基于改进BP神经网络的GPS高程拟合方法

BP神经网络用于GPS高程拟合时存在收敛速度慢,受初始值选取影响大和易陷入局部极大值的问题。本文提出一种改进的BP神经网络高程拟合方法,将模拟退火算法(Simulated Annealing,SA)引入BP神经网络模型,利用模拟退火算法的全局寻优能力对BP神经网络的初始值进行选择,同时优化神经网络的各层神经元之间的连接权值和阈值,提高BP神经网络拟合法的拟合精度、收敛速度和推广泛化能力。最后结合实际算例对所提方法的拟合性能进行验证,结果表明利用模拟退火算法改进的BP神经网络进行高程拟合是可行且有效的,拟合结果优于传统BP神经网络法。     

基于BP神经网络的高频地波雷达海流空间插值

高频地波雷达是海洋环境监测的重要手段,当前已经实现对海流的业务化观测,但是外部因素常引起海流空间探测的不连续性。为解决此问题,尽量保障区域数据的完整性和准确性,本文将BP神经网络技术与空间插值相结合,建立了海流的BP神经网络插值模型,并进行了针对实测数据的缺失插值仿真,通过与反距离权重法和线性插值法插值结果的对比,分析该模型在区域海流大面积缺失、流速整体较大和流速整体较小3个方面的性能。结果表明,BP神经网络插值模型的海流预测效果明显优于其他两种方法,且在流场数据大范围缺失下也取得了良好的效果。     

基于决策树与二分分割算法的BP神经网络在赤潮等级预测中的应用研究

针对赤潮灾害等级预测难的现状,提出了一种基于C4.5决策树与二分分割算法优化的BP(反向传播)神经网络赤潮等级预测模型。该模型针对传统BP神经网络输入参数难以选择和隐含层节点数量难以确定的问题,通过决策树分类获取最优的属性组合,来解决输入参数难以选择的问题;通过"二分分割算法",来解决隐含层节点数难以确定的问题。实验结果表明,该模型在青岛近海海域赤潮灾害等级预测中,预测结果的均方根误差(RMSE)小于传统BP神经网络的预测误差,并且在网络训练时间上有所缩短,预测精度上有所提高,能够获得良好的预测结果,可为赤潮等级预测提供新的解决方法。     

内蒙古牧区暴风雪风险评估研究

暴风雪天气是内蒙古草原牧区危害严重的气象灾害之一。为了更确切的了解暴风雪灾害天气的特征,分季节对暴风雪天气进行了类型,即秋末初春暴风雪天气、隆冬暴风雪天气、春末初夏湿雪冷雨型暴风雪天气;通过因子分析法、灰色关联分析对三种类型暴风雪天气进行分析,发现上述三种类型暴风雪天气都为风、雪、寒潮灾害群天气;每个季节最主要的影响因子不同,导致的灾害程度不同;因此掌握各个季节暴风雪天气的特征对预报员提高预报预警水平很有实际意义。尝试使用BP神经网络法、支持向量机对暴风雪灾害等级进行评估,通过与根据灾情评定的灾害等级对比分析,发现SVM方法的评估效果优于BP神经网络法,因此,基于数值预报产品通过SVM方法做暴风雪灾害预警产品成为可能,可为暴风雪灾害预报预警业务提供客观参考依据,能够提升预报服务效果,减少灾害损失。     

栅格DEM微地形分类的BP神经网络法

栅格DEM微地形分类是数字地形精细化应用的基础,基于规则化知识的栅格DEM微地形分类方法存在自动化程度低、分类残缺等问题。本文利用BP神经网络的优势构建了栅格DEM微地形分类的人工智能方法与实现途径。以山体部位分类为微地形分类典型样例进行试验验证与分析,试验结果表明,栅格DEM微地形分类的BP神经网络法较已有的地形因子叠加分析方法存在明显优势,不仅在流程上可避免烦琐的数据叠加分析过程,而且分类结果的完整性和错分率都得到有效改善;在山体部位分出的6种微地形中,冲积地对该方法适应性最强,准确率为100%,背坡的适应性最弱准确率为89.23%。     

BP�������ά����ģ���ڱ���ʱ��Ԥ���е�Ӧ��

???BP???????????????????????????????????????????????????????G??P??????????????????????????????????????D??h?????????????????m????????????????????????????????????????????????????BP????????????????????????????????????????????е??????????????????????????????????????????????????????????????????????t?????????????     

基于人工神经网络算法的渤海海风预报方法研究

基于2015—2017年常规海洋气象观测资料、天津中尺度天气预报模式(TJ-WRF)预报产品、EC数值预报及其集合预报产品,建立了渤海BP神经网络两级海风预报模型,该模型在大量历史样本的拟合训练基础上分别实现小风和大风与相关因子间的非线性映射,其结果有较高的预报准确率。一年的业务试用期间,该模型对各风级、各预报时效的预报能力基本稳定,预报误差较使用该释用技术前数值模式误差有所减小,72 h内风速平均绝对误差为1. 72 m·s^-1;对灾害大风的预报准确率仍能保持较高水平,8级风风速平均绝对误差仅为1. 77 m·s^-1。     

基于BP神经网络的区域贫困空间特征研究——以武陵山连片特困区为例

随着国家新一轮区域发展和扶贫攻坚战略的实施,连片特困地区成为新时期扶贫开发工作的主战场。本文以武陵山连片特困区县级行政区划为例,从自然和社会因素中选取主要贫困影响因子,构建评价指标体系,利用GIS和BP神经网络,模拟区域自然致贫指数、社会经济消贫指数,分析贫困的内在成因,探究贫困的空间分布特征,旨在为扶贫开发政策的制定和区域协调发展提供辅助决策。结果表明,研究区自然因素是主要的致贫原因,而社会因素在一定程度上起到了缓解作用。大部分县的自然致贫程度在中等以上,其中,铜仁、湘西地区程度较为严重,绝大多数贫困地区的社会经济水平不高,缓解贫困的能力不强;黔江地区、张家界地区的贫困程度较低,铜仁地区和湘西地区的贫困程度较高。各县的贫困状况和贫困程度存在较大差异,古丈、龙川,务川、正安,隆回、新化及道通、城步共同构成武陵山片区"大分散、小聚集"的贫困分布格局。今后的扶贫开发过程中,应充分考虑自然致贫因素,深入挖掘区域资源优势,加强区域间的交流与协作。     

基于GIS的区域群发性降雨型滑坡时空预报研究

以滑坡灾害突出的雅安市雨城区为例,综合考虑降雨强度、前期降雨量及下垫面(地形、岩性、植被覆盖等)构建了基于GIS分析获取的易发指数+BP型神经网络时空预报模型。首先通过试验确定了模型的网络参数和网络结构,然后通过危险性区划图获取降雨型滑坡易发指数,并利用GIS的空间插值功能和雨量站数据获取相应降雨型滑坡的雨量数据,将量化后下垫面的易发指数和降雨数据作为神经元输入层数据。将模型应用于研究区,其中46个降雨型滑坡数据作为训练样本,10个降雨型滑坡数据作为检验样本,预测精度达到90%,显示该模型对于降雨型滑坡的时空预报精度较高。