共查询到19条相似文献，搜索用时 515 毫秒
1.
本文简略地介绍了几种地质灾害数据处理与建模的非红性方法,主要包括ＧＭＤＨ自组织建模技术、神经网络方法。ＧＭＤＦＨ是一种高阶非线性回归建模方法,它是以简单的二元二次回归方程为基础,通过“代复一代”的“生产”过程,客观、自动地求得实际资料的非线性模型。而神经网络则是用工程技术手段模拟生物神经网络的结构特征和功能特征的一类人工系统。与常规统计方法相比,神经网络最突出的优点为它是对网络的学习和训练,来掌握 相似文献
2.
3.
基于趋势外推法和BP神经网络模型对四平市2015年和2020年的汽车保有量进行预测.结果表明,结合趋势外推法对汽车保有量的影响因子进行单独预测,可以提高各影响因子的预测精度,弥补BP神经网络在影响因子预测中数据拟合度不高、外推性不强的缺陷,进而保证BP神经网络汽车保有量预测的准确度.利用BP神经网络良好的非线性映射能力,可以较好地拟合汽车保有量与影响因子之间的非线性映射关系,是一种可行的汽车保有量预测方法.但是神经网络预测模型与经典计算方法相比并非优越,只有当常规方法解决不了或效果不佳时ANN方法才能显示出其优越性. 相似文献
4.
北方农牧交错带草原产草量遥感监测模型 总被引：21，自引：0，他引：21
及时准确地了解草原产草量的时空配置状况,对于科学合理地利用、管理草地,保证畜牧业生产持续稳定发展、改善生态环境等具有重要的意义。本文利用2005年的MODIS数据和同期野外实测的668个样方产草量数据,分析了5种植被指数和草地生物量之间的相关关系。研究表明:(1)分区模型优于不分区模型,在分区基础上建模更能反映产草量的实际情况;(2)通过线性、非线性模型和BP神经网络模型的对比,得出BP神经网络模型在拟合精度上优于线性和非线性模型,是最适宜监测北方农牧交错带草原产草量的模型;(3)5种植被指数中,NDVI和SAVI与草地生物量之间的拟合精度最高,是研究区最适宜使用的植被指数。 相似文献
5.
该文以提升滑坡危险性评价精度为核心目标,对深度神经网络在滑坡危险性评价中的可行性和适用性进行研究,以期充分发挥深度神经网络强大的非线性学习和拟合能力,取得更加合理的滑坡危险性评价结果。选取滑坡灾害多发的深圳市作为实例,基于深圳市815条历史滑坡数据,开展了深度神经网络建模训练;通过与广义线性模型及分类与回归树模型训练效果的对比,对深度神经网络的建模效果进行了评价,深度神经网络、广义线性模型和分类与回归树模型的AUC值依次是0.908、0.861和0.857。将训练所得的模型应用于深圳市全区,对3种模型输出的滑坡危险性评价成果的合理性和可靠性进行了对比分析,结果表明:深度神经网络建模精度良好,优于常见的广义线性模型和分类与回归树模型,输出的滑坡危险性评价成果具有合理性,适用于滑坡危险性评价工作。 相似文献
6.
中国入境旅游需求预测的神经网络集成模型研究 总被引：4，自引：1，他引：3
对入境旅游需求进行科学合理的预测直接关系到中国入境旅游发展战略的制定和实施,具有积极的现实意义。目前,BP神经网络作为一种常见的传统机器学习方法,被广泛用于旅游需求预测建模。然而,由于BP神经网络存在诸如易过配、参数设置难、获得全局最优解难等局限,在实际应用中表现极不稳定。有鉴于此,拟将BP神经网络和集成学习技术相结合,构建入境旅游需求预测的神经网络集成模型,并对美国、英国、澳大利亚3个客源国近20 a来的入境游客量数据进行验证分析。结果表明,神经网络集成有效克服了单个BP神经网络在小规模数据集上的局限性,获得了比包括BP神经网络在内的传统机器学习技术和传统统计方法更为准确的预测结果,这有利于更加准确地把握中国入境旅游市场需求。 相似文献
7.
汶川地震次生地质灾害数量多、分布广且类型复杂,严重威胁灾区人民的生命财产安全。为了分析次生地质灾害发育分布规律,并用于减灾防灾,急需一种有效的方法来对现场调查获取的大量地质灾害数据进行管理。以信息建模理论为指导,运用统一建模语言UML,并结合GIS空间数据模型分析,以建立面向对象的空间数据模型,及实现海量地灾信息综合管理为目的,研发了汶川地震次生地质灾害信息综合管理系统(WIMS)。利用GIS的强大空间图形管理能力、数据库技术以及网络开发等技术,以发布图形服务与数据服务的方式实现地质灾害数据共享,解决了空间数据编辑及提升地图访问速度的关键技术问题。该系统不仅能够为灾害管理部门制定防治方案提供一定的参考依据,并且能够为广大群众提供一个认识地质灾害的公共平台,提高全民防灾意识。 相似文献
8.
SeaWinds散射计海面风场神经网络建模研究 总被引：2，自引：0，他引：2
根据Sea Winds散射计只有两个入射角和两种极化方式的特点,利用其L2A数据和F291海上浮标数据,针对传统建模方法的不足和限制,借助神经网络建立了一个两种极化方式下统一的神经网络地球物理模型函数。该模型的主要特点是建模风矢量全部取自海上浮标测量数据,因而所用风矢量更加客观准确。通过与Qscat-1模型的比较和L2B与浮标风速之间的偏差统计分析,证明了该神经网络模型的有效性,并发现Qscat-1模型存在一定的系统性偏差。 相似文献
9.
从高维特征空间中获取元胞自动机的非线性转换规则 总被引：24，自引：5，他引：19
元胞自动机 (CA) 具有强大的空间模拟能力,能够模拟和预测复杂的地理现象演变过程。CA 的核心是如何定义转换规则,但目前CA转换规则获取往往是基于线性方法来进行,例如采用多准则判断 (MCE) 技术。这些方法较难反映地理现象所涉及的非线性等复杂特征。为此提出了利用新近发展的核学习机来获取地理元胞自动机非线性转换规则的新方法。该方法是通过核函数产生隐含的高维特征空间,把复杂的非线性问题转化成简单的线性问题,为解决复杂非线性问题提供了一种非常有效的途径。利用所提出的方法自动获取地理元胞自动机的转换规则,不仅大大减少了建模所需的时间,也较好地反映地理现象复杂的特性,从而改善了CA模拟的效果。 相似文献
10.
DEM地形分析在山区地质灾害研究中的应用——以云南省漾濞县为例 总被引：1，自引：0，他引：1
云南省漾濞县具有典型的山地特点,每年其境内发生的地质灾害都给人民生命和财产造成了极大的损失。在漾濞县的地质灾害调查中,通过"3S"技术的应用,建立了漾濞县的数字高程模型,进行了基于ArcGIS的地形分析,提取出了坡度和坡向等重要的地形因子。通过研究发现:坡度是漾濞县地质灾害频发的最主要控制因素,漾濞江及其支流上游的滑坡和崩塌为泥石流的发生提供了物源基础;同时阳坡是地质灾害发生的主要坡向,滑坡和崩塌等灾害发生频繁。最后,制作了漾濞县坡度、坡向分析图,指出了漾濞县较易发生地质灾害的地区,为其他山地地区地质灾害研究提供了一种借鉴模式。 相似文献
11.
Recent upward trends in acres irrigated have been linked to increasing near-surface moisture. Unfortunately, stations with dew point data for monitoring near-surface moisture are sparse. Thus, models that estimate dew points from more readily observed data sources are useful. Daily average dew temperatures were estimated and evaluated at 14 stations in Southwest Georgia using linear regression models and artificial neural networks (ANN). Estimation methods were drawn from simple and readily available meteorological observations, therefore only temperature and precipitation were considered as input variables. In total, three linear regression models and 27 ANN were analyzed. The two methods were evaluated using root mean square error (RMSE), mean absolute error (MAE), and other model evaluation techniques to assess the skill of the estimation methods. Both methods produced adequate estimates of daily averaged dew point temperatures, with the ANN displaying the best overall skill. The optimal performance of both models was during the warm season. Both methods had higher error associated with colder dew points, potentially due to the lack of observed values at those ranges. On average, the ANN reduced RMSE by 6.86% and MAE by 8.30% when compared to the best performing linear regression model. 相似文献
12.
Vesa Nykänen 《Natural Resources Research》2008,17(1):29-48
Among the more popular spatial modeling techniques, artificial neural networks (ANN) are tools that can deal with non-linear
relationships, can classify unknown data into categories by using known examples for training, and can deal with uncertainty;
characteristics that provide new possibilities for data exploration. Radial basis functional link nets (RBFLN), a form of
ANN, are applied to generate a series of prospectivity maps for orogenic gold deposits within the Paleoproterozoic Central
Lapland Greenstone Belt, Northern Fennoscandian Shield, Finland, which is considered highly prospective yet clearly under
explored. The supervised RBFLN performs better than previously applied statistical weights-of-evidence or conceptual fuzzy
logic methods, and equal to logistic regression method, when applied to the same geophysical and geochemical data layers that
are proxies for conceptual geological controls. By weighting the training feature vectors in terms of the size of the gold
deposits, the classification of the neural network results provides an improved prediction of the distribution of the more
important deposits/occurrences. Thus, ANN, more specifically RBFLN, potentially provide a better tool to other methodologies
in the development of prospectivity maps for mineral deposits, hence aiding conceptual exploration. 相似文献
13.
基于主成分分析的BP 神经网络在城市 建成区面积预测中的应用 ——-以北京市为例 总被引：1，自引：0，他引：1
城市建成区规模受社会、经济、城市环境等诸多因素影响, 传统统计方法难以准确预测城 市建成区的面积。人工神经网络具有良好的非线性映射逼近性能, 在各类预测研究中得到了广泛 的应用, 尤其是BP 神经网络。主成分分析可以在有效保留数据信息前提下对数据进行降维, 它 与BP 神经网络的结合主要在数据输入端, 通过减少输入层神经元个数, 增强网络性能, 提高预 测精度。本文以北京市为例, 综合运用主成分分析和BP 神经网络方法建立预测模型, 以1986~ 2003 年数据为学习样本, 以2004 年数据为检验样本, 对2005 年北京市城市建成区面积进行模 拟预测。预测结果表明, 基于主成分分析的BP 神经网络预测结果与实际值的相对误差为2.8%, 比传统BP 神经网络预测精度提高1.8 个百分点, 网络训练收敛速度也更快, 其预测精度和效率 都有不同程度的改善。 相似文献
14.
基于人工神经网络的老年男性血沉参考值与地理环境关系研究 总被引：4，自引：0，他引：4
以健康老年男性血沉参考值为例,收集中国各地用温氏法测定的健康老年男性血沉参考值,运用BP神经网络模拟分析其与地理环境的海拔高度、年日照时数、年平均相对湿度、年平均气温、年降水量等要素间的非线性、复杂性关系特征,通过5层神经网络,经过500次及1 300次自学习建立模拟规则后,用此规则很好地模拟健康老年男性血沉参考值与地理环境的关系。知道中国某地的地理要素, 就可用此模型估算该地区老年男性血沉参考值。人工神经网络预测血沉参考值的模型自动定义具体的结构和参数,减少血沉参考值预测中的人为性,计算方便;同时,通过对不同地理要素的组合,模型可以寻找预测误差最低的地理要素组合关系。 相似文献
15.
Arif Mert Eker Mehmet Dikmen Selim Cambazoğlu Şebnem H.B. Düzgün 《International journal of geographical information science》2013,27(1):132-158
The purpose of this study was to investigate the capabilities of different landslide susceptibility methods by comparing their results statistically and spatially to select the best method that portrays the susceptibility zones for the Ulus district of the Bart?n province (northern Turkey). Susceptibility maps based on spatial regression (SR), linear discriminant analysis (LDA), quadratic discriminant analysis (QDA), logistic regression (LR) method, and artificial neural network method (ANN) were generated, and the effect of each geomorphological parameter was determined. The landslide inventory map digitized from previous studies was used as a base map for landslide occurrence. All of the analyses were implemented with respect to landslides classified as rotational, active, and deeper than 5 m. Three different sets of data were used to produce nine explanatory variables (layers). The study area was divided into grids of 90 m × 90 m, and the ‘seed cell’ technique was applied to obtain statistically balanced population distribution over landslide inventory area. The constructed dataset was divided into two datasets as training and test. The initial assessment consisted of multicollinearity of explanatory variables. Empirical information entropy analysis was implemented to quantify the spatial distribution of the outcomes of these methods. Results of the analyses were validated by using success rate curve (SRC) and prediction rate curve (PRC) methods. Additionally, statistical and spatial comparisons of the results were performed to determine the most suitable susceptibility zonation method in this large-scale study area. In accordance with all these comparisons, it is concluded that ANN was the best method to represent landslide susceptibility throughout the study area with an acceptable processing time. 相似文献
16.
流域径流量对气候变化的敏感性分析是理解气候变化对流域水资源影响的重要手段。本文利用非更新式人工神经网络(ANN)模型,以年平均降雨、年最低气温和最高气温为输入参数,年平均径流量为输出变量,构建了三江平原挠力河流域的径流量预测ANN模型;并根据IPCC第四次报告的气候变化模式,设定了9种不同的气候变化情景,利用构建的ANN模型分析了流域径流量对气候变化的敏感性。结果表明:构建的人工神经网络模型能够较好的模拟径流量,可用于气候变化的敏感性分析;挠力河流域上游径流量对气候变化的敏感性要大于中游区域的,降水变化对径流量的影响大于气温对其产生的影响。 相似文献
17.
18.
根据澜沧江下游流域西双版纳州1989～2006年渔业资源量数据,分析渔业资源量变动特征,结合1989～2003年同期水文数据,应用人工神经网络技术分析环境因子与渔业捕捞量的关联,并依据2006年数据进行预测检验。结果表明,自1989～2006年,西双版纳州水产品产量逐年增加,养殖面积扩大、养殖技术发展是主要原因。渔业捕捞量总体呈现上升趋势,但在1990～1991、1998～1999及2001～2003年有所下降,与渔政管理和执法加强相关。气温和年降水量对渔业捕捞量的影响最大,其次是最高水温、最低含沙量和最低径流量。人工神经网络下渔业资源模拟值与实际值相关性高,2006年预测值与实际值的相对误差为9.7%,模型预测效果好。 相似文献
19.
Julien M.J. Racca Aline Philibert Robert Racca Yves T. Prairie 《Journal of Paleolimnology》2001,26(4):411-422
We explored the possibility of using artificial neural networks (ANN) to develop quantitative inference models in paleolimnology. ANNs are dynamic computer systems able to learn the relations between input and output data. We developed ANN models to infer pH from fossil diatom assemblages using a calibration data set of 76 lakes in Quebec. We evaluated the predictive power of these models in comparison with the two most commonly methods used in paleolimnology: Weighted Averaging (WA) and Weighted Averaging Partial Least Squares (WA-PLS). Results show that the relationship between species assemblages and environmental variables of interest can be modelled by a 3-layer back-propagation network, with apparent R2 and RMSE of 0.9 and 0.24 pH units, respectively. Leave-one-out cross-validation was used to access the reliabilities of the WA, WA-PLS and ANN models. Validation results show that the ANN model (R2
jackknife = 0.63, RMSEjackknife = 0.45, mean bias = 0.14, maximum bias = 1.13) gives a better predictive power than the WA model (R2
jackknife = 0.56, RMSEjackknife = 0.5, mean bias = –0.09, maximum bias = –1.07) or WA-PLS model (R2
jackknife = 0.58, RMSEjackknife = 0.48, mean bias = –0.15, maximum bias = –1.08). We also evaluated whether the removal of certain taxa according to their tolerance changed the performance of the models. Overall, we found that the removal of taxa with high tolerances for pH improved the predictive power of WA-PLS models whereas the removal of low tolerance taxa lowered its performance. However, ANN models were generally much less affected by the removal of taxa of either low or high pH tolerance. Moreover, the best model was obtained by averaging the predictions of WA-PLS and ANN models. This implies that the two modelling approaches capture and extract complementary information from diatom assemblages. We suggest that future modelling efforts might achieve better results using analogous multi-model strategies. 相似文献