铜陵凤凰山铜矿区多源信息综合集成成矿预测模型探讨

在研究凤凰山铜矿区成矿地质背景和成矿作用过程的基础上,运用历史分析和动力分析的综合分析方法,结合现代成矿预测理论,提取了本区多元地学信息综合集成的成矿预测信息,并利用具有较强的非线性拟合功能的BP人工神经网络模型,探讨建立了本区多元信息综合集成的成矿预测模型.     

陕西GPS连续观测网站点时间序列去噪与速度场分析

利用GAMITL/GLOBK软件对陕西GPS连续观测网的站点2008-2014年近6 a的连续观测数据进行处理得到基准站原始时间序列;并采用Kalman、ARMA、BP这3种方法对原始时间序列进行滤波去噪分析,结果表明3种方法都有效地剔除了一定量的噪声,使站点在N,E,U这3个方向上的坐标趋势更加显现,尤其是在选定合适的状态噪声矩阵后Kalman方法要优于其他两种方法。同时去噪得到的陕西连续观测网站点在ITRF2008框架下的速度场精度更高,N方向的平均速度为-0.010 1 m/a,E方向的平均速度为0.033 8 m/a,整体往东南方向位移,渭河盆地和汉中盆地内几个站点沉降量较大。     

基于遗传BP神经网络的海底沉积物声速预报

在海底沉积物声速预报中,针对传统经验公式存在预测精度差、适用范围窄、缺乏物理意义等问题,在已有BP神经网络预测的基础上,运用遗传算法优化其初始权值和阈值的方法,构建出基于含水量、孔隙度的声速预报模型。将南沙海域采集得到的海底沉积物样品分为两部分,抽取120组涵盖陆架、陆坡、海槽等地貌单元的样品作为训练数据,另外剩余6组作为测试数据。经试验对比后发现,在对本区域进行声速预报时,宜采用遗传算法优化的BP神经网络,其要优于传统的单参数、双参数回归拟合预报方法和国内外其他学者所得到的经验公式。此种预报方法具有一定的科学依据和广泛的应用前景,可在今后为建立明确、统一的声速预报模型提供参考。     

GM-BP 组合预测模型在基坑沉降分析中的应用

为提高变形预测的精度,采用GM(1,1)与BP神经网络组合模型进行预测。灰色GM(1,1)模型使用方便,在样本数据较少的情况下能够取得不错的预测效果,但对预测序列存在规律性波动或突变时的预测能力不强;而神经网络模型建模过程相对复杂,需要较多的训练样本,但对于数据存在规律性波动和突变时有很好的预测能力。组合模型融合两者优点,将其应用于基坑沉降数据预测,结果表明,该模型预测精度优于传统的单一预测模型。     

电离层总电子数预报方法研究

针对电离层总电子数对于提高导航定位精度的重要性,该文采用2014年国际GPS服务公布的年积日为第1~10d的电离层总电子数为原始数据,以自回归模型、灰色系统模型、BP神经网络模型两两结合的方式完成建模和预报。通过比较不同纬度、不同预测天数的实验结果分析各模型预报精度及适用范围。结果表明,利用BP神经网络模型对AR模型的预测值进行补偿,在赤道处模型拟合的相对精度达到91.32%;残差范围控制在-1.0~0.8TECU内,预报残差最优可达到0.0TECU,从而证明了该方法可以提高电离层总电子数预报精度。     

孢粉记录揭示的4000 a BP来乌鲁木齐河源区气候环境变化

对乌鲁木齐河源大西沟气象站附近热融塌陷剖面的分析,重建了该区4000aBP以来的气候演变序列.结果表明:近4000aBP以来乌鲁木齐河源区气候经历了多次干湿变化,即4000～3630aBP为干暖期,3630～2270aBP为凉湿冷湿期,2270～2100aBP为干暖期,2100～1310aBP干暖转化为暖湿期,1310～1100aBP为干暖期,1100aBP至今是凉湿冷湿期.发现本区气候具有典型的西风带影响下的变化特征,遵循暖干同期、冷湿同期的规律;部分层位反映的暖湿气候说明东亚季风强盛时期,可以深入到乌鲁木齐河源地区.     

公路软基沉降函数干涉神经网络预测模型

建立了基于函数干涉神经网络的公路软基沉降预测模型。工程实例表明,所建议的模型外延性好,而且,可以由较短预压期内沉降观测资料预测远期沉降发展,与传统沉降预测模型相比具有显著的优越性,工程应用前景广阔。     

路堤沉降计算中邓肯-张模型参数修正初探

有限单元法是计算路堤沉降常见的数值计算方法,其中土体模型参数的真实性是该法计算结果高精度的保证。首先,针对邓肯-张非线性模型中各参数对沉降影响的程度进行了分析,找到了灵敏度较大的5个参数。然后,利用人工神经网络技术,结合前期沉降实测资料,提出了一种反馈修正K,G这两个主要参数的思路。计算表明：此种修正法是可行的,且依据修正后参数的沉降计算结果更准确,在工程实践中有一定的参考价值。     

基于差异进化算法的前馈神经网络在大坝变形监测中的应用

针对当前大坝安全监测中广泛采用的回归模型欠拟合的不足,提出了基于差异进化算法的前馈神经网络模型。差异进化算法是基于种群策略的全局优化搜索算法,具有应用简单、收敛快的优点。采用该法训练的神经网络可以有效避免常规BP(back propagation)神经网络收敛于局部极小点的缺陷。将提出的方法应用于某拱坝的变形监测,通过计算表明,应用DE(differential evotntion)神经网络模型预报大坝变形的精度比常规回归模型和BP神经网络模型均有所提高。     

BP神经网络在贵州喀斯特山区径流预报中的应用

以贵州六冲河、倒天河流域为例建立喀斯特山区径流预报BP神经网络模型。六冲河流域以七星关站丰水期流量过程为输出数据,以丰水期降雨过程、出口断面前期流量过程、蒸发量作为输入数据,倒天河流域以徐家屯站丰水期流量过程为输出因子,丰水期降雨过程、前期流量过程作为输入因子。预报结果确定性系数DC值分别为0.538、0.420。结果表明将蒸发量作为输入数据、流域面积比较大模型预报精度较大。