参保企业转移脆弱性的评估方法研究——以长沙地区为例

保险担当着不可或缺的风险转移、风险担保和风险控制的重要职责,保险公司亦成为政府推动灾害综合风险管理发展的得力助手,但保险公司在进行风险管理的同时,自身也面临着高风险。为了给保险公司在承保业务时提供科学的风险防范指导,促进保险业的健康发展,基于Hoovering改进模型,利用广义回归神经网络对企业通过投保行为转移给保险公司的脆弱性进行了研究和评估。选择湖南省长沙市为研究区,利用湖南省人民保险公司的业务数据库,对该地区水灾转移脆弱性的分布状况进行了重点研究。并且,利用构建的网络模型,对保险公司的承保决策进行风险防范的应用指导。研究结果表明,长沙市雨花区的投保企业给公司带来的水灾脆弱性整体水平最高,其次是芙蓉区。     

基于小波包和改进纵横交叉法的风电预测模型

针对风电出力的随机性、季节性和波动性及一般方法预测精度不高的问题,采用改进纵横交叉(improved crisscross optimization, ICSO)算法,建立了一种基于小波包变换与改进纵横交叉算法优化Elman神经网络的风电预测模型。仿真结果表明:改进的纵横交叉算法不但克服了一般算法早熟收敛的缺陷,有效提高神经网络的泛化能力和预测精度,而且表现出良好的稳定性,适用于风电的预测。     

BP神经网络改进算法预测水质浓度的应用

探讨了黄河兰州段地表水水质浓度预测的BP神经网络法，建立了一种动态的、及时的、超前的BP神经网络预测模型。并在标准算法的基础上用2种改进算法同时进行比较。结果表明，改进的BP算法在水质浓度预测中更能胜任，时间短、准确度高。     

IPSO-BP神经网络在渭河天水段水质评价中的应用

水质评价是进行水环境容量计算和实施水污染控制规划的重要基础,能为改善河流水资源污染程度,保护河流水资源提供方向性、原则性的方案和依据。文章通过改进的PSO算法优化BP神经网络的权值和阈值,获得最优权值和阈值后建立IPSO-BP神经网络水质评价模型,针对关中-天水经济区中天水段地表水质,利用2003-2009年渭河天水段4个控制断面的监测数据,选取BOD5、DO、氨氮、总磷、高锰酸盐指数5个指标进行综合评价,并分析了污染现状及时空变化规律。结果表明,改进的PSO-BP神经网络泛化能力强,评价更客观;7年间水质有一定程度的改善,但总体变化不大,水质类别主要为Ⅱ类和Ⅲ类,其中北道桥断面污染最为严重。研究旨在有效控制渭河流域天水段污染,为渭河水资源的保护提供科学依据。     

基于多元统计分析和RBFNNs的水质评价方法

提出了一种基于多元统计分析和RBFNNs的水质评价方法,其可适用于大尺度、多断面、长时间的水质评价工作,旨在补充以往相关研究工作.其主要程序为:利用方差分析对各断面多年水质监测样本进行时间与空间尺度上的显著差异性分析,识别出具有显著差异的样本,然后通过层次聚类分析把上述样本进行聚类分组,最后应用径向基神经网络对各组样本进行水质评价,并把此评价结果再分解到各断面各时段,此方法的特点为在不损失信息的前提下能大大减轻水质评价工作量,且客观可信、分辨率高,并能综合反映总体与个别特征.以辽宁省太子河为例,通过方差分析将2001～2003年6个断面的144个样本归纳为存在显著差异的74个样本,再通过聚类分析得到9个相似组,相应的水质评价结果为2.7394、4.4306、4.0994、2.777、4.2192、4.1214、4.4129、4.4259、4.4359,与传统单项指数法的结果基本一致.具体落实到各断面,结果表明,2001～2003 年间太子河大部分断面的水质处于Ⅳ类以上.     

基于模拟-优化方法的地下水污染源溯源辨识

以抚顺市某煤矸石堆放场为研究区,根据研究区的实际条件建立地下水污染质运移模拟模型,预测地下水污染质未来时空变化特征.基于正演预报结果构建了假想例子,应用模拟-优化方法对地下水污染源源强及场地的渗透系数进行反演识别.为减小优化模型反复调用模拟模型所产生的计算负荷,分别采用Kriging方法和BP神经网络方法建立了模拟模型的替代模型.最后运用模拟退火法求解优化模型,得到反演识别结果.研究表明：应用Kriging方法建立的替代模型输出结果的平均相对误差为0.3%;应用BP神经网络方法建立替代模型的输出结果平均相对误差为1.5%,应用两种替代模型对污染源源强识别的相对误差均小于0.5%,对场地两个参数分区渗透系数识别的相对误差均不大于5%.综上,应用Kriging方法建立的替代模型精度高于BP神经网络方法,利用基于两种替代模型的模拟-优化方法对污染源源强和渗透系数进行同步识别精度可以满足实际需求,是有效可行的.     

基于神经网络的黄草坝古滑坡稳定性评价

根据神经网络的基本原理,结合35个实际滑坡工程实例,分别采用RBF神经网络和BP神经网络建立滑坡稳定性评价模型,利用MATLAB编程求解,并对比了两种模型的计算结果,表明采用RBF网络模型计算出的结果精度高、误差小,更适合于对滑坡的稳定性评价;同时,运用RBF网络模型计算了黄草坝古滑坡的稳定性系数,对其稳定性进行了预测,以验证该方法的有效性。     

基于随机森林与神经网络的高光谱土壤重金属Zn含量反演

在河北省保定市白洋淀区域采集115个土壤样品进行重金属含量分析和室内光谱测量,分别将BP神经网络、随机森林、决策树、多元线性回归、K近邻回归、AdaBoost回归和偏最小二乘回归法应用于全部原始波谱数据和基于双层随机森林选择后的波段数据。结果表明,基于原始波谱数据的土壤重金属Zn元素含量的反演模型精度较低,而通过双层随机森林选择出光谱数据中与土壤重金属Zn信息相关的波段,减轻了网络模型的过拟合问题,提高了模型预测精度;与其他模型比较,结合双层随机森林和BP神经网络构建的反演模型对研究区土壤重金属Zn含量预测效果最佳。     

基于BP神经网络的藻类水华预测模型研究

以宁波大学校内池塘2009年3—10月间30周的监测数据为基础,运用BP人工神经网络方法构建预测模型,探求颤藻生物量与总氮、总磷、透明度等6项环境因子之间的关系,选出最佳预测模型,并对模型进行敏感度分析。结果显示:①BP神经网络模型对颤藻生物量预测值与实测值之间拟合程度良好,相关系数达到了0.984,说明BP神经网络模型可以用于水体中藻类水华的短期预测。②通过对构建的BP神经网络模型进行敏感度分析,阐明了宁波大学校内池塘藻类水华的主要驱动因素,并指出控制水体的pH是宁波大学校内池塘藻类水华防治工作的重点。     

采场围岩稳定性预测数值技术

介绍井下开采过程中采场围岩稳定性分析及预测技术中的回归分析,神经网络及灰色系统等数值技术。