AGO-BP神经网络预测建模及工程应用研究

针对BP神经网络及各类改进的神经网络模型进行预测易出现收敛陷入局部极小点、网络震荡大、预测值可信度不高等问题,本文提出建立AGO-BP神经网络预测模型观点,并建立了实际应用模型。通过两个实例及多次反复验证,结果显示该模型具有较高的预测精度,且可以比较有效地避免上述问题,该模型具有一定的工程应用价值。     

降雨时间序列降噪及预测系统建模研究靠

以解决降雨混沌时序预测精度较低的问题为目的,基于相空间重构思想,应用混沌降雨时序奇异值分解技术对混沌时序的噪声进行了剥离。采用定性和定量的混沌特性判定方法,计算指出降雨时序具有明显的混沌特性。在此基础上构建了基于最小二乘支持向量机的降噪、预测一体化模型并进行了多步预测实验。结果表明降噪前后预测精度相差很大,证实了噪声是造成混沌预测方法预测精度较低的主要原因。通过与其他预测方法比较,验证了所建立的混沌预测模型能够捕捉到原混沌系统的动力学特征,预测误差较小,泛化能力较强,其预测效果较好。     

遗传神经网络在滑坡灾害预报中的应用研究

针对传统BP算法易收敛于局部最优以及网络结构难以确定等问题,引进遗传算法进行混合建模.采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免陷入局部极小.文中结合实例,对BP神经网络,遗传算法改进的神经网络进行了比较分析.实验表明,利用改进的混合模型可以提高预测精度,缩短收敛时间.     

基于GIS的矿区环境辅助决策信息系统的设计与开发

运用GIS技术,设计开发了矿区环境辅助决策信息系统.系统采用SuperMap Objects 5.3和SQL Server2000数据库管理系统,应用相应的编程语言完成.重点讨论了该系统的总体结构与功能,以及系统的实现技术,解决了专题空间数据与属性数据的集成问题,为矿区环境信息的管理与可视化、管理部门辅助决策提供了有力支持.     

GPS用于矿区沉陷区地表高精度动态监测的可行性研究

在分析正交小波变换和EMD方法处理GPS信号能力的基础上,结合矿区沉陷区地表移动特点,提出小波多尺度降噪-EMD变形量信息提取GPS变形监测数据处理模型.研究表明：对包含非线性趋势的测量信号,利用小波正交变换进行去噪和提取EMD分段信号段,再利用EMD分解进行变形趋势提取,具有较高的提取精度;利用小波多尺度降噪-EMD分段变形量提取数据处理模型处理GPS变形监测数据,可以获得高精度的变形量信息,动态变形监测垂直方向的精度可以达到毫米精度.     

GPS技术在三峡库区滑坡监测中的应用

主要介绍了GPS用于滑坡变形监测的方法,并通过三峡库区卡子湾滑坡体的变形监测介绍了GPS滑坡监测的整个过程,包括监测网的技术设计、外业观测、数据处理、变形分析等内容,并指出需要特别注意的几个问题。监测结果表明, 采用GPS静态定位技术达到毫米级的精度,完全可以满足高精度滑坡监测的要求。     

基于关键层理论的沉陷变形起动距的确定

根据关键层理论判定关键层及其破断规律,研究地表下沉起动距与关键层初次破断距之间的关系.比较实测起动距与主关键层初次破断距计算值之间在时间和大小上的差异,分析造成这种差异的原因,确定理论计算沉陷变形起动距的科学方法.     

大比例尺数字化测图方法简析

电子平板测图法、编码测图法、野外画草图法是3种常用的数字化测图方法,本对这3种方法进行了分析．提出了提高测图效率的方法,并对PTK在测图中的应用进行了探讨。     

基于GF-1和MODIS时序NDVI的种植结构提取

为提高作物识别精度、扩展数据适用范围,以两幅16 m空间分辨率的高分一号(GF-1)数据和23幅250 m分辨率的MODIS数据为数据源,首先进行GF-1的监督分类和MODIS NDVI时间序列的构建,然后利用监督分类结果和时间序列数据共同构造决策树模型,对石津灌区的主要作物进行遥感解译。由地面样本点和随机点进行精度检验,总体提取精度达到93. 13%,较单纯的监督分类,解译精度提高10%以上。结果表明该方法不仅能较好识别作物时空分布信息,而且能更好地发挥数据各自的优势。     

基于MASK算法的遥感影像匀光处理研究

针对现有的MASK匀光算法不足现象,提出一种针对MASK结果影像的梯度拉伸算法,实验证明:与2%线性拉伸和对比度参数拉伸相对比,该算法在解决遥感影像亮度分布不均匀问题的同时,保障影像的清晰度,增强细节反差,达到很好的匀光效果。