提高人工神经网络洪水峰值预报精度的研究

以动量项与学习率自适应调整相结合的改进BP算法作为人工神经网络计算方法，阐述了洪水预报网络模型的构造和数据处理，以及转移函数对洪水预报精度的影响，提出了合理的洪水预报网络模型的设计方案。     

基于神经网络的洪水预报研究

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行洪水预报是可行的.对洪水预报问题,初步建立了基于神经网络的洪水预报系统,给出了应用实例.     

暴雨洪水预报方法初深

暴雨洪水是威胁人类安全最常见的一种自然现象,特别是特大暴雨所形成的山洪、泥石流,给人们生命安全及财产造成巨大损失.本文针对暴雨降水量大、强度大、范围广的特点.通过对国内外大量高空地面资料进行分析与探索.采用统计分析与成因分析相结合的方法,寻求大气环流异常指标,探讨其发生发展运动规律.文中选用了发生暴雨洪水前期亚欧500百帕大气环流指标作为研究暴雨洪水背景预报的主要物理量. 文中用大量图表实例说明了该方法的可行性与实用性.经过多年实践认识到,要作好预见期较长的暴雨洪水预报,必须结合本地区水文气象特征进行多学科密切合作,充分发挥技术群体优势.文中认为对异常暴雨洪水进行预报是可能的.     

洪水预报调度决策支持系统的设计与开发

基于C/S和B/S相结合的结构模式,开发了九龙江流域洪水预报调度决策支持系统。该系统采用了马斯京根矩阵解法、卡尔曼滤波实时校正、交互式调度方案生成、ASP等关键技术,实现了信息管理、洪水预报、洪水调度和系统管理等功能。     

洪水的等级划分及其减灾意义

根据地震,风力等级的数学结构,提出一种洪水等级划分公式;对用等级表示洪水大小的减灾意义作了初步分析。     

基于遗传-神经网络的电网流域面雨量预报方法研究

以重点水力发电厂和大中型水库为主要考量,并兼顾地形地貌和中小河流的分布特征,将广西划分为23个电网流域,研究了基于非线性的神经网络电网流域面雨量预报方法。以5-6月龙滩近库区、龙江流域等6个电网流域为例,利用遗传算法优化BP神经网络的连接权和网络结构,建立了各电网流域的遗传-神经网络电网流域面雨量预报模型。对独立样本的预报结果表明,基于遗传-神经网络的电网流域面雨量预报模型的预报能力要优于传统的逐步回归预报模型,也明显优于日本、德国数值模式预报产品所换算成的电网流域面雨量预报,并与气象部门同期制作的综合面雨量预报产品能力相当,因而,遗传-神经网络面雨量集合预报模型有较好的业务应用前景。     

基于模糊信息分析的洪水预报

洪水影响因素复杂,洪峰水位和洪峰流量之间呈一种模糊关系.利用模糊信息分析方法,对洪峰流量进行了预报分析,其结果是比较好的,是洪水预报的一条比较有效的途径.     

基于自然正交展开的神经网络长期预报模型

对月降水量的前期500hPa高度场、海温场相关预报因子进行E0F展开，并取其中与预报量相关程度较高的主成分，结合人工神经网络技术，建立了一种新的短期气候预测模型。将这种新的预报模型与同样根据这些预报因子建立的回归预报模型进行了对比分析。结果表明，这种新的短期气候预测模型由于集中了众多预报因子的预报信息，并有效地利用了神经网络方法的非线性映射能力，因此比传统预报方法的预报精度显著提高，并且稳定性好，具有很好的应用前景。     

嘉陵江流域洪水等级的建议划分标准

根据洪水重现期可以将洪水划分为12个等级,也可根据年最大流量距平值将洪水中长期定性预报分成7个等级.探讨了嘉陵江流域的洪水等级和中长期预报定性分级标准,还对嘉陵江流域1981年7月发生的洪水等级进行了分析.     

基于免疫遗传算法的洪灾神经网络评估模型

灾情评估的结果既是制定防洪减灾决策的基本依据，也是评价防洪工作成效的重要指标。提出了一种基于免疫遗传算法优化的神经网络模型（IGA—NN）并用于洪水灾情的评估，给出了IGA—NN的设计方法和优化步骤。同时还将ICA—NN与标准遗传算法优化的神经网络模型进行了比较，显示了IGA—NN的优越性。最后通过实例，验证了IGA—NN的实用性。     

旱涝灾害的分形研究方法

对旱涝灾害中的时间分维、关联维的计算以及 R/ S分析等研究方法进行了介绍 ,在此基础上 ,对旱涝灾害中已有的分形应用研究进行了必要的总结与展望     

基于投影寻踪的洪水灾情评价插值模型

为解决单项洪水灾情等级评价指标评价结果的不相容问题,提高综合评价各层次的分辩力和评价模型的精度,本文利用投影寻踪、遗传算法、插值型曲线,为洪水灾情评价提供了一种新模型--遗传投影寻踪插值模型.通过最佳投影向量和评价指标向量的内积可把洪水灾情多维评价样本指标综合成一维投影指标,根据该投影指标值和对应等级的分布,可建立洪水灾情评价的插值模型,解决了各单项洪水灾情评价指标评价结果的不相容问题,提高了洪水灾情综合评价问题各层次的分辩力.作为示例,对中国部分省市的洪水灾情进行了综合评价.     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

基于神经网络的岩体边坡稳定性的灰色聚类空间预测法及其应用

针对岩体边坡稳定性与影响因素之间的非线性关系,提出了基于神经网络的岩体边坡稳定性的灰色聚类空间预测法,结合实例仿真分析,表明该方法能较好地处理岩体边坡稳定性与影响因素之间的灰色非线性关系,同时,能比较准确地预测岩体边坡的稳定性。     

基于GIS多准则评价与BP神经网络的暴雨洪涝灾害风险辨识--以闽三角地区为例

灾害风险辨识是灾害有效防控的重要环节之一,辨识体系与风险水平之间的非线性复杂关系使研究方法向精细化、智能化转型。闽三角地区是我国重要的沿海经济开放区,独特的“山-海”自然地理格局、起伏破碎的地形、高发的台风暴潮和极端短时降雨特征使其常遭受洪涝灾害侵扰。以闽三角为例,将生态服务价值纳入风险评价体系,构建基于GIS多准则评价与BP神经网络模型的风险辨识方法,旨在完善评价体系的同时,弥补传统评价方法存在的非线性缺陷和主观依赖,并以此为基础,进一步探究该地区风险空间分布规律和空间格局,为灾害风险防控提供思路。结果表明:①基于GIS多准则评价与BP神经网络模型的风险辨识方法能够系统准确的认知暴雨洪涝灾害风险水平与空间分布;②高风险区主要分布在河流沿岸、河口处、湾区,且人口、经济活动较活跃地区,城市化发展快速区与缓慢区相比,更容易遭受洪涝灾害威胁;③洪涝风险以高-高和低-低集聚为主,风险根据空间自相关性特征分为“整体随机”“局部随机-邻域集聚”和“整体集聚”三种类型。最后根据风险特征将闽三角地区高风险分为“厦门集美版块”“泉州湾区版块”“漳州县区版块”,分别提出灾害治理建议。     

宁波市水旱灾害及其规律的研究

水旱灾害是宁波市最为严重的自然灾害,特别是洪涝台灾害已成为该市自然灾害中经济损失增长最快的自然灾害。依据宁波市历史上水旱灾情资料,结合自然地理环境条件,分析研究宁波市水旱灾害基本特征,并揭示了水旱灾害发生的时间性和区域性规律。在此基础上还探讨了水旱灾害发生频率的演进趋势。     

边坡稳定性评价的自适应模拟退火聚类分析法

本文针对常规聚类法对初始聚类中心 的敏感性以及聚类结果与样本输入次序有关等问题,提出了基于模拟退火算法的边坡稳定性评价的自适应聚类分析方法。此方法对三峡库区36个边坡的研究结果表明，它是一个具有全局最优解和有较高计算效率的聚类法,其结果明显优于常规聚类法。