应用人工神经网络计算孤立波爬高

运用附加动量法和自适应学习速率对具有一层隐含层的BP网络进行改进，并由此建立神经网络模型来计算孤立被的爬高。将试验值分别与Synolakis公式以及本文结果进行比较，证实神经网络模型计算方法对于计算孤立波的爬高是合适的。     

悬沙的ADCP估测方法

ADCP估测悬沙含量是基于声波的背散射强度正比于悬沙浓度的理论。在实际测验中，由于多种因素干扰，ADCP所得到的背散射强度与悬沙浓度之间存在着不定的非线性关系。同传统的回归方法比较，BP网络模型方法可以使含沙估测精度有较大的提高。     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7 ETM 遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演。结果表明:具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5m的水深值反演精度较高,而对大于10m的水深值反演精度较低。     

Discussion on “Correction of soil parameters in calculation of embankment settlement using a BP network back-analysis model” By Zhi-liang Wang, Yong-chi Li, R.F. Shen [Engineering Geology 91 (2007) 168–177]

The paper studied by Yong-chi Li and R.F. Shen (2007) includes some problems regarding the application of the proposed Neural Network (NN) approach. A very limited number of data has been used as testing set (only 3 among 52 data sets) which should be 20–30% of the database. The NN application in the study is not a function approximation problem where same input must always lead to the same output. NNs cannot be used for such an application. Moreover the generalization capability of the NN model has not been investigated. This discussion, aims to points out controversial points of the paper.     

一种基于 BP 神经网络的尾矿坝沉降预报方法

基于BP神经网络建立尾矿坝沉降预报模型,重点对BP神经网络的拓扑结构和学习算法进行研究。并以某尾矿库初期坝的沉降监测数据为例,对模型的拟合、预测精度进行验证。实例表明,BP神经网络自学习、自组织能力强,具有极强的线性逼真能力,能够准确地反映输入、输出变量之间的非线性关系,有效地表征尾矿坝的沉降变形规律,对即将发生的变形情况做出科学、合理的预报。     

ν-支持向量机洪水预报模型研究

为了提高洪水过程的非线性拟合能力和预报精度,对支持向量机洪水预报模型进行了深入研究。针对鸭绿江流域临江站的实际情况,建立了临江站洪水过程ν-SVR预报模型,采用1998~2014年间的大水年份降水资料和洪水过程资料对ν-SVR预报模型进行了率定和验证,并与线性动态系统模型、BP人工神经网络模型和ε-SVR模型进行了比较。结果表明:ν-SVR洪水预报模型比线性动态系统模型和BP人工神经网络具有较高的精度。ν-SVR洪水预报模型具有较好的非线性拟合能力和泛化能力,能很好地控制支持向量个数、降低模型的复杂程度,同时能保持良好的预报精度。     

An improved BP neural network based on evaluating and forecasting model of water quality in Second Songhua River of China

Taking the Second Songhua River which lies in the northeast of China as a study area, this paper firstly designs the improved BP neural network water evaluating and forecasting model of which 13 water evaluating items are selected as nodes in input layer; 6 classes of evaluating results are selected as nodes of output layer; then, with the ＂0, 1＂ identified pattern and continually practiced comparisons, ＂13-9-5-6＂ double hidden layers with optimized training structure are confirmed; on the basis of this work, the water quality of the Second Songhua River was evaluated and forecasted at the end. The results showed that in the six classes of predefined water quality in 157 stations, none of them belongs to class Ⅰ, and classes Ⅱ, Ⅲ, Ⅳ and Ⅴ are as follows： 8.91%, 58.59%, 18.47%, 1.91% and 12.1%, respectively; the precision of these evaluating and forecasting results is 82.8%.     

基于灰关联与人工神经网络综合评价模型的多层砖房震害预测

结合几次大地震中多层砖房的实际震害资料,基于灰关联识别方法,解析了各影响因子对多层砖房抗震性能的影响程度。以反映结构抗震性能的各类物理参数作为输入数据,以给定地震动峰值加速度下建筑物破坏状态的概率作为输出数据,采用8-6-5层结构,建立了基于BP人工神经网络的非线性模型,并对震害样本进行了训练。结果表明:利用灰关联分析,可得出各因子对多层砖房抗震性能影响程度的大小排序,有利于实际的工程抗震设计;基于BP人工神经网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,其思路和方法可推广于其他不同类型的建筑结构的震害预测。     

西藏扎布耶湖区128～1.4ka BP的微体古生物与环境气候变化

本文主要根据西藏扎布耶湖区SZK02孔所揭露的近84m剖面的沉积物特征与其产的介形类6属20种,轮藻类2属3种,结合14C、ESR、U-series地层测年等,初步认为该区128～1.4ka至少存在5个较明显的气候变化时期。①在128～76.7ka(83.63～57.0m)处于我国末次间冰期时段,气候凉湿,湖盆扩展,在90～81ka期间湖面最高,水质最淡。②76.7～58.6ka(57.0～38.13m)为我国末次冰期早冰阶时期,湖盆收缩,水温低,早期76.7～69.7ka(57.0～47.5m)偏冷湿,中期69.7～65.0ka(47.52～42.64m)气候温干,正逢早冰阶时期;晚期65.0～58.6ka(42.64～38.13m)气候干燥度下降。③58.6～29.1ka(38.13～13.75m)处于我国末次冰期间冰阶时段,早期58.6～51.6ka(38.13～33.07m)偏温湿,为3c暖期;中期51.6～42.5ka(33.07～26.13m)气候干冷,为3b冷期,正临末次冰期中冰阶时;晚期42.5～36.0ka(26.13～20.16m)偏凉湿,湿度更大,再次出现高湖面,为3a暖期;末期36.0～29.1ka(20.16～13.75m),趋向温干。④29.1～11.8Cal.ka(13.75～4.83m),气候趋向干冷,处于末次盛冰期(LGM)、末次晚冰阶时期,湖盆萎缩,水温低。早期29.1～16.6Cal.ka(13.75～6.98m)偏温湿;晚期16.6～13.1Cal.ka(6.98～5.76m)寒冷干燥;至末期13.1～11.7Cal.ka(5.76～4.83m),进一步干燥寒冷,全球新仙女木事件在本区发生。⑤11.7～1.4Cal.ka(4.83～0.65m),大致进入全新世气候期,气候波动大,凉湿与干冷交替频繁发生。在11.7～10.7Cal.ka(4.83～4.42m)时较温湿;10.7～9.5Cal.ka(4.42～4.07m)转向干冷;9.5～9.1Cal.ka(4.07～3.7m)更干冷,湖盆进一步萎缩;9.1～6.3Cal.ka(3.7～2.86m)向温干过渡;6.3～3.6Cal.ka(2.86～1.77m)干冷,湖泊已成盐湖;3.6～1.4Cal.ka(1.77～0.65m),气候趋向冷湿。     

BP神经网络在冻土路基变形预测中的应用

在青藏铁路冻土路基现场实测资料的基础上，用改进的BP神经网络建立起了路基变形与地温、路基高度和上限之间的非线性映射。对某一典型路基第30年的变形进行了预测，结果显示路基的累计融沉量在冻胀量的两倍以上。从绘制的路基变形过程曲线可以很清晰地看出路基一年中的变形趋势和冻胀融沉区间。在4月份以后，路基的变形由冻胀向融沉转变，变形与地温有很好的正比关系，但是当地温升高到一定值时，路基的融沉量便不再随着地温的升高而增大。路基的冻胀与地温的关系也有相似的规律，说明地温对路基变形的影响存在一个比较明显的区间，在这个区间范围内的温度对路基变形的影响较大，这为控制路基的病害提供了一个比较有价值的信息。