ARTIFICIAL NEURAL NETWORK CORRECTION OF ROUGH ERRORS OF OBSERVATIONS*

In the context of tower measured radiation datasets.following the correction principle meeting a diagnostic equation in data quality control and in terms of a technique for model construction on data and ANN (artificial neural network) retrieval for BP correction of radiation measurements with rough errors available,a BP model is presented.Evidence suggests that the developed model works well and is superior to a convenient multivariate linear regression model,indicating its wide applications.     

高浓度黏性泥石流堆积层理结构中筛积层和粗化层形成机理的研究

根据高浓度黏性泥石流的观测资料,应用不同类型黏性泥石流的流变特性和流体结构的分类指标-流核比,对高浓度黏性泥石流堆积中的混杂层、筛积层和粗化层理结构进行了成因差异分析。侧重分析了砾石质点在高浓度黏性泥石流蠕动流场中作向上垂直运动的魏森伯效应,并在表面富集形成了筛积层的成因,及其它与粗化层结构的区别。     

运用人工鱼群算法的3D扫描碎片重建探究

针对传统三维碎片拼接匹配过程中依赖单一特征及存在误差累积的问题,提出了一种运用鱼群算法的全局最优匹配方法。该方法先对碎片点云数据进行多特征提取,结合纹理、专家经验信息对混合在一起的多种类型碎片进行粗糙集分类,之后采用鱼群算法的最优解求得最佳匹配方案。实例验证所提全局匹配方法具有能力强、与初始位置无关及较强的稳健性等特点,为三维碎片的全局匹配提供了一种有效的解决方案。     

利用TOPEX卫星高度计资料分析台湾岛周边海域巨浪和大风特征

卫星高度计实现了对全球性或区域性的海洋参量的实时监测,TOPEX卫星高度计提供了迄今为止时间序列最长、数据质量最高的全球海面风速和有效波高的同步观测资料。利用TOPEX卫星高度计资料,分析了有效波高4m以上的巨浪在台湾岛周边海域的时空分布特征,结果表明台湾岛周边海域巨浪的分布具有明显的季节特征。每年平均有效波高最大值大多数出现在夏季,春季是1a中有效波高最小的季节,而秋季和冬季是巨浪出现频率最高的季节。波高大于6m的巨浪大都出现在台湾岛东部及东北部海域,在南部海域出现较少。     

粗糙神经网络在森林火灾预警中的应用

利用神经网络和粗糙集处理不确定性问题的优势，提出一种粗糙集结合神经网络进行森林火灾预测模型。通过与传统预测模型相比较，证明了该方法的有效性。     

基于粗糙集和层次分析法的农村居民旅游目的地选择研究

充分考虑主客观因素,运用粗糙集和层次分析法研究农村居民旅游目的地选择影响因子,确定农村居民旅游目的地选择指标体系,并通过评价方法将指标合理化。研究结果表明： ① 判断矩阵计算的各因素权重结果较为接近,比较理想。② 农村居民旅游目的地影响因子中的消费水平、旅游景观、旅游氛围均超过0.1,排在前3位,较以往学者研究结果有所变化。③ 农村居民出游对旅游资源偏好较以往有很大改观。④ 旅游目的地的旅游氛围营造等影响因子已经超过了之前农村居民优先考虑的距离因素。⑤ 对交通条件,住宿水平的影响因子考虑的较少。相对传统的农村居民旅游目的地出游影响因素的研究方法,该方法可以最大限度的避免层次分析法所依赖的专家经验,避免出游因素评价指标设计中出现的重复性。     

ARTIFICIAL NEURAL NETWORK CORRECTION OF ROUGH ERRORS OF OBSERVATIONS

In the context of tower measured radiation datasets.following the correction principle meetinga diagnostic equation in data quality control and in terms of a technique for model construction ondata and ANN(artificial neural network)retrieval for BP correction of radiation measurementswith rough errors available,a BP model is presented.Evidence suggests that the developed modelworks well and is superior to a convenient multivariate linear regression model,indicating its wideapplications.     

基于Monte Carlo-BP神经网络TBM掘进速度预测

预测隧道工程中TBM掘进速度,主要有完全经验的、半理论半经验的模型和人工智能等方法,所用参数均为确定性的,未考虑参数存在的随机性,故导致预测结果的不准确性。基于此,提出了Monte Carlo-BP神经网络TBM掘进速度预测模型,着重考虑了一些重要输入参数的随机性, 其中输入参数重要性的大小通过粗糙集进行计算排序。采用Monte Carlo产生随机数时,由于参量的样本数据的有限,分布函数均采用阶梯形经验分布函数。如果采用的数据是来自不同类型的 TBM,则应当考虑机器性能参数,并重新对参数重要性进行排序。实例计算表明,Monte Carlo-BP神经网络模型预测结果和实测值总体趋势和均值比较一致。     

火试金法测定铜精矿中金含量结果的不确定度评定

对火试金法测定铜精矿中金含量的结果进行不确定度评定。分析了铜精矿样品称量、铜精矿样品的不均匀性和配料处理,以及金粒称量等因素对金含量测量结果不确定度的影响,并得出火试金法测量铜精矿中金含量的扩展不确定度。