遗传神经网络在烈度评估中的研究与应用

准确判定极震区烈度是震后应急工作高效开展的重要基础。收集1966—2017年发生在中国大陆地区MS 5.0以上有详细烈度记录的地震事件322例,选取与极震区烈度有关的7个因子进行主成分分析,将提取的主成分确定为BP神经网络的输入,极震区烈度为输出,在遗传算法优化的基础上,构建用于极震区烈度预测的BP神经网络模型。结果显示,与传统模型相比,神经网络模型在预测误差分布、精度和预测结果正确率等方面都具有明显的优越性。     

Responses of river runoff to climate change based on nonlinear mixed regression model in Chaohe River Basin of Hebei Province,China

Taking the nonlinear nature of runoff system into account,and combining auto-regression method and multi-regression method,a Nonlinear Mixed Regression Model (NMR) was established to analyze the impact of temperature and precipitation changes on annual river runoff process. The model was calibrated and verified by using BP neural network with observed meteorological and runoff data from Daiying Hydrological Station in the Chaohe River of Hebei Province in 1956–2000. Compared with auto-regression model,linear multi-regression model and linear mixed regression model,NMR can improve forecasting precision remarkably. Therefore,the simulation of climate change scenarios was carried out by NMR. The results show that the nonlinear mixed regression model can simulate annual river runoff well.     

BP神经网络在区域滑坡危险性预测中的应用

由于区域滑坡危险性评价复杂性,在已知量和所求量之间往往存在着一种很强的非线性关系,而BP神经网络具备高度的非线性映射能力,因此采用BP神经网络来分析区域滑坡的危险性,可以取得良好的效果。本文结合具体区域滑坡危险性评价,使用Matlab神经网络工具箱中的相关函数建立具体BP神经网络,检验和预测区域滑坡的危险性。     

南京江北地区9490～4840 a BP环境演变的地层记录研究

来自^14C、δ^13C、粒度和地球化学元素的分析表明,南京江北地区在5120a BP、6240a BP、4840a BP和8914a BP是气候相对暖湿期,而8523a BP和6520a BP可能对应的是相对干冷的气候。该区在9490～4840a BP期间沉积速率具有明显不均一性,9490～8730a BP期间沉积速率为56mm／100a,8695～8566a BP期间为62mm／100a,而8523～4840a BP期间沉积速率仅为8mm／100a,上述现象可能与9490～8566a BP期间该区经历过海侵和地壳沉降加快有关。由于在第5～7层中未发现海相有孔虫,可以肯定该区海拔高于7m的地带在9490～4840a BP期间未受海侵影响。     

遗传BP算法在洛带气田测井物性解释中的应用

应用遗传算法(GA)对BP网络进行了改进，并在此基础上，利用多种测井数据及岩心描述资料作为网络模型的学习样本，以测井解释渗透率等参数的神经网络模型为例，通过网络的学习、训练，建立了神经网络模型．应用此模型计算物性参数值，解释结果及精度均令人满意．     

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。     

人工神经网络模型在地下水水质评价分类中的应用

人工神经网络(Artificial Neural Network以下简称ANN)是一种行之有效的数据处理和分析方法,它的应用领域不断扩大并逐渐完善,本文在传统ANN方法基础上进行了进一步的探讨,立足于BP算法,通过调整ANN输出结构,提高其鲁棒性能,从而使其更具有适应性.将改进后的ANN应用于地下水水质评价分类,并和模糊综合评判评价结果进行了比较,分类结果令人满意.     

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。     

应力波无损检测锚固质量的BP网络分析

本文探讨了用于锚杆锚固工程质量评价分析的人工神经网络模型,阐述了基本原理和算法,并结合实例应用表明该方法的可行性和有效性,完善了无损检测锚杆施工质量的声频应力波法。     

改进的神经网络反演微动面波频散曲线

通过分析微动探查方法和改进神经网络迭代反演算法,提出采用改进的神经网络迭代反演微动面波频散曲线。该方法在网络训练学习阶段通过批处理学习和优化网络结构提高网络学习速度;在迭代反演阶段通过v_R/λ_R-f曲线极值点的变化来调整输入模型以减少迭代反演次数;最后设计反演方案,并对6层介质模型进行频散曲线的网络训练和迭代反演,验证了方法的有效性。对比分析结果表明：该方法明显减少了迭代反演次数,提高了收敛速度,而且具有良好的抗干扰能力。