基于粒子群算法优化BP神经网络的地铁暗挖段地表变形预测

在使用传统BP神经网络算法建模进行预测过程中,由于初始权值和阈值是随机给定的,易使网络陷入局部最优,从而导致预测精度较低。利用具有较强优化能力的粒子群算法（ particle swarm optimization ,PSO）优化BP神经网络在训练过程中的初始权值和阈值,建立新的预测模型,以青岛地铁3号线保河区间隧道监测数据为例进行验证分析,研究结果表明,与传统BP神经网络预测算法相比,使用PSO算法优化的BP神经网络预测算法可以得到更优的预测结果。     

遗传算法优化的BP神经网络城市不透水层百分比估算

本研究利用基于遗传算法优化的BP神经网络算法估算城市不透水层百分比。首先,将像元中各端元组分与BP神经网络的节点相对应进行BP网络建模,遗传算子建模;其次,对样本进行网络训练,先通过GA算法得到全局近最优网络权重集,然后用梯度下降算法训练网络,直到找到能充分反映特征空间中的数据分布模式的局部最优网络权重集;然后,训练好的网络被应用于整个影像用来估算城市不透水层覆盖百分比。在此基础上,对北京市地表不透水层百分比进行估算。试验结果表明,本研究所用的方法能有效利用中高分辨率遥感影像数据估算城市不透水层百分比。     

徐州市区土壤重金属空间分布研究

本文以徐州市泉山、云龙、鼓楼、九里4个城区的表层土壤为研究对象,利用BP神经网络模型结合GIS技术对徐州市表层土壤重金属空间分布进行了研究.结果表明:BP神经网络模型能够智能地学习各个样点的空间位置与该点各重金属含量之间的映射关系和预先设计好的分类评价模式,并能够对各个空间插值点处的重金属含量和污染状况进行预测和评价....     

基于支持向量机的CloudSat卫星云分类算法

从基于云角色的分类思想出发,利用星载毫米波雷达探测资料提取云的特征参数,建立支持向量机（support vector machine,SVM）模型实现云的分类。通过与BP（back propagation）网络模型的分类结果进行对比,发现两种模型都具有较好的分类能力,但SVM模型的识别准确率更高,计算速度更快。基于CloudSat资料的云分类实例表明,SVM模型的分类结果与CloudSat数据处理中心（Data Processing Center,DPC）发布产品具有很好的一致性。     

ABP法在高密度电阻率法反演中的应用

非线性反演方法作为地球物理反演的一个重要分支,在地球物理反演中发挥着特有的作用.近年来学者对非线性联合反演研究较多,但目前仍未有实质性的研究进展;本文尝试利用BP(Back Propagation)神经网络优化方法与蚁群算法联合演算,实现高密度电阻率法的电阻率二维非线性反演.通过两组模型的结果比较,BP与ABP 法的反...     

BP 模型在南海神狐海域天然气水合物储量参数预测中的应用

在用测井数据预测储量参数方法的基础上,采用BP 神经网络法预测天然气水合物储量参数( 孔隙度、饱和度) 。选取一口有实测值的井,将其测井数据作为样本数据,建立网络模型,由其他井的测井数据输入此模型得到储量参数预测结果。经过实践检验此模型得出的结果比经验公式法更精确。     

IPCC AR4气候情景下长江流域径流预测

通过评估IPCC第四次评估公开发布的22个全球气候模式对长江流域降水和气温的模拟性能,选取了BC-CR-BCM2.0等7个气候模式,利用这些GCM s在A1B、A2和B1三种典型排放情景下的未来气温和降水预测结果,结合BP神经网络模型,在对模型验证效果良好的基础上,预测未来气候变化下长江流域径流变化趋势.结果表明,长江流域未来年平均径流量呈减少趋势,宜昌水文站以枯水年减少为主,未来年平均流量比历史年平均流量减少了520 m3/s;大通水文站则以平水年减少为主,比历史年平均流量减少了250 m3/s,水量的减少对南水北调东中线的调水规模和调配、管理提出了较大的挑战.长江流域多年平均月流量增加将主要发生在1~6月,而7~12月将以减少趋势为主.宜昌站和大通站的1~6月份平均增加幅度分别为29.6%和13.8%,7~12月份的平均减少幅度分别为-18.2%和-11.0%,宜昌站的变幅要高于大通站.宜昌站汛期呈减少趋势,平均为-8.5%,非汛期略有增加.大通站变化趋势与宜昌站相反,汛期呈增加趋势,平均为2.3%,非汛期略有减少.     

奥里油溢油扩散面积预测非线性方法研究

奥里油盛产于委内瑞拉,是一种煤、石油等潜在的替代燃烧物,近年来已经应用于多个国家的电厂锅炉、工业炉等燃油场合。随着应用量的增大,其海上运输产生的溢油风险也越来越大。针对奥里油溢油现象并基于图像处理及边缘检测提出了一种奥里油溢油扩散面积预测的方法。在Matlab环境下,对图像进行边界提取,面积计算,最后利用BP神经网络进行面积预测。通过与实验进行比较,结果表明,采用Sobel算子进行边缘检测时提取的边缘较细、对边缘定位较准、对灰度渐变和噪声处理较好。采用BP神经网络获得的面积预测结果与实验测得的结果最大相对误差为0.88%,吻合度较好。     

多年平均气温空间化BP神经网络模型的模拟分析

气温数据空间化是插补无站地区温度、使气温数据便于综合分析的重要技术手段.理想情况下,气温的空间化分布受经度、纬度和海拔高度的影响,呈现规律性的空间分布态势.但是,各种微观因子如坡度、坡向、地形起伏、地表覆被等的存在,在一定程度上扰乱并弱化了这种规律性的分布态势.本文基于Matlab平台,利用BP神经网络研究了多年平均气...     

大气对地球自转变化的影响-方法和数据的深入分析

大气相对固体地球的运动产生大气相对角动量，它的变化可以激发地球自转多时间尺度的变化．计算大气相对角动量现在采用两种不同的垂直积分高度，一种为从地形表面积分到顶层大气，称之为SP方法；另一种为从1000hPa积分到顶层大气，称之为BP方法，对采用这两种方法所得到的大气相对角动量进行了详细的比较．应用欧洲中距气象预报中心（ECMWF）和美国国家环境预报中心（NCEP）大气再分析数据，重新研究了大气相对角动量变化的时空特征．通过对大气相对角动量季节平均，季节振幅和时空特征的分析，得出ECMWF和NCEP的大气相对角动量变化对地球自转周年极移的影响，在亚洲季风区域和南极洲区域差别最为明显．