利用化学传感器检测海水中的多氯联苯

为建立一种简单快捷的多氯联苯检测方法, 本研究应用化学传感器对宁波沿海重点陆源排污口及周边海水中的多氯联苯进行了检测, 采用HS-SPME-GC-MS(顶空固相微萃取-气质联用)对结果进行了验证。利用化学传感器测定海水中的多氯联苯, 在LDA(线性判别分析)中, 总判别率为99.81%。海水体积增大到5mL时, LDA 最低检测限达到了0.01ng/L。建立的模型中, 欧氏距离、相关性、判别函数法和马氏距离对样品浓度鉴别的正确率分别达到了100%、100%、92%、84%。采用Loading分析法简化了传感器阵列, 使BP神经网络总的MSE达到了5.6548e?006, 总的相关系数0.99998, 而最大误差只有1.0300e?002的水平。HS-SPME-GC-MS对海水中多氯联苯浓度的检测限最 低为0.001?g/L, 远高于化学传感器的0.01ng/L, 回收率在100%—120%之间。     

BP神经网络拟合区域似大地水准面的应用分析

针对区域重力似大地水准面与GPS/水准数据可能受系统误差影响而降低计算精度的问题,采用BP神经网络拟合区域似大地水准面,削弱系统误差等因素影响,提高区域似大地水准面的拟合效果。分析BP神经网络进行区域似大地水准面拟合的局限性。使用不同区域范围的数据进行验证,结果表明BP神经网络在控制区域内能够较好地逼近实际似大地水准面,而在区域之外具有较差的外推能力。     

大坝变形的神经网络方法研究

大坝的失事带来的不仅是经济损失也是安全隐患,因此,建立一种大坝变形长期预测模型对它的安全评价将具有重要意义。本文针对华东CC大坝5JHJl04监测点的垂直位移变形进行分析,在传统的回归分析模型和常规神经网络模型的基础上建立了将两种方法结合的融合模型,得到大坝变形分析的最优模型。其精度与一般方法相比有了进一步的提升,可以更好地进行大坝变形预测。     

基于BP神经网络技术的区域短期地震预测模型研究

地震预测是一个世界性科学难题,特别是短期与临震预测的水平与社会需求相距甚远。论文在详细分析研究地震数据特征以及常规地震预测方法的基础上,提出了一种可以实现地震震级量化预测的新方法,此方法通过解算出地震参数和天文时变参数并建立地震预测模型,对未来预测周期内发生的最大地震震级进行量化预测。本文以实验区域为研究对象并选取6个月为预测周期,采用线性回归分析方法和常规BP神经网络方法进行研究。经回溯检验,其地震震级预测中误差分别为±0.78级和±0.61级,精度均有待提高。经过总结上述两种方法的优缺点,创新的提出了基于线性回归与神经网络技术的地震预测融合模型,回溯检验结果表明,融合模型的震级预测中误差为±0.41级,地震预测效果显著提高。     

辅以纹理和BP神经网络的TM遥感影像分类

在提高遥感图像分类精度的方法中,将纹理信息作为扩展的特征向量加入特征空间中,是一个很有效的方法。利用地物在空间上的联系提取纹理,进而参与BP神经网络分类,实验结果表明加入纹理后明显提高了具有纹理信息的地物的分类精度。     

浅析GPS高程拟合在城镇控制测量中的应用

GPS测量的大地高精度达到了(3～4)×10-6,本文结合城镇控制测量对GPS高程拟合情况进行了分析。研究结果表明,通过施测少量均匀分布的GPS点的水准高程,采用BP神经网络方法拟合GPS点正常高可以部分替代水准高程或三角高程。     

一种人工神经网络云分类方法的改进与应用

采用2005—2009年FY-2C静止气象卫星可见光和红外自旋扫描辐射计的红外1(IR1)、红外2(IR2) 和水汽 (WV) 亮温资料,选取2449个云分类样本。设计两层嵌套的前向传递后向反馈 (BP) 人工神经网络模型,第1层网络选取IR1,IR2,WV亮温及IR1与WV亮温差和IR2与WV亮温差5个特征量,第2层网络选取特征量IR1与IR2亮温差,两层网络都采用一层隐含层且带有附加动量法的简单网络,降低了网络的冗余度。误差分析表明:嵌套BP人工神经网络模型的分类准确率在中云和薄卷云这两类上分别提高了42.7%和11.3%,整个分类模型的平均平方误差和标准化平均平方误差分别降低了6.1%和44.7%,相关系数提高了3.4%。通过3个个例的对比分析发现,嵌套模型的分类结果比传统模型的分类结果更合理,特别是在中低云和薄卷云的云量和位置分辨能力上有了较大提高。     

基于人工神经网络的大坝变形分析与预报——以西津大坝27~#点的变形监测为例

以MATLAB语言为基础,应用BP神经网络、逐步回归分析进行西津大坝27#点的变形分析与预报研究.在此基础上,进一步提出了逐步回归BP神经网络组合的预报方法,并探讨了3种方法的预报结果.研究表明,BP神经网络用于大坝变形分析与预报是可行的,所提出的逐步回归BP神经网络组合法提高了变形影响因子选择的科学性,在预报效果上,优于前两种方法.     

基于BP神经网络的降雨充水矿井涌水量预测

长沟峪煤矿矿井涌水量受降雨影响显著,曾经因降雨造成淹井事故。文章分析了长沟峪煤矿矿井充水因素及其影响程度,建立了矿井涌水量预测的BP网络模型,通过对2006年和2007年＋141水平和＋20水平矿井最大涌水量预测验证了该模型的可行性,并据此对不同降雨条件下的矿井涌水量进行了预测。     

基于GA-BP神经网络的地基干涉雷达监测效能分析

针对地基干涉雷达露天矿矿区边坡地面灾害监测中影响因素众多且关系复杂的特点,将GA-BP算法应用于GB-SAR形变监测效能分析中。将GB-SAR扫描坡度、扫描坡向以及雷达回波强度3个因子作为神经网络的输入,边坡监测区域实测获取的单位面积上具有形变信息的点个数作为输出,并利用皮尔逊相关系数法分析各影响因素同监测效能的相关性质和相关程度。结果表明,该算法适用于地基干涉雷达的监测效能分析,且具有一定的有效性和优越性。