B-PNN改进算法在土地估价信息系统的应用

人工神经网络是解决主观因素影响过大和智能化程度不高这两个问题的合适方法。主要采用人工神经网络中的B-P神经网络建立土地估价智能模型,在ArcGIS的开发平台下,实现了基于B-P神经网络改进算法的人工神经网络土地估价模型。研究得出,利用人工神经网络可以解决土地估价过程中主观因素影响过多这一问题,可以提高城镇土地定级估价信息系统智能化程度。     

利用神经网络实现地图数字打样线划宽度控制

地图数字打样一直不能完全取代传统打样,一个重要原因就是打样稿与印刷品在线划宽度上存在明显差异,因此如何取得二者之间的非线性关系模型就成为解决问题的关键.在介绍了神经网络结构以及常用算法的基础之上,根据地图数字打样和印刷的特点,经过对神经网络算法进行改进,提出了基于神经网络的地图数字打样线划宽度控制模型,实现了数字打样稿和印刷品在线划宽度上的正确匹配,其应用的可靠性已通过具体实验得到了验证.     

基于神经网络的西藏拉萨地区生态环境分类

根据生态环境分类指标的科学性、完备性、简洁性和数据的可获取性,选取了影响拉萨地区生态环境的主要地形和气候因子高程、坡向、≥0℃积温、年平均温度、年平均降水量、潜在蒸散量和湿润度等7个有代表性的指标,利用GIS的空间内插方法将所有这些指标转成100 m×100 m的空间珊格数据,再根据每个指标特定的地理和环境意义进行指标的分带,对7个指标进行主成分分析后提取主要信息。通过选择4个典型样区作为训练区,对拉萨地区的生态环境进行了分类。结果表明,拉萨地区的主要生态环境类型包括河谷农业类型、山地草原类型、高山草甸类型及高山裸岩及冰雪类型。其中,高山草甸和山地草原生态环境类型占主导,分别为10 768.52 km2和10 646.6 km2,各占总面积的36.61%和36.20%,而河谷农业类型占总面积的10.75%。此外,拉萨地区分布有较大面积的高山裸岩及冰雪区生态环境类型,面积为总面积的14.16%。作为特殊类型的生态环境类型,拉萨地区境内的纳木错的湖泊面积是668.76 km2,占该湖面积的近一半和拉萨地区总面积的2.27%。     

深度递归残差网络的遥感图像空谱融合

为了充分利用多光谱图像的光谱信息和全色图像的空间信息,本文提出一种基于深度递归残差网络的遥感图像空谱融合方法.方法 将残差网络和递归网络相结合,利用残差网络学习低空间分辨率多光谱图像与高空间分辨率多光谱图像之间的残差,同时结合全局残差和局部残差,加快网络的收敛速度,解决深层次网络容易出现的梯度消失和梯度爆炸问题;利用递...     

相空间重构神经网络在洪水灾害损失预报中的应用

在灾害领域中引入混沌理论,将相空间重构理论与神经网络相结合,提出了洪灾成灾面积预测模型。通过相空间重构,把一维成灾面积时间序列拓展为多维序列,而多维序列包含着各态历经的信息,从而可挖掘更为丰富的信息,有利于神经网络的训练。利用神经网络模型可以较好地求解非线性问题,因而使预测结果更符合实际。实例表明,该模型预报精度较高。     

基于微粒群算法的神经网络在岩性识别上的应用

针对前馈多层神经网络BP算法存在的易陷入局部最优的不足,采用了微粒群算法(PSO)加以改进。通过胜利油田及其它油田的岩性识别所做的实例验证,并与BP神经网络进行比较,结果表明,在同等条件下,此方法效果较为满意。     

基于重置神经网络在油气储层预测方面的应用

神经网络在地质、油气储层方面有着极其广泛的应用,但是神经网络的结构不仅直接影响到网络性能的优劣,而且较大的影响了其现实应用的效果。这里尝试着将与重置算法相结合的BP神经网络应用于油气储层预测方面,并证实重置神经网络具有更好的应用前景和现实意义。     

基于BP神经网络的岩体质量评价——以甘肃北山旧井地段BS03号钻孔为例

岩体质量评价对于各类建筑特别是地下建筑的安全性具有十分重要的作用。文章利用岩体质量评价Q系统和BP神经网络分析了Q系统各参数及对应于BP网络的取值。之后，将研究对象——甘肃北山BS03号钻孔以10m为单位分成50段，对每段范围内岩心所对应Q系统的参数根据钻孔钻进结果进行赋值，并运行BP神经网络程序对钻孔附近岩体质量进行分类。通过评价，对研究对象周围的岩体质量给出了定性的结论。     

基于Matlab的BP-NN时间序列法预测地表水资源量

本文以Matlab神经网络工具箱GUI为依托,用地表水资源时间序列的年径流量资料作为训练样本的基础,生成训练样本输入数据和期望输出数据,建立时间序列神经网络预测模型。模型优点可以模拟多变量而不需要对输入变量作复杂的关系假定,不要求知道输入输出变量之间的关系,只需通过用误差反向传播的(BP)算法训练神经网络,获得输入输出之间的映射关系。最后,以玛纳斯河肯斯瓦特站历年的年径流资料验证时间序列人工神经网络预测模型的可行性与有效性。     

淤泥质软土流变参数及BP神经网络模型研究

测试了淤泥质软土的流变参数,分析了粘粒含量、含水率等因素对初始剪切力、粘度等流变参数的影响特性和变化规律。根据测试结果和神经网络理论,建立了流变参数BP神经网络模型,确定了模型的结构参数。用该模型预测新样品的流变参数,并与实测数据对比,结果表明预测准确率达90%以上。