区域水资源开发利用程度综合评价的GPPIM

水资源开发利用程度评价是一个由多指标组成的复杂巨系统,其难点是如何合理地建立评价该系统的数学模型。当前的评价模型随着评价内容的不同而变化,精度较难控制。为解决单项水资源开发利用程度评价指标评价结果的不相容问题,提高水资源开发利用程度综合评价各层次的分辩力和评价模型的精度,论文采用大样本数据,利用投影寻踪、遗传算法、插值型曲线和水资源开发利用程度评价标准,为水资源开发利用程度综合评价建立了一种新的数学模型---遗传投影寻踪插值模型(GPPIM)。实例研究表明,GPPIM建模方法直观、可靠、精度高,既有较强的分类功能,又有较好的排序功能,可广泛应用于各种水资源问题的综合评价。     

生态城市评价中的RBF神经网络模型--以厦门市为例

生态城市的定量化评价尚处于探索阶段,存在缺陷与不足,有待于进一步研究。本文将径向基函数(RBF)神经网络应用于生态城市评价,并在MATLAB环境下将其程序化,不但简化了评价过程,而且提高了定量评价的精度和综合性,充分体现了各因子相互作用对城市生态系统的综合效应。以此为基础,对厦门市生态化程度进行了综合评价,并对课题组在厦门市生态城市概念性规划中所作的指标目标值进行了分析,明确了相应年份规划目标值的生态化程度。若将城市历年指标值进行规范化处理。通过RBF神经网络进行定量评价,可分析城市的发展轨迹,为生态城市建设提供科学依据和决策支持。     

城市空气质量的BP和RBF人工神经网络建模及分类评价

根据MATLAB提供的人工神经网络模型,将其应用到城市空气质量评价,研究并对比分析BP和RBF两种人工神经网络的建模方法及评价结果。首先构建BP神经网络模型,确定输入层、隐含层和输出层的神经元数,选择Sigmoid型函数作为激励函数,应用内插扩展出的训练样本对BP网络进行学习,再用训练成熟的BP网络对待评价样本进行仿真;其次构建RBF神经网络模型,确定其输入层和输出层的神经元数,选择Gauss函数作为隐含层激励函数,再用同样的训练样本进行学习和仿真;最终进行归一化论证,验证归一化预处理在空气质量评价中的必要性。结果表明:应用BP和RBF人工神经网络可以得出较好的城市空气质量分类评价结果,其中RBF神经网络模型与改进的灰色聚类法评价结果一致,具有较高的准确率,是一种快捷、有效的综合评价方法。     

基于神经网络的黄草坝古滑坡稳定性评价

根据神经网络的基本原理,结合35个实际滑坡工程实例,分别采用RBF神经网络和BP神经网络建立滑坡稳定性评价模型,利用MATLAB编程求解,并对比了两种模型的计算结果,表明采用RBF网络模型计算出的结果精度高、误差小,更适合于对滑坡的稳定性评价;同时,运用RBF网络模型计算了黄草坝古滑坡的稳定性系数,对其稳定性进行了预测,以验证该方法的有效性。     

区域水资源可持续利用评价方法对比研究

为进一步揭示几种典型的区域水资源可持续利用评价方法的特点与应用效果,论文选取两类共7种评价方法或模型,即综合指数型的PCA法、AHP法、灰色关联度法、改进序关系法和等级分类型的模糊综合评判法、BP神经网络、SVM模型。以福建省9个设区市为评价对象,结合DPSIR概念模型的内容,构建水资源可持续利用评价指标体系,从而在指标体系不变的条件下,分别进行区域水资源可持续利用评价,进而比较分析各方法的特点及其评价结果。研究表明：1）相同评价指标体系下,不同方法得到的评价结果有一定差别。2）PCA法和改进序关系法的评价结果一致性最高,其次是AHP与改进序关系法,且综合指数型方法中改进序关系法应用结果更可靠;灰色关联度法存在高估水资源可持续利用水平较低区域的评价值,且综合评价指数分布范围小、区域间分辨间隔较小的不足,而模糊综合评判、BP神经网络和SVM的评价结果差异较大,规律性不明显。3）常规的PCA、AHP、灰色关联度和模糊综合评判法的评价过程相对稳定,虽然BP神经网络和SVM模型能减少赋权的主观干预,但受指标等级标准划分、训练样本生成和参数设置等因素的影响,评价应用的稳定性相对差。4）与BP神经网络相比,SVM用于水资源可持续利用评价相对稳定,但SVM分类器对样本空间划分的状况则直接影响评价结果的可靠程度。     

基于GM-RBF神经网络的导弹武器系统使用可用度评估方法 研究

目的研究导弹武器系统使用可用度评估问题,方法通过基于故障数据的使用可用度评估,提出一种基于灰色模型GM（1,1）的径向基函数（RBF—Radial Basis Function）神经网络组合模型。结果该模型克服了灰色理论的长时间序列预估误差大和神经网络的训练样本需求量大、输入变量选取困难等缺点。结论仿真结果表明,GM—RBF神经网络对导弹武器系统使用可用度评估具有评估误差小、精度高等优点。     

RBF神经网络在土壤重金属污染评价中的应用

运用MATLAB软件的K均值聚类算法结合神经网络工具箱,通过建立RBF神经网络对郑汴路圃田—杏花营段路旁土壤进行了评价。结果表明,土壤重金属积累峰值污染峰值多出现在距路基50m范围以内,并随着距路基距离的增加,污染程度逐渐下降。风力因素和邻近铁路对路段两侧土壤重金属污染影响较大,且公路运营时间越早,对两侧土壤污染越严重。杏花营断面土壤质量以Ⅱ级为主,北侧断面土壤质量多为Ⅲ级。圃田断面各样点综合评价结果均为Ⅱ级,整体质量优于杏花营断面。RBF神经网络评价方法具有计算速度快,评价结果客观等优点。     

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

基于粒子群径向基神经网络的矿井突水水源判别

以多项地下水化学组分指标作为判别因子,采用粒子群算法优化径向基函数神经网络中的参数,建立了最优结构的基于粒子群径向基函数神经网络的矿井突水水源判别模型,将此模型应用于实例分析中,并与其他方法进行了比较分析。结果表明:基于粒子群径向基函数神经网络的矿井突水水源判别模型的判别结果具有客观性和实用性,避免了权重分配等人为因素的干扰;与传统最小二乘法的RBF神经网络相比,其精度更高,优化结果更为合理,具有较强的突水水源判别能力,可为矿井突水水源判别提供了一条新途径。     

基于自适应调整蚁群-RBF神经网络模型的中长期径流预测

径流预测历来是水利部门的一项重要工作,针对水库和河流中长期径流预测精度不高,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节人工蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑影响径流预变化因素,对安康水库进行中长期径流预测。对预测效果进行检验,结果证实该模型可真实地反映河川径流变化的总体趋势, 并为判断时间序列数据的非线性提供了一种新方法。与RBF神经网络模型、人工蚁群-RBF神经网络模型预测结果进行对比,结果表明,应用ARACS-RBF模型对中长期径流量进行预测,预测精度更高、效果更好。该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了径流预测的精度,置信度为98%时的预测相对误差小于6.5%。可有效用于水库和河川中长期径流预测。     

基于综合主成分及径向基网络的环境质量评价

运用综合主成分分析对监测数据进行处理,集成径向基函数人工神经网络(RBF-ANN),参考国家环境质量评价标准设定RBF的学习样本,从而构建区域环境质量综合评价模型,对安徽省合肥市新站综合开发试验区进行环境质量综合评价。实例分析结果表明,运用综合主成分法可以精准的统计出一个区域的环境综合数据,而且在matlab环境下运用RBF-ANN模型既可以准确,客观的评定环境质量的等级,又可以表现其环境污染的具体程度,能在同一评价等级内对不同环境质量的评价对象进行更加细微的污染程度的比较。结果表明,合肥市新站综合开发试验区环境综合质量介于轻度污染和中度污染的标准极限值之间,属于中度污染。     

基于径向基函数神经网络方法的城市生态压力预测

针对城市生态压力影响因素复杂,难以对城市未来可持续发展状况做出准确判断的问题,提出了城市生态压力的径向基函数神经网络预测模型,分析了影响城市生态系统的主要因素.以抚顺市1995-2009年数据为基础,验证了模型的准确性并预测了该市2010-2015年城市生态系统的压力情况.研究结果表明:能源消耗指标是影响城市生态系统压力的主要因素;运用径向基函数神经网络模型对训练样本的拟合精度以及对测试样本的仿真精度分别达97.91%和94.16%;抚顺市2015年的人均生态足迹、 生态承载力和生态赤字分别达到7.013、 0.523和6.49 hm²/人.     

城市水资源综合风险评价指标体系与模型构建

水资源是城市形成、发展的必要条件,在自然和人类活动影响下,城市旱涝、缺水及水环境污染现象时有发生,水资源问题已严重阻碍了当今城市发展。在城市水资源风险评价方面,国内外学者已进行了大量的理论探索和实证研究,但方法模型尚未统一。本文在系统论述前人关于自然灾害与城市水资源、水环境风险分析与评估研究成果的基础上,基于城市灾害风险系统论的角度,提出一套适合中国城市水资源综合风险评估的指标体系;同时,对城市水资源综合风险管理模式作了一定的探讨和分析,拟为城市水资源安全规划和管理提供科学的决策依据。     

BP神经网络在流溪河水库径流量预测中的应用

流溪河水库是广州市的主要饮用水源地,所属地区降雨量年际变化大,不利于水资源的优化配置。对流溪河水库径流量进行预测研究,可为其水资源的优化配置提供科学依据。目前人工神经网络(ANN)技术在水文序列模拟预测中有较多的应用,本文根据流溪河水库1959~2000年水文数据,利用BP神经网络对径流量进行预测,从模型检验结果看,所建模型有较好的拟合效果和预测精度,说明神经网络在预测径流量方面有良好的实用性。     

基于RBF网络的火灾探测信号处理算法研究

本文通过建立火灾探测信号处理的RBF网络模型,并与通常的BP网络模型和期望结果进行对比,结果表明:在进行火灾探测信号处理中,RBF网络可避免BP网络的局部极小以及收敛速度慢等缺点,在精度、训练速度等方面均优于BP网络。该研究为处理火灾探测信号等非结构问题提供了一种行之有效的方法。     

水质综合评价的遗传投影寻踪插值模型

为解决各单项水质评价指标评价结果的不相容问题 ,提高水质综合评价各层次的分辩力和评价模型的精度 ,本研究采用大样本数据 ,利用投影寻踪、遗传算法、插值型曲线和水质评价标准 ,为水质综合评价建立了一种新的数学模型———遗传投影寻踪插值模型 (GPPIM)。实例研究表明 ,GPPIM建模方法直观、可靠、精度高 ,既具有较强的分类功能 ,又具有较好的排序功能 ,可广泛应用于各种环境质量的综合评价。     

大亚湾初级生产力人工神经网络预测模型研究

针对海湾初级生产力估算与预测难题,结合大亚湾近20 a的调查资料,基于MATLAB语言编程,将NH_4-N、NO_-N、NO_2-N、PO_4-P、SiO_3-Si、N/P作为输入,叶绿素a作为输出,建立大亚湾初级生产力的人工神经网络预测模型,并进行检验,其模拟值的平均相对误差0.932%;同时应用多元回归方法进行拟合预测,其拟合结果的平均相对误差为38.970%.研究结果表明,人工神经网络方法优于传统的统计学模型,具有较好的预测能力和实用性,可进行海湾初级生产力动态的预测估算,并具有较高的精度.