神经网络方法在地表高程预测中的应用研究

从地表高程预测的研究现状出发,基于Matlab神经网络工具箱构建了广义回归神经网络(GRNN),建立了能够预测地表高程的神经网络预测模型,并与反距离加权法(IDW)的预测结果进行了比较分析。结果表明,GRNN方法计算简单,在相同的样本数据条件下,GRNN的预测精度较高,表明神经网络方法在地表高程预测中的应用是可行的。     

基于BP神经网络的多壁碳纳米管复合CdS-TiO_2光催化剂优化合成研究

基于CdS-TiO2/多壁碳纳米管(MWCNTs)光催化剂降解甲苯的正交实验数据,采用反向传播(BP)神经网络训练并建立了光催化剂合成条件设计的神经网络模型。以正交实验确定的4个主要影响因素作为输入层参数,以甲苯降解率作为输出层参数,将全部实验数据分为训练样本集和预测样本集。运行网络,系统误差为0.000 724,网络预测值与实验数据值相关系数达到0.989,说明该网络具有较好的训练精度及泛化能力。并利用训练好的神经网络预测得到CdS-TiO2/MWCNTs光催化剂的最佳合成条件:焙烧温度为460℃,MWCNTs复合量为1.5%(质量分数),活性组元摩尔比(TiO2/CdS)=80∶1,水加入量为12%(体积分数)。     

土地利用规划中建设用地预测方法比较

为探索提高建设用地预测精度和预测方法比较,该文运用多元线性回归模型、GM(1,1)模型和BP神经网络模型对晋城市建设用地进行预测,预测结果说明三种模型的平均相对误差和预测精度均存在一定差异。研究表明:建设用地预测中应结合数据本身的特点和数据收集的难易程度选择不同模型;多角度多方法进行预测比较,可得到预测精度较高的预测结果;对于建设用地预测方法比较,可以从模型本质特性、数据采用形式和数据获取难易程度等7个方面进行综合比较。该研究为科学选择建设用地预测方法、探索预测方法比较提供一种思路,为土地利用规划修编和土地资源可持续利用提供科学依据。     

经济发达地区镇域农村居民点演变驱动力空间差异研究——以太仓市陆渡镇和浏河镇为例

采用Logistic回归分析法、对比分析法等,以地处经济发达地区的陆渡镇及浏河镇为例,从镇域尺度探讨农村居民点演变驱动机理及其空间差异。结果显示:(1)两镇农村居民点减少的一般因素中农民人均纯收入、人均居民点面积均具有正向作用,到城镇的距离具有负向作用,3者作用大小具有区域差异,农村工业发展及到公路的距离对不同地区作用方向不同;而粮食产量仅对陆渡镇有负向作用;(2)两镇农村居民点增加的一般因素中农民人均纯收入、农业发展均具有正向作用,而到公路的距离、基本农田则具有负向作用,4者作用方向及程度排序一致;而除一般因素及到城镇的距离外的其他因素均为特殊因素。研究表明,农村居民点变化驱动力及其作用程度与方向具有区域差异性;为优化农村居民点布局,应把握不同地区农村居民点演变驱动力机理的空间差异,制定差别化政策措施。     

巢湖和太湖微囊藻毒素差异性研究

采用固相萃取高效液相色谱法检测巢湖和太湖水体中5种微囊藻毒素(MCs)——MC-RR、MC-YR、MC-LR、MC-LA、MC-LY的含量。结果表明,巢湖水体中的MCs以MC-RR、MC-LA、MC-LY为主,太湖水体主要以MC-RR、MC-LR、MC-LA为主,其中太湖MC-LR的最高质量浓度为2.558μg/L,超过《地表水环境质量标准》(GB 3838—2002)中对集中式生活饮用水地表水源地的限定值(1μg/L)。分析巢湖和太湖水体中MCs与水质指标之间的相关性,发现同种MCs与两湖环境因子的相关性存在明显差异。逐步回归拟合结果表明,氨氮和DO分别能与巢湖MC-LR、MC-LY进行拟合;Chl-a、TOC能与太湖MC-LR回归拟合,TOC能与太湖MC-YR进行拟合。由于多数MCs不能通过水质指标的拟合结果来预测,因此在未来研究中需结合环境因子和MCs的遗传机制来共同分析MCs在水中的分布规律。     

中国城市化与能源强度关系的交互动态响应分析

基于1990-2009年的统计数据,建立城市化率和能源强度间的向量自回归模型,运用协整分析、脉冲响应函数和动态方差分解法,从不同视角对两组变量的交互动态响应关系进行分析和预测,旨在揭示我国城市化水平与能源利用效率的内在联系、互动机制与发展趋势。分析结果表明:尽管在短期内呈现波动态势,我国城市化水平与能源强度之间存在长期均衡关系;两组变量的动态脉冲响应为负,体现出城市化率和能源强度之间的反向变动走势;与城市化相比,能源强度的脉冲曲线波动剧烈,说明单纯依靠能源系统内部来改善能源效率缺乏可持续性;方差分解时序值显示,能源强度对城市化变动因素的累计贡献较低,而城市化水平对能源强度变动的影响显著且增长迅速,说明能源强度的降低并不是城市化率提高的主要动力,反之城市化水平的提高对能源强度的下降具有较强的促进作用。由此可见,通过城市的优化开发与系统建设,能够有效促进能源的可持续利用,实现能源消费与经济增长间的均衡发展。     

人力资本、社会资本与市民化抑制

新生代农民工问题的终结是市民化,但是目前许多新生代农民工存在市民化阻碍,这不利于我国城市化进程的推进和经济的持续健康发展。对沈阳和余姚两地区进行了案例调查,得到了两地区新生代农民工的调查数据。运用调查数据,首先采用需求可识别的biprobit模型对新生代的农民工市民化抑制程度进行了测度,并预测出新生代农民工个体的市民化抑制程度。在对新生代农民工个体的市民化抑制程度指标进行分位数回归分解的基础上,分析了人力资本和社会资本对新生代农民工市民化抑制程度的影响,以期促进新生代农民工的城市融入。研究发现:新生代农民工的社会资本水平是影响其市民化的关键因素,人力资本水平的提高只有在市民化抑制程度高于80%时才会使市民化抑制程度下降。因此,相应的政策建议为,政府应加强新生代农民工城市公共服务的享用水平;发展和健全农民工工会组织;在市民化抑制程度较高的地区应特别加强新生代农民工职业技能的培训。     

CLUE-S模型对村镇土地利用变化的模拟与精度评价

利用航片、IKONOS和Quickbird影像得到研究区3期（1991、2001和2009年）土地利用历史数据,运用CLUE S模型,基于1991、2001年的土地利用数据对2009年土地利用格局进行模拟预测,并将模拟结果与2009年真实土地利用数据进行比较。类型水平上,选择ROC曲线统计和偏离度指数分别对各地类的Logistic回归拟合精度和CLUE S模型模拟精度进行评价;景观水平上,采用景观指数和Kappa指数系列方法,从综合预测能力、景观格局、数量和空间位置等方面对CLUE S模型的模拟精度进行全面评估。结果表明:①CLUE S模型对各土地利用类型的模拟精度均较高,各地类的Logistic回归的拟合精度随着模拟分辨率的提高而逐渐增加;②随着模拟时间的缩短,CLUE S模型对整体景观格局的模拟精度提高;③该模型对土地利用数量的模拟精度明显优于其对空间位置的模拟精度。总体而言,CLUE S模型在村镇尺度的模拟效果良好,预测精度较高,但在空间位置和景观格局精度方面还有待提高     

基于ARIMA和BP神经网络组合模型的我国碳排放强度预测

预测我国碳排放强度的长期变动趋势, 对国家进行宏观经济管理和节能减排工作具有重要的参考价值。运用深入分析自回归移动平均模型和神经网络的特性,并在此基础上建立ARIMA模型和BP神经网络组合模型,将碳排放强度的时间序列的数据结构分解为线性和非线性残差部分,对我国碳排放强度的变化趋势进行了综合分析与预测。结果显示:今后10 a我国碳排放强度总体是逐步下降的,但到2020年我国碳排放强度仅比2005年下降34%,比我国政府提出碳排放强度下降40%~45%的目标还有一定的差距。因此,要在2020年实现我国碳排放强度目标,必须要调整宏观经济政策,采取各种政策措施以实现目标     

西安f7地裂缝发展变化的预测研究

论文首先分析和总结了影响西安地裂缝发展变化的主要人为因素。随后,利用三维非稳定渗流分析方法研究了人类活动对地下水位的影响;根据西安市新增固定资产投资的变化,预测了地面荷载的变化;以时间、地下水位和地面荷载为基本变量,建立了预测f 7地裂缝活动趋势的BP神经网络模型;最后,借助MATLAB语言进行编程,利用训练稳定的网络模型,预测了f 7地裂缝的活动趋势以及年平均的垂直位移沉降量,为进一步研究西安地铁2号线安全运行和防护提供参考依据。