经网络的稳定湖相和风成沉积物粒度数据表征方法

沉积物的形成受到多种地质因素的综合控制。通过粒度分析可判别沉积物的成因类型,推断其形成的沉积环境,解释环境演变;而沉积物的粒度组分除了受到原岩的控制外,还受到机械沉积作用的影响难以准确预测。运用人工神经网络对稳定湖相沉积物和风沉积物的粒度参数进行研究,将沉积物的4个粒度参数作为网络模型的输入变量,在对168个浙闽沿海迎风岸风成老红砂样品和282个苏贝淖湖滨湖泊沉积物样品所对应的粒度参数进行数据样本训练之后,获得了基于BP神经网络的稳定湖相和风沉积物预测模型。然后利用448个大树摆鱼湖相沉积物粒度参数样本和100个兰州榆中黄土风沉积物粒度参数样本作为测试样本对该模型进行了测试和验证,结果显示模型的可靠性较好,能够对沉积物的形成环境做出正确的判断。     

基于BP模型和Ward法的北京市平谷区乡村地域功能评价与分区

构建乡村地域功能评价指标体系,借助BP神经网络模型揭示平谷区“生产-生活-生态”功能分异特征;运用Ward法划分功能区,服务于平谷区乡村转型发展和功能区布局。结果表明：① 在多项功能综合作用下,平谷区基本形成了“平原地区生产功能较强、镇中心及周边村域生活功能明显、山地区以生态功能为主”的功能分布格局。② 基于评价结果和空间属性,平谷区划分为西部平原生产区、东部山地生态生产区、中部平原城市生活区、中部近郊平原生活区、东部丘陵生态生活区和北部山地生态区。其中,西部平原生产区、中部平原城市生活区、北部山地生态区是平谷三生空间功能发展的优势区域,分布相对集中。按照“强功能重优化、中等功能重提升、弱功能重改善”的原则提升乡村地域功能,促进地区均衡发展。     

基于集合预报系统的日最高和最低气温预报

根据欧洲中心集合预报系统2 m气温预报的集合统计值,提出了BP-SM方法,针对中国512个台站2016年3月的日最高（低）气温做预报分析。将集合预报系统的模式直接输出、BP和BP-SM方法得到的日最高（低）气温进行了比较,结果表明:预报时效越长,BP-SM方法较之BP方法的预报优势也更明显;在1至5 d的预报中,BP-SM方法显著降低了预报绝对误差,误差在2℃以内的准确率大部分在60%以上,部分站点达到90%;正技巧评分均值大多高于30%,在青藏高原东部和南部地区超过了60%。预报正技巧站点次数在绝对误差≤2℃（1℃）范围内有所提高,对日最高气温预报准确率的提高略好于日最低气温;BP-SM方法有效地降低了预报系统偏差,较大预报误差出现次数显著减少。      

智慧旅游城市旅游竞争力评价

提升旅游竞争力是智慧旅游城市建设的核心目标。在借鉴前人研究的基础上,建立包括5个一级指标、14个二级指标和33个三级指标的智慧旅游城市旅游竞争力评价指标体系,选取北京、南京、武汉、成都、大连、厦门等12个首批国家智慧旅游试点城市,通过模拟仿真运算构建智慧旅游城市旅游竞争力评价BP神经网络模型,并运用该模型对上述智慧旅游城市旅游竞争力进行评价和分析。结果表明：① 旅游科技创新竞争力是影响智慧旅游城市旅游竞争力最关键的一级指标,其他一级指标按重要性排序依次为旅游经济发展竞争力、旅游发展保障竞争力、旅游发展潜力竞争力和旅游环境支撑竞争力;② 中国智慧旅游城市旅游竞争力整体水平不高且极不均衡,根据评价等级和竞争态势分为5类。第一类北京市是中国智慧旅游城市旅游竞争力的标杆,5项一级指标评价值均领先于其他城市,总评价值高达0.887,评价等级AA、竞争态势“优势”;第二类南京市旅游环境支撑竞争力评价值与北京市并列第1,旅游经济发展竞争力、旅游科技创新竞争力和旅游发展保障竞争力评价值均位列第2,总评价值0.536,明显高于除北京市外的其他智慧旅游城市,评价等级BB、竞争态势“较强”;第三类武汉、大连、成都、厦门、镇江、温州、烟台7市代表目前中国智慧旅游城市旅游竞争力的普遍水平,5项一级指标评价值偏低且差距不明显,总评价值在0.3~0.4之间,评价等级B、竞争态势“一般”;第四类福州、洛阳2市绝大多数一级指标评价值较低,总评价值在0.2~0.3之间,评价等级CC、竞争态势“较弱”;第五类黄山市总评价值仅0.176,评价等级C、竞争态势“弱势”;③ 构建的智慧旅游城市旅游竞争力评价BP神经网络模型具有较好的科学性、普适性和可操作性,根据评价值的大小判断智慧旅游城市旅游竞争力的优劣,比照指标体系寻找差距并加以完善,同时对评价指标进行动态监测,将是智慧旅游城市旅游竞争力研究的重要发展方向。     

基于BP神经网络的霍普菲尔德模型改进研究

为了分析对流层延迟的时空变化规律、提高对流层延迟的改正精度,利用BP神经网络处理非线性问题的优势,改进传统的霍普菲尔德模型得到一种新的融合模型(Hop+BP模型)。分别对比Hop+BP模型与传统的霍普菲尔德模型、多元线性回归模型、BP神经网络等模型的计算结果,得到如下结论:霍普菲尔德模型存在一个明显的系统误差,精度较低;多元线性回归的预测精度有所提高,但是其本质是将数据强制拟合,缺少物理解释,难以推广使用;传统的BP神经网络的计算精度较之霍普菲尔德模型有80%的提高,但存在明显的不稳定性;Hop+BP模型具有预测精度高、稳定性好等优点,预测中误差为1.1cm,明显优于传统方法。     

基于不变性矩特征的人工神经网络2-D形状识别

在2—D不变性矩快速计算的基础上，利用人工神经网络，使用不变性矩完成2—D形状的识别。实验结果与现有文献的结果比较，本文采用的方法具有特征数目少、意义统一、识别快速、准确的特点。     

基于BP神经网络的智能入侵检测系统

介绍了BP神经网络的基本知识，设计了基于BP神经网络的智能入侵检测系统。并提出了根据不同的网络协议使用不同神经网络的思想，指出了每个神经网络需要的网络数据，并阐述了训练和测试神经网络的方法。     

基于EEMD-PSO-GRNN模型的元江中上游径流预测

径流序列的非线性和非平稳特性使得高精度的径流预报存在困难。本文组合EEMD和GRNN模型形成EEMD-GRNN耦合模型,预测时通过将径流序列分解为确定成分与随机成分并通过GRNN模型分别进行预测,预测值的加和则构成径流最终预测结果。EEMD-GRNN耦合模型应用到元江中上游,并与其他模型进行比较,结果表明：EEMD-GRNN耦合模型具有更高的预测精度,对径流的总体趋势预测有良好的效果,但在随机性的模拟上有待进一步完善。EEMD-GRNN耦合模型优于BP、GRNN、EEMD-BP模型,能有效提升径流预测的精度,可为流域的水资源优化调度等提供决策支持。