粒子群优化的RBF瓦斯涌出量预测

瓦斯涌出量是煤矿瓦斯灾害的主要来源,它直接影响煤矿安全生产和经济技术指标。瓦斯涌出量的传统预测方法是将其影响因素线性化后提出的,具有一定的局限性。本文基于群体智能理论,提出了一种基于粒子群算法优化的RBF神经网络瓦斯涌出量预测模型。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用粒子群算法优化RBF网络权值和其他参数,形成PSO-RBF预测模型。该模型通过计算种群粒子的适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明PSO-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。     

湖泊水质参数空间最优估计精度分析

在湖泊研究中,往往要了解污染的空间分布状况,其核心是空间最优估计问题.本文在阐述了克立格方差特点的基础上,以太湖为例,对湖泊水质参数空间最优估计的精度问题进行了分析.结果显示,估计精度受变差函数、各采样点的空间配置关系等因素的影响.空间结构直接决定着估计精度的大小,而与各信息采样点的值的大小无关.     

反舰导弹射击精度评估研究

分析了反舰导弹射击精度评估领域命中概率与圆概率偏差、命中区域圆概率偏差的分歧,提出了制导概率椭圆偏差和制导概率圆偏差的新概念。将反舰导弹飞行末段雷达导引头波束覆盖区域与打击目标水面舰艇轮廓大小进行了比对,根据比对结果划分为雷达导引头波束完全覆盖、部分覆盖和内嵌于目标三个等级,对应提出了命中概率评估方法、制导概率椭圆偏差评估方法和制导概率圆偏差评估方法。通过反舰导弹对快艇、驱护舰和航母三类目标射击精度评估算例验证了反舰导弹射击精度评估总体方案的全面性和三类方法的适用性。     

土壤连续属性空间插值方法及其精度的研究进展

作为土壤变化的时空定量监测方法,土壤属性空间插值方法及其精度是计量土壤学和"数字土壤"领域的重要研究内容。文章首先介绍了土壤属性空间插值的常用方法,包括克立格插值法(Kriging)、反距离权重法(IDW)、样条插值法(Spline)、贝叶斯最大熵(BME)、地理加权回归(GWR)以及高精度曲面建模方法(HASM);其次阐述了土壤属性空间插值精度验证的方法和指标;再次总结了能够提高土壤属性插值精度的6种途径,包括合理选择插值方法、准确设定插值方法参数、合理设计采样数目和密度、注意空间自相关程度和范围的影响、科学安排实验分析顺序以及结合辅助信息进行插值;最后从插值方法的选择、验证指标的选取以及辅助信息的结合三个方面指出了土壤属性空间插值方法及其精度的未来研究方向。     

TRMM降水数据在东北地区的精度验证与应用

利用东北地区2000-2007 年的APHRODITE降水数据,基于GWR方法对TRMM降水数据进行修正,分析新的TRMM降水数据精度,并基于修正的TRMM降水数据对东北地区降水进行时空分布特征分析.结果表明:①APHRODITE降水数据与观测数据之间的线性相关性更高、均方根误差RMSE更小,数据具有较高的精度;②修正后的TRMM降水数据相关系数R有所提高,且RMSE值均有降低.整体来看,TRMM降水数据的降水量数值偏大于观测值;③修正TRMM降水数据在5-10 月的误差相对较小,整体来看,在大部分区域的误差在0~30%之间;④东北地区降水分布极不均匀,整体呈从东南向西北减少趋势.11 月到翌年3 月的降水稀少,降水主要集中在夏季,其中7月降水量最大.     

张道口-1井水位观测精度变化分析研究

本文对张道口-1井模拟水位、数字化水位观测精度进行了对比，进一步分析了影响数字化水位观测精度的几个因素，提出了数字化水位在日常观测中应注意的几个问题。     

基于TM的陆良县遥感影像分类方法实验研究

以Landsat TM遥感影像为数据源,以云南省陆良县为研究对象,利用ENVI4.8对陆良县的Landsat TM遥感影像进行图像预处理以及最佳波段组合,运用监督分类中的平行六面体分类、最小距离分类、马氏距离分类以及最大似然分类等四种分类方法,对地物信息进行提取,并对其分类精度进行评价。最后发现,波段146组合适合陆良县的地物提取。在分类方法中,最大似然法分类的总体精度及Kappa系数均高于其他三种分类。     

基于ETM+图像的植被覆盖度遥感估算模型

植被覆盖度(VFC)的定量遥感是多种地表过程研究的迫切需要.文章选用南京市一幅Landsat 7 ETM 图像,经大气校正后提取了归一化植被指数(NDVI),与地面实测的植被覆盖度进行回归分析,建立了1～4次多项式关系模型.结果表明,NDVI与VFC呈极显著的正相关关系(r = 0.874, P < 0.001).在NDVI-VFC的1～4次多项式关系模型中,模型幂次越高,拟合程度越好.综合考虑模型的精度和稳定性,3次多项式模型作为最优模型推荐使用:VFC = -1.3438 NDVI 3 0.9774 NDVI 2 0.9988 NDVI 0.1507 (R2 = 0.7961, RMSE = 0.1094),该模型精度在植被中等密集区域(VFC＝0.4～0.8)最高,植被稀疏区域(VFC < 0.4)最低,植被密集区域(VFC > 0.8)居中.模型可直接用于全图像的VFC计算,并可通过植被指数的校准,进行推广使用.     

最小二乘支持向量机在臭氧浓度时间序列预测中试应用

将基于统计学理论的最小二乘支持向量机(LSSVM)方法试用于臭氧浓度时间序列预测.首先利用臭氧浓度时间序列资料重构了该混沌动力系统的相空间,然后沿着系统演化的相轨道用最小二乘支持向量机建立了臭氧浓度短时预测模型,并用上海市淀山湖站的臭氧观测资料做了提前1～8 h和提前24 h预报试验,结果显示这一模式能够较好地模拟臭氧浓度演化轨迹,提前1～8 h的预测精度均超过90%,提前24 h预报精度亦都在68%以上,预报效果较好.     

提高洪水智能预报中洪峰预报精度方法的研究

针对防洪减灾的实际需要,对如何提高智能网络对洪峰的预报精度问题进行了深入系统的研究,提出了峰值放大修正系数和遗传算法优化网络初始权重相结合的改进算法,历史资料的检验结果表明了这些改进策略的有效性和可靠性.