陕西延安地区1992—2000年干旱趋势灰色预测

本文存分析延安地区干旱特征的基础上,采用地地区40a的资料,运用灰色理论的预测方法,预测了1992～2000年间干旱发生的季节及强度,预计该时该区的旱情将持续出现,故提出必须立足抗旱,以保农业生产的稳步发展。     

架空管道震害预测实用方法的研究

根据震害调查分析和试验研究结果,建立了由环境因素和管道结构参数组成的,对架空管道震害预测进行二级多因素模糊综合评判的方法。文中给出了计算、评价构成二级评判因素地震烈度、场地类型、工作状态和结构种类各档次正态模糊数范数ａｋ的参数和对实际情况如何确定的方法。本文为面广量大的已建架空管道的震害预测工作提供了一套科学性强,方便实用的计算方法。     

由震洪相关回顾性预测1870年长江特大洪水

１８７０ 年长江特大洪水是多因叠加和强化的结果, 因之要预测它也要从各方面去研究。如特大洪水前的先行降雨和洪水所反映的大气环流状况及太阳活动情况等。本文把１９３１ 年、１９５４年、１９９１ 年长江大洪水前一年内缅甸北部有７ 级以上大震及１９９８ 年长江大洪前一年内缅北有６级左右震群集中活动的相关指标移用于１８７０ 年长江特大洪水前, 发现其前一年, 即１８６９ 年缅北亦有７ 级以上大震发生。震洪相关的物理机制是与地震活动有关的地下放气使孟加拉湾向长江流域输送的水气更多,如遇北方冷气团南下则降大雨致洪。另外,１８７０ 年长江洪水之所以比１９３１ 年、１９５４ 年、１９９１ 年和１９９８ 年长江洪水还大, 我们认为１８７０ 年４ 月１１ 日在长江上游山区有７ 级以上大震发生, 且震前有大雪发生, 是叠加在前述致洪因素上的另一因素。     

指数平滑法在西安地面变形预测中的应用

首先详细介绍了指数平滑法及二次曲线指数平滑法的预测过程, 然后用它对西安市地裂引起的地面变形进行了预测。结果表明预测效果良好。同时, 文中指出了应用指数平滑法的一些优点及应注意的一些问题。     

吐鲁番地区粮食生产发展问题初探

吐鲁番盆地的特殊气候条件，为经济作提供了良好的生长环境，而粮食生产受气候条件和经济作物快速增长的双重制约，发展非常困难，本文分析了吐鲁番地区粮食生产增长态热及制约因素，并应用多种模型对未来粮食变化趋势作了定量和定性的，在此基础上提出了相应的对策。     

改进BP算法在煤与瓦斯突出预测中的应用

为了正确预测煤与瓦斯突出的趋势与危险性 ,基于反向BP神经网络 ,笔者提出了一种改进的BP网络模型 :为了加快BP网络的收敛速度 ,增强其跳出局部极小点的能力 ,采用了自适应变步长法和改进模拟退火法 (SA法 )相结合的方法。实际应用表明 ,该模型收敛速度快 ,准确性高 ,具有较高的可靠性和实用性 ,是一种十分有效的煤与瓦斯突出危险性预测方法。     

人工神经网络方法在资源与环境预测方面的应用

用人工神经网络方法对不同水域、不同环境因子之间非线性和不确定性的复杂关系进行学习训练并预测检验。结果表明：人工神经网络方法在模拟和预测方面 优于传统的统计回归模型,在资源与环境方面的应用是可行的。具有较强的模拟预测能力。与传统的回归模型相比,人工神经网络方法不要求监测数据具有很强的规律性,就可用后的网络模型对其进行预报,燕且预测相对误差均比回归模型预测相对误差要小,具有一定的实用性。两个实例的应用     

贵港市土地利用动态变化分析及用地预测

以城市为中心的区域土地是土地资源中资产效益最高的一部分，是人类利用土地影响最为深刻的土地类型。在分析土地利用现状变更调查数据的基础上，应用各类土地利用动态变化模型对贵港市的土地利用动态变化进行分析，并运用灰色系统预测模型对该区域各地类的土地利用时空演变进行了预测，最后提出相应的优化土地利用结构的建议。     

组合优化的能源消费量预测模型

针对非等间距灰色系统预测中存在误差较大的问题，结合序列本身的特点，利用世界能源消费的历史数据，采用3种灰色预测模型与神经网络进行组合优化，建立了灰色神经网络的能源消费量组合预测模型。实证分析结果表明，提高了模型的拟合和预测精度，拓宽了应用范围。该模型可对能源的消费趋势进行预测，为科学分析能源结构提供依据。     

区域洪涝灾害风险的模糊综合评价与预测

以广西1992~2006年洪涝灾情数据为基础,选取适当的评价指标,用基于遗传算法、特征值法和优化算法的投影寻踪法和层次分析法确定各评价指标的分类权重和排序权重,用优化算法进行综合得到组合权重,经过加权求和得出洪涝灾害的模糊综合评价,进而对15个评价对象进行了分类排序,其分类结果很好地反映了洪涝灾情的实际情况。在以上模糊综合评价结果的基础上,利用距离贴近度进一步计算和分析各个评价指标之间的贴近度,并由择近原则确定各个评价指标之间在洪涝灾害评价中的相关程度。同时,建立了基于改进的灰色GM(1,1)的时间响应式的灾变年份预测模型。