多种灾情预测模型的研究—2001年后上海市热带气旋灾情预测

采用3种方法,即灰色模型GM,自回归－滑动平均模型ARMA和人工神经网络ANN预测了上海市2001年后（含2001年）强热带气旋出现的趋势与规律,结果表明,2001、2006和2010年将出现中级以上灾难而两个年份灾情较重。通过数值计算结果比较了3种方法的应用特点,为进一步建立综合预测模型打下了基础。     

不同热力背景对城市降雨（暴雨）的影响（Ⅲ）：—基于人工神经网络的集成预报模型

在对降雨系统时序规律分析的基础上,提出了基于人工神经网络的集成降雨时序分析与预报模型,根据上海市降雨和实际测点布置的特点,提出了两套降雨预报策略,根据热力背景的不同,建立了城市降雨空间差异预报模型,经初步验证,该模型具有较高精度,可为城市规划,排水市政工程建设服务。     

太阳黑子与杉木生长关系

根据多层误差板传网络结构模型和三次设计发展了一种太阳黑子人工神经网络预报方法,以杉木胸径生长的年轮指数和太阳黑子自相关因子输入变量,应用改进的人工神经网络方法建立了太阳黑子相对数年平均值的预测模型,模型的模拟回归优度为93．3％,预测精度达到95．74％,并对网络模型中变量进行灵敏度分析,分析表明,杉木胸径生长的年轮指数对太阳黑子对相对数年平均值影响较平坦,而太阳黑子自相关因子Yt-4和Yt-2对太阳子相对数年平均值影响较灵敏,3个因子对太阳黑子相对数年平均值均在一定的影响。图2表5参19     

智能算法及其在环境预警中的应用

智能算法具有学习非线性问题的能力,可有效优化环境模型结构与参数,是环境预警的重要工具。重点分析了遗传算法和人工神经网络的相关特征,并以太湖蓝藻水华预报预警为例,介绍其在提高环境模型精度中的应用。     

基于连续小波变换的土壤重金属含量反演模型

文章以博斯腾湖西岸湖滨绿洲土壤重金属Cr、Ni、Zn为研究对象，采用偏最小二乘回归、支持向量机和人工神经网络模型，通过连续小波变换，优选高光谱数据与土壤重金属含量的特征波段，构建研究区土壤重金属含量的高光谱反演模型。研究结果表明：（1）连续小波变换后，土壤重金属Cr含量相关性由0.24提高到0.45；土壤重金属Ni含量相关性由0.31提高到0.45；土壤重金属Zn含量相关性由0.31提高到0.51;(2）土壤重金属Cr、Ni、Zn含量的高光谱特征波段主要位于400～900、1 400～1 600、2 000～2 200 nm。（3）连续小波变换与人工神经网络相结合的模型精度最优，其土壤金属Cr含量的建模集和验证集的R²分别为0.91和0.84，均方根误差(RMSE)为2.40和3.91；土壤金属Ni含量的建模集和验证集的R2分别为0.91和0.84，均方根误差(RMSE)为2.40和3.91；土壤金属Ni含量的建模集和验证集的R²分别为0.88和0.82,RMSE为1.64和2.43；土壤重金属Zn含量的建模集和验证集的R2分别为0.88和0.82,RMSE为1.64和2.43；土壤重金属Zn含量的建模集和验证集的R²别为0.90和0.81,RMSE为5.20和5.93；连续小波变换结合人工神经网络模型比最小二乘和支持向量机2种模型，适合研究区土壤重金属Cr、Ni、Zn含量的反演。