BP神经网络在地震综合预报中的应用

ＢＰ神经网络具有很强的非线性映射功能,它可以很好地反映震前出现的各类异常与未来地震震级及发震时间之间的较强非线性关系。在“地震预报智能决策支持系统”中使用了ＢＰ神经网络。介绍了该系统中的ＢＰ神经网络构成及其在地震预报中的应用,系统通过对实际震例的检验取得了较为理想的预报效果。     

The earliest archaeobiological evidence of the broad-ening agriculture in China recorded at Xishanping site in Gansu Province

The crop types and agricultural characteristic are reconstructed using the archaeobiological proxies of pollen, seed and phytolith at Xishanping site in Gansu Province between 5250 and 4300 cal a BP. The agricultural activity strengthened in Xishanping from 5100 cal a BP. It appeared the earliest cultivation of prehistoric rice in the most northwest China at 5070 cal a BP. The sudden disappearance of conifers and expansion of chestnut trees is likely to be the result of selective hewing of conifers and cultivation of chestnuts at about 4600 cal a BP. There existed 8 crop types of foxtail millet, broomcorn millet, rice, wheat, barley, oats, soybean and buckwheat at Xishanping between 4650 and 4300 cal a BP, which cover the main crop types of the two origin centers of East and West Asia. Not only has the wheat and barley been approved to spread to northwestern China, but the earliest complexity agriculture in Neo-lithic China appeared in Tianshui, Gansu Province.     

三峡水库运行对洞庭湖水位影响分析

洞庭湖的水情是长江和四水共同作用的结果,三峡蓄水运行必将导致洞庭湖的水情变化.本文利用BP神经网络对洞庭湖出口城陵矶站的水位过程进行模拟,以区分城陵矶水位变化中三峡的影响分量.模型训练阶段以三峡出库日均流量、洞庭湖四水合成日均流量为输入,城陵矶站的日水位过程为输出,应用阶段用三峡入库流量代替出库流量,从而还原自然状态下...     

基于受灾者关键期自救的应急救援物资结构研究——以地震灾害为例

物资是救援的基本条件,从受灾者关键期自救角度研究应急救援物资结构对受灾者充分利用灾后救助黄金期展开自救工作,降低人员伤亡具有重要意义。应急救援物资基本类型相对固定,基于国家应急物资分类标准通过调查研究得出了各类物资的紧要程度排序并得到了地震灾害应急救援物资分类结构。应急物资数量结构具有变动性,区分自救者的双重身份,采用范例推理和BP神经网络方法分别从救援者和受灾者角度对应急救援物资数量结构进行分析研究,理论上可以获得更为准确的应急物资数量结构预测结果。     

交叉熵神经网络及其在闽北大雨以上降水预报中的应用

基于误差平方和最小化准则的BP神经网络(ANN-MSE)并不适合解决小概率天气事件的预报问题,引进一种改进的以交叉熵函数为目标函数的神经网络方法(ANN-CE),该法是一个三层反向传播神经网络,其输出层只用一个节点.利用2003-2008年的ECMWF预报场资料,把该法用于福建省南平市4-6月部分大雨或以上降水96h预报中,分别用原始因子和PCA降维后的主因子建立了ANN-CE预报模型和ANN-MSE预报模型,用这些模型对2009-2010年独立样本进行了试报.测试结果显示主因子预报模型TS评分比原始因子预报模型高且漏报次数少,其中,主因子ANN-CE预报模型的TS评分和漏报率分别是0.51和0.17,其性能是所有模型中最好且最为稳定的,是一种适合于小概率事件预报的方法.     

WRF/CALMET/BP预报系统对内陆山区风电场的一次滚动预报检验

利用以中尺度数值模式WRF/CALMET作为风电场预报系统的动力模块,及BP神经网络法(BP-ANN)作为风电场预报系统的统计订正方法,对重庆市齐跃山风电场进行了一次时间分辨率为5 min的24 h风速、风功率的滚动预报试验,探讨了适用于中国典型内陆山区的风电场预报系统。结果显示：以WRF/CALMET/BP组成的动力—统计预报系统能够较好地模拟出内陆山区的风场特征,系统对正午至傍晚时段的风速预报准确率较高。WRF/CALMET动力模式对于风速中心振幅的模拟能力较好,经过BP神经网络订正后,模拟结果会趋于均值。不同风速段中,模式对低风速段(3～8 m·s^-1)的预报效果较好,BP神经网络对中风速段(8～14 m·s^-1)预报结果的订正效果最明显。     

基于BP神经网络与遗传算法反演大气温湿廓线

为提高地基微波辐射计大气探测精度,融合BP神经网络与遗传算法,研究0~10 km大气温湿度廓线。首先,结合数据特征,基于数值模拟技术,建立一套TP/WVP-3000型号地基微波辐射计的一级数据质量控制和订正模型。然后,为减小训练样本代表性误差对模型反演精度的影响,利用遗传算法优化训练样本数据,建立一套精度更高的神经网络大气温湿度反演模型。最后,利用构建的反演模型,开展大气温湿度反演试验,结合探空资料和微波辐射计二级产品,评价反演模型精度。研究结果表明:(1)经过质量控制后的实测数据与模拟数据之间的相关性有显著提升;(2)经过质量控制与订正后建立的神经网络模型对比原微波辐射计二级产品的反演精度有一定提升,温度提升6.77%,湿度提升20.11%;(3)经过遗传算法优化后的训练样本所建立的神经网络反演模型对比原微波辐射计二级产品反演精度有进一步的提升,温度提升10.21%,湿度提升23.75%,反演结果与该地区同类型研究结果相比有着较大提升。      

基于统计降尺度方法的夏季降水精细化预报

利用1999—2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料,研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系,以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化,从而实现空间降尺度.分析对比6种预报模型46站逐日降水量的拟合和预报效果,结果表明:采取相同的预报对象及预报因子的BP神经网络模型在拟合和预报效果上均好于线性回归模型,可见夏季降水场之间以非线性相关为主;神经网络模型预报结果同常用的Cressman插值预报相比,能很好地反映出降水的基本分布及局地特征;预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好,预报对象为REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好.     

基于神经网络技术的天气雷达超折射回波识别

基于SA多普勒天气雷达资料,从其基本反射率、径向速度和谱宽3个基本产品中提取出6个能反映它们之间差异的特征参量,并对它们进行概率统计分析,作为BP神经网络的识别因子。通过建立适当的训练集对神经网络进行训练,从而得到最优的网络结构,再利用测试集对经过训练的网络做进一步测试,对其识别效果进行评判。结果表明:当神经网络的输入层、隐含层和输出层的神经元个数分别为6、6、2时,能够对超折射回波达到最优的识别效果。最终通过实际个例对识别效果做再次验证。     

联合星载毫米波雷达和中分辨率光谱成像仪的云底高度反演

云底高度是云重要的宏观物理参数。本文基于MODIS和CPR探测得到的可见光、红外和毫米波数据,提出了用主成分分析(Principal Component Analysis,PCA)和BP神经网络反演云底高度的新方法,并以相对湿度阈值法处理探空资料所获取的云底高度为基准,对PCA-BP法和CloudSat产品获取的云底高度进行了对比分析。结果表明:对绝大部分类型的云,PCA-BP法的反演偏差小于CloudSat产品。PCA-BP法和CloudSat产品反演的云底高度在夏季偏低,在其他季节偏高,且PCA-BP法与探空仪的均方根误差在所有季节均小于CloudSat产品,两者反演的云底高度具有一致的季节特征,即夏高冬低。PCA-BP法和CloudSat产品所获取的云底高度随纬度升高有减小趋势,在不同地区,两者具有不同的反演效果,反演误差随纬度升高而逐渐减小,对比结果说明了PCA-BP法反演云底高度具有一定的可行性。