道路运营安全性评价方法与指标

笔者从道路交通设施系统客观安全性和道路用户主观安全性的角度,应用交通冲突分析技术、运行车速预测方法、行车动力学仿真分析[空间视距模型、人工神经网络(ANN)模型],研究并分析车辆在自由流和非自由流两种状态下运营安全性,提出跟驰风险指数、变换车道风险指数、高速行车风险指数,建立了服务于道路安全运营管理的道路交通设施系统及其运营安全性的分析评价方法和指标。     

人工神经网络在鞍山城区岩溶塌陷危险性评价中的应用

回顾了岩溶塌陷危险性评价研究进展,分析了鞍山市区岩溶塌陷的主要影响因素,选取了“盖层结构、盖层厚度、含砾石粘土厚度、构造影响距、构造组合、灰岩富水情况、降落漏斗影响距、地下水径流强度、基岩类型、岩溶填充率、线岩溶率、居民点分布和人口密度“作为岩溶塌陷危险性评价指标;结合实际情况阐述了人工神经网络的应用过程,得到了每个指标的权重;利用地理信息系统作为评价手段对鞍山市岩溶塌陷危险性进行了区划。通过与历史岩溶塌陷点分布图的比对,验证了区划结果是可信的。     

基于BP人工神经网络的矿山地表移动研究

采用MATLAB语言建立BP人工神经网络模型,以沈煤集团红阳三矿为例,在收集矿区开采移动实测数据基础上,利用已有观测数据对网络进行训练和测试,研究了煤矿开采引起的地表移动变形计算参数与地质采矿条件数据之间的关系,对地下开采引起的地表移动变形参数进行求取,对参数变化规律进行研究。建立了地袁移动参数预测模型,经过与实测值进行对比回归分析,证明了该网络的有效性和准确性。     

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.     

基于人工神经网络的复杂系统可靠性冗余优化

复杂系统可靠度函数具有非线性的特点,针对这种情况,在简要介绍人工神经网络及有关模型的基础上,提出了基于人工神经网络的可靠性冗余优化方法,并建立了复杂系统可靠性冗余优化的人工神经网络模型。最后,结合实例对该方法进行了验证。     

基于实测光谱的杭州湾悬浮物浓度遥感反演模式

悬浮物是我国近海水质遥感监测的主要参数之一.利用ASD地物光谱仪测量杭州湾水体的反射光谱,同步采集表层水样获取悬浮物浓度,模拟水色卫星MODIS和MERIS的波段设置提取遥感反射率,基于人工神经网络分别建立2种悬浮物浓度的遥感反演模式.实测结果表明,杭州湾水体中悬浮物浓度较高,泥沙含量远远大于叶绿素浓度,平均值分别为705 mg/L和1.164 mg/m³;2个监测站位的悬浮物浓度表现出时空上的差异,尤其是随潮汐变化的短周期变异十分显著;实测水体反射率光谱曲线在650～700 nm之间与800 nm附近分别出现峰值,光谱曲线一阶微分结果显示第一反射峰的位置随着悬浮物浓度增大向长波方向移动.基于神经网络建立的模拟算法充分利用了卫星不同通道的光谱信息,可以同时模拟水体中色素与非色素悬浮物的浓度,模型取得了较好的拟合效果,R²均大于0.95,可以应用于实际卫星遥感反演,尤其是MERIS数据,因其具有相对较高的空间分辨率,在近海水环境遥感监测中的应用前景更为广阔.     

基于粗糙集-人工神经网络的建筑施工安全评价及应用

本文依据建筑施工过程安全状态特征,从人、机、环境、管理四个方面进行分析,构建了建筑施工安全评价指标体系,并将粗糙集理论与人工神经网络模型两种方法相结合,建立了基于粗糙集-人工神经网络的建筑施工安全评价模型,对建筑施工过程安全状况进行评价,即:首先通过专家评议同粗糙集理论相结合,对评价指标体系中的各指标进行约简,并确定影响建筑施工安全的核心因素;然后将经粗糙集约简后的评价指标采用人工神经网络方法进行处理和计算。通过实际应用验证表明,经过训练后的神经网络所得的预测值同理论值相近,证明此种评价模型能为建筑施工安全评价提供合理的依据。     

基于BP神经网络算法的混凝土单层框架损伤识别

基于BP神经网络算法,采用框架结构损伤前后固有频率的变化率作为网络的输入参数,分别对框架梁的单处损伤、框架柱的多处损伤进行损伤位置的识别.数值仿真结果表明,BP神经网络算法对混凝土框架结构损伤位置的识别效果很好.     

达里诺尔湖溶解性有机质荧光特征与人工神经网络非线性响应研究

研究湖泊水体DOM（溶解性有机质）特征及其与复合环境要素的响应关系,对水生态系统保护及生物地球化学循环研究具有重要意义.以内蒙古达里诺尔湖（简称“达里湖”）为研究区,利用紫外-可见光谱技术（UV-vis）和人工神经网络模型（ANN）方法,开展达里湖水体DOM特征识别及其水质响应关系的研究.结果表明:①达里湖水环境污染程度较为严重,水体呈富营养化趋势.DOM吸收系数〔α（355）〕表明,夏季湖体DOM浓度较高.②建立了α（355）与达里湖水体ρ（TN）、ρ（TP）、pH和ρ（Chla）的人工神经网络模型,该模型验证期和测试期决定系数（R2）分别为0.78和0.84,该模型具有较好的DOM模拟和预测能力.③人工神经网络模型参数敏感性分析结果表明,α（355）对ρ（Chla）变化最敏感,敏感性水平为31.95%;其次为pH和ρ（TN）,α（355）对二者变化的敏感性水平分别为28.53%和25.54%;α（355）对ρ（TP）变化敏感性最低,敏感性水平为8.16%.研究显示,达里湖DOM对富营养化的发生具有较显著的表征影响,人工神经网络模型可为富营养化预测提供科学参考.      

神经网络模型森林生物量遥感估测方法的研究

森林生物量的估测是全球变化研究的基础,而遥感宏观、综合、动态、快速的特点决定了基于遥感的生物量模型为森林生物量估测的发展方向,目前的遥感生物量估测方法大多基于回归分析,需要预先假设、事后检验,仅为经验性的统计模型。神经网络的分布并行处理、非线性映射、自适应学习和容错等特性,使其具有独特的信息处理和计算能力,在机制尚不清楚的高维非线性系统体现出强大优势,可以用于遥感生物量估测。文章在野外调查的基础上,尝试应用BP网络和RBF网络技术,建立广州TM遥感影像数据与森林样方生物量实测数据之间的神经网络模型,通过训练和仿真,与生物量实测数据进行比较。结果表明,在独立样地估测中,人工神经网络估测的相对误差均小于15.18%,获得了满意的效果。而RBF网络与BP网络相比,在识别精度上、稳定性、速度上,均优于BP网络,其最大相对误差不超过10.12%,平均相对误差为4.76%。可见应用神经网络方法的“黑箱”操作虽然难以归纳出指导性规律,但可以获得很高的精度。尤其RBF网络,在训练完成后,可以应用该模型进行大区域生物量估算,对于森林的规划及管理具有深远意义。