模糊优选神经网络在边坡稳定性分析中的应用

本文应用模糊优选神经网络理论,建立了边坡稳定性评价模型,综合分析了影响边坡稳定性的各种因素,根据它们作用程度的不同,赋予不同的权值,通过对收集到的边坡稳定性实例进行学习,提出了与优属度有关的函数关系式。可以看出:该方法具有精度高、收敛速度快、权值调整模型好等优点。     

改进的前馈型神经网络模型在承压水漏斗水位预报中的应用

建立了以改进Powell法优化的前馈型神经网络模型，模型既具有强大的函数逼近功能，又克服了传统神经网络优化方法的缺点。将神经网络模型用于承压水漏斗的动态水位预报，实例表明：模型预报效果较好。     

红石包滑坡滑带土强度参数的神经网络预测

在分析影响滑带土强度因素的基础上,建立了滑带土强度参数的BP神经网络模型,预测滑带土在不同含水率下c,φ值的变化规律,尤其足当红石包滑坡前缘、后缘地质条件差异较大时,找出可能的工况匹配,可以为滑坡稳定性评价提供可靠依据,克服了c,φ值按峰值折减的主观性.应用表明:该模型精度很高,有应用前景.     

基于软计算的边坡稳定性评价方法与实现

在岩土工程中,适应于复杂数据处理的算法和智能技术的研究越来越受到关注.岩土工程介质和工程地质环境的复杂多变,在边坡工程中表现边坡的变形破坏机理的复杂和分析评价参数的不确定性.因而常规的边坡稳定性评价方法无论在适用范围还是在有效性上都存在一定的局限性.根据L.A.扎德(L.A.Zadeh)有关软计算的理论,提出和实现了由语言值结构和复合神经网络(SOMBP)构成的软计算边坡稳定性分析方法.该方法不仅适用于边坡工程的稳定性评价,还可用于更为广泛意义下岩土工程的不确定性信息处理,如评价、分类以及预测等.在理论分析的基础上,通过实例运行证明了该方法的有效性.     

基于神经网络方法的极化雷达地表参数反演

人工神经网络（Artificial Neural Network)是一个由独立处理单元以一定拓扑结构高度连接而成的并行分布式信息处理结构，适于解决各种非线性问题，积分方程（Integrated Equation Model)单散射模型可模拟各种地表参数条件下裸露地表后向散射系数，以IEM为基础生成训练数据，用L波段的C波段SIR-CHH，VV极化单散射后向散射系数数据为神经网络输入，通过后向反馈（BP）神经网络模型可同时反演得到裸露地表条件下地表介电常数，地表相关长度和均方根高度等地表参数。     

利用人工神经网络方法预报松花江汛期水位

利用1959－1998年黑龙江省13个站的降水和松花江水位资料，通过人工神经网络方法对松花江汛期最高水位进行模拟和专家网络训练，并对1996－1998年松花江水位进行了预报，预报效果良好，并与逐步回归方法进行了比较。1998年松花江发生超百年大洪水，预报水位119．69m，与实况（120．89m）仅差1．2m，在1999年和2000年业务预报中也准确预报松花江出现枯水位。该方法可在业务预报中应用。     

The Application of BP Networks to Land Suitability Evaluation

The back propagation (BP) model of artificial neural networks (ANN) has many good qualities comparing with ordinary methods in land suitability evaluation.Through analyzing ordinary methods‘ limitations,some sticking points of BP model used in land evaluation,such as network structure,learning algorithm,etc.,are discussed in detail,The land evaluation of Qionghai city is used as a case study.Fuzzy comprehensive assessment method was also employed in this evaluation for validating and comparing.     

全球变化研究中的数据融合

文中给出了一种研究全球变化中数据融合的新方法———粗集神经网络结构。用改进的方法训练网络权值 ,分析和仿真结果表明 ,此种模型具有较好的泛化、学习、映射能力。说明新模型能够解决传感器输出为二值或一个范围的多传感器数据融合问题。     

自适应BP算法及其在河道洪水预报上的应用

提出一种改进的BP算法,即自适应BP算法。该方法采用两种策略:一是在权重修改公式中加动量项;二是学习率随总误差的变化作自适应调整,亦即总误差增加时,学习率将减小,反之学习率增大。以上两种策略能有效的抑制网络陷于局部极小并缩短了学习时间。实例研究表明,该算法用于河道洪水的预报,能取得令人满意的结果。     

区域地下水位预报的季节型神经网络模型

根据西北干旱区地下水位周期性变化趋势明显的特点,提出了测井水位预报的季节型神经网络模型。同时,针对系列不同周期内变幅各异的特点,对监测序列进行了光滑处理。预报结果表明:该模型预测效果较好,运行合理,对规律性不强的地下水位动态预报具有一定的实用价值。