基于人工神经网络的热带气旋路径预报试验

利用气候持续性因子,分别采用神经网络法及最小二乘回归法,建立西北太平洋地区12、24、36和48h热带气旋路径预报模型。通过对1992～2002年资料的试报,人工神经网络方法优于回归方法,且这种优势在预报时效较长时更明显。人工神经网络法48h的预报平均绝对误差比回归法减小27．56km,预报水平提高7％。     

成矿预测理论与方法新进展

成矿预测研究的历史与人类进行矿产勘查的历史紧密联系,随着找矿难度的增大,成矿预测对勘查工作的指导作用越来越重要。现代地质科学的重要特征是冲破学科的界线,立足于整个地质学的高度进行跨学科的联合攻关,方能在理论上和技术方法上有所创新。论述与总结了一些现有成矿预测新方法的特点,包括美国"三步式"固体矿产资源潜力评价方法、成矿系列缺位预测法、基于GIS的综合信息预测法及人工神经网络、多重分形等非线性数学预测方法。这为今后进行成矿预测时在方法选择上提供了一些有益的建议和参考。     

神经网络和地理信息系统耦合方法在地下水水质评价中的应用

应用人工神经网络模型对吉林西部平原的水质进行评价 ,借助于共享文件实现该模型和MAPGIS相连接 ,这种模式不仅能够反映水质的最适宜、较适宜、适宜、较不适宜、不适宜的状况 ,而且能够体现吉林西部水质的空间变化规律 ,即较高适宜度的水主要分布在沿江地带和白城冲积扇 ;除通榆、长岭、乾安、大安部分地下水不宜饮用外 ,其余地区地下水都可满足生活饮用要求 ,但水质主要处在适宜状态     

遗传算子对径流预报神经网络模型的影响

采用均匀设计来安排遗传算子组合进行数值实验,研究了遗传算子对神经网络径流预报精度的影响。研究发现,输入模式对最终种群中个体的分布影响不明显,不同算子组合对其影响则明显得多。通过回归分析发现,采用不同算子组合优化神经网络初始权重径流预报精度差别较大,对未归一网络的优化效果较归一网络好,同时采用数据归一输入模式与遗传算法优化神经网络初始权重未产生叠加效果。     

TIMESERIES PREDICTION MODEL CONSISTING OF ARTIFICIAL NEURAL NETWORK AND GENETIC ALGORITHM*

The paper introduces the basic concept and flow diagram of genetic algorithm(GA) and the merits and demerits of artificial neural network(ANN) as a timeseries prediction model and thereupon developed is a new model with ANN and GA in combination. Eventually, calculations are presented with the results and model examined.     

河口环境变异与水文模拟计算初探--以珠江河口网河区为例

“９４·６”华南大水,珠江三角洲网河的顺德、番禺洪水水位异高,引发对网河及近岸环境变异的探讨。近年来,河口网河区的资源开发、环境变异引起各界的关注。河口网河区河床变化,水文环境发生变异。利用人工神经网络（ＡＮＮ）,对网河水位过程进行非线性模拟,输入径流与进流资料,以历史长序列与近年实测资料训练模型和检验,认为ＡＮＮ较适应于网河高度非线性水文模拟,也较适应于环境受到人类活动冲击的河口水文模拟;在河口     

水面蒸发计算的人工神经网络方法研究

根据影响水面蒸发的主要气象因互，利用人工神经网络的学习，记忆功能，研究了一种新的水面蒸发计算方法。结果表明，该方法的计算简便，误差较小，为水面蒸发的气候学计算方法研究提供了一种思路。     

基于专家知识的神经元网络方法及其在潜在震源区定量划分中的应用

将专家知识和神经元网络方法结合起来，利用专家知识和规则构造规则样本的方法来提高神经元网络学习样本的质量，通过神经元网络对规则样本的学习，形成基于专家知识的神经元网络模型。在潜在震源区划分专家系统中有关规则的基础上，将基于专家知识的神经元网络方法引入到潜在震源区定量划分中，并以首都圈地区为例，对其潜在震源区作了定量划分，结果表明，规则样本能较好的反映专家的知识和规则，利用构造规则样本的方法，可以提高     

Artificial neural network approach for estimation of surface specific humidity and air temperature using multifrequency scanning microwave radiometer

Microwave sensor MSMR (Multifrequency Scanning Microwave Radiometer) data onboard Oceansat-1 was used for retrieval of monthly averages of near surface specific humidity (Q _a) and air temperature (T _a) by means of Artificial Neural Network (ANN). The MSMR measures the microwave radiances in 8 channels at frequencies of 6.6, 10.7, 18 and 21 GHz for both vertical and horizontal polarizations. The artificial neural networks (ANN) technique is employed to find the transfer function relating the input MSMR observed brightness temperatures and output (Q _a andT _a) parameters. Input data consist of nearly 28 months (June 1999 – September 2001) of monthly averages of MSMR observed brightness temperature and surface marine observations ofQ _a andT _a from Comprehensive Ocean-Atmosphere Data Set (COADS). The performance of the algorithm is assessed with independent surface marine observations. The results indicate that the combination of MSMR observed brightness temperatures as input parameters provides reasonable estimates of monthly averaged surface parameters. The global root mean square (rms) differences are 1.0‡C and 1.1 g kg⁻¹ for air temperature and surface specific humidity respectively.     

应用人工神经网络技术的大型斜拉桥子结构损伤识别研究

本文应用人工神经网络技术对大型斜拉桥结构进行了子结构损伤识别研究。文中首先介绍了子结构损伤识别的基本方法，然后应用自组织竞争神经网络建立了对于大型桥梁结构识别子结构损伤情况的子结构损伤识别方法，并且应用BP网络进一步建立了大型桥梁结构各子结构内部的损伤位置和损伤程度的识别方法，数值模拟了一大跨度斜拉桥子结构损伤以及子结构内部损伤的识别过程，最后得出结论：(1)基于自组织竞争网络的子结构损伤识别方法能迅速准确地识别大型结构的损伤情况；(2)基于BP网络所建立的结构损伤识别方法，能对子结构中结构损伤的位置和程度进行进一步的识别；(3)基于人工神经网络技术的结构损伤识别方法是大型土木工程结构损伤识别的有效方法，可在工程结构损伤识别中广泛应用。