基于神经网络的话务量预测

话务量具有高度的非线性和时变特性,由于神经网络具有较强的非线性映射等特性,将其运用于非线性的话务量短期预测是非常合适的。以青白江2005年10月的话务量作为预测对象,提出基于BP神经网络和基于Elman神经网络的话务量预测模型,仿真实验表明两种模型对于话务量的短期预测均是可行有效的。经过比较,Elman神经网络训练速度比BP神经网络快很多,更适用于实际应用。     

改进的BP神经网络在数字识别上的应用

首先介绍了传统的人工神经网络方法对数字字符的识别,进而在变换函数、误差函数以及惯量项等方面对学习算法进行了改进,提出局部自适应算法——RPROP算法,使网络具有一定的容错能力,用VC完成对数字字符识别的模拟。最后实验表明,改进的算法可以有效地完成对训练样本的识别,并且弥补传统方法学习速度低、平均误差大的缺点。     

中国县域农村贫困的空间模拟分析

以中国县级行政区划为研究单元,从自然和社会经济因素中选取贫困的影响因子,建立评价指标体系,利用GIS空间分析和 BP人工神经网络,模拟各县域的自然致贫指数和社会经济消贫指数,并在分析贫困内在形成原因的基础上,明晰了空间贫困的分布特征。结果显示：自然因素是现阶段中国县域主要的致贫原因,全国县域自然致贫指数的分布呈现出明显随纬度和经度地带性分布的规律,自北而南、自西而东逐次呈带状排列分布。社会经济因素对贫困起到一定的缓解作用,全国县域社会经济消贫指数的空间分布较为破碎,各省区内部县域社会经济消贫指数的变异系数均大大高于自然致贫指数的变异系数。全国贫困压力指数以“黑河-百色”一线为界,东中西差异显著,呈现“大分散、小聚集”的空间分布格局。本文识别的贫困县与国家确定的重点扶贫县在空间上具有较高的重合性。     

人工神经网络在水源地影响评价中的应用

为了评价水源地开采过程中对周围地下水环境的影响，本文运用BP神经网络模型建立了有4个输入、2个输出的三层网络模型，通过BP网络学习训练，得到水源地的BP网络模型，并运用该模型预测了在不同条件下因水源地开采所引起的降落漏斗秒地下水补给量，计算表明，BP神经网络用于模拟地下水系统简便，实用，能很好地预测地下水动态变化情况。     

凡纳滨对虾(Litopenaeus vannamei)鳃细胞膜蛋白与WSSV的结合活性以及BP53的初步研究

实验提取了凡纳滨对虾(Litopenaeus vannamei)的鳃细胞膜并采用2种非离子型表面活性剂TritonX-100和Tween-20增溶鳃细胞膜,通过ELISA方法证实增溶后的对虾鳃膜蛋白与WSSV有结合活性,对其中1种鳃膜蛋白BP53进行了MALDI-TOF-MS-MS质谱测序,并且经BLASTP对其保守域进行了分析,结果表明BP53鳃膜蛋白与ATP ase-β-subunit同源性最高。     

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。     

基于BP和Elman神经网络的福建省汛期旱涝预测模型

建立了福建汛期旱涝BP和Elman神经网络预测模型，并对两种模型的性能和差异进行了比较，结果表明：动量BP网络模型，特别是具有局部反馈特性的Elman网络模型具有较好的拟合精度和预报效果。此外两种模型对旱涝等级为2和4的预测偏差较大，而对旱涝等级为3的预测较为准确。     

影响广西的热带气旋年频数的BP神经网络预测模型

对影响广西的热带气旋(TC)年频数与大气环流的关系进行分析表明,TC年频数与全球范围大气环流异常有密切关系,特别是春季南半球中高纬度环流异常和低纬越赤道气流异常.利用相关分析从春季全球大气环流场中选择初选预报因子,然后对初选预报因子作EOF展开构造综合预报因子,运用BP神经网络方法建立TC年频数预报模型,并对所建立的模型进行独立样本试验.结果表明,该预报模型对历史样本拟合精度高,试报效果优于传统的逐步回归模型,可在汛期预测业务中应用.     

一种改进的BP算法及在降水预报中的应用

传统BP(back propagation)算法在实际应用中具有网络结构参数和学习训练参数难以确定、泛化能力差、训练学习易陷入局部极小点等问题。该文在传统BP算法的基础上,提出一种改进算法,在训练过程中能自动确定各种参数,并避免陷入局部极小点,提高网络的泛化能力。利用2003—2005年5—9月中国国家气象中心T213的数值预报产品,通过动力诊断得出反映降水的物理量,然后从中挑选出与降水关系较好的25个因子,连同中国国家气象中心T213模式、日本气象厅业务模式和德国气象局业务模式相应的降水量预报结果作为预报因子。采用改进的BP算法建立江淮流域68个站24 h降水(08:00—08:00,北京时)3个等级(降水量≥0.1 mm,降水量≥10 mm,降水量≥25 mm)的预报模型。通过对2006—2007年5—9月68个站试报结果表明:改进BP算法对降水预报的TS评分大大高于传统BP算法,也高于几种模式的降水预报结果,同时,改进算法使降水预报的平均空报率、漏报率明显降低。     

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。