优化短期余水位组合预测模型     

冯俊俊  周立  欧阳犬平  周珍 《测绘通报》2022,(3):96-100

针对现有非稳定非线性余水位预测模型较少和精度较低的问题,本文研究基于MEEMD算法与遗传优化BP神经网络的余水位组合预测模型。利用夏威夷岛4个长期验潮站获取的余水位时序数据,首先采用遗传算法MEEMD对余水位时序数据进行处理分析,得到较为稳定的余水位IMF分量;然后将经过遗传算法优化后分解的较为稳定的各个IMF分量作为BP神经网络预测模型的输入变量,分别建立12、24、48 h短期余水位的MEEMD遗传算法优化BP神经网络预测模型。通过与非优化BP神经网络预测模型结果进行对比分析,结果表明,优化前后均方根误差的偏差最高达2.03 cm,验证了预测24 h内的短期余水位仍保持其相关特性。该组合预测模型对于分析余水位变化规律和潮汐预报的精度、水位改正等均有重要意义。  相似文献   

BP神经网络在测井数据预测原煤灰分中的应用     

谢小国  曹莉苹 《四川地质学报》2014,(2):304-306

测井曲线能敏感反应原煤灰分,为了利用测井数据分析原煤灰分,采用BP神经网络建立测井数据预测原煤灰分模型,用以研究利用自然伽马、密度和视电阻率等测井参数估测原煤灰分的方法。通过网络训练与测试,实验预测结果与期望结果吻合性好、误差小,因而BP神经网络可以用于测井数据预测原煤灰分。  相似文献   

基于ANN技术的济宁二号煤矿煤巷掘进前方小构造预测     

曾一凡  武强  刘守强  贾国凯  边凯  张小明 《中国煤炭地质》2014,(9):13-16

济宁二号煤矿小构造发育,给煤矿生产及安全带来很大影响。针对煤巷掘进前方小构造预测难问题,根据地质理论和已掌握的地质构造规律,归纳出煤层的倾角、厚度、裂隙类型、瓦斯聚集量、涌水量、温度和破碎程度是影响小构造存在的主控因素,通过实测构造面和煤岩层中各影响因素在煤层正常区、影响区和破坏区的变化,初步建立了基于BP人工神经网络的小构造预测的非线性网络模型,并运用Matlab软件对模型进行训练和优化,得到了优化后的预测模型。并应用模型对十一采区的113下01、113下02和113下06工作面的小构造进行预测,结果表明该网络模型的预测结论与实测结果相符。  相似文献   

SAR与TM影像融合及在BP神经网络分类中的应用   总被引：10，自引：1，他引：9  

张海龙  蒋建军  吴宏安  解修平 《测绘学报》2006,35(3):229-233,239

以加拿大Radarsat SAR与美国Landsat TM影像为信息源,分别将SAR与TM影像的DN值转换为表征地物特征的后向散射系数和反射率,利用改进的SVR法进行融合,同时与HIS,Brovey以及小波变换的融合效果作定量比较,并利用优化的BP神经网络模型,以相同的训练区分别对融合前后的影像进行监督分类。结果表明:改进的SVR法融合影像的光谱信息保持性、信息量以及分类精度都优于常用的融合方法,且分类精度比TM影像有较大提高。  相似文献   

BP神经网络在土壤重金属污染分析中的应用     

成功  李嘉璇  戴之秀 《江苏地质》2017,41(3):394-400

以湖南株洲市区中西部为研究区域,获取该区域35个土壤样本和多光谱数据,基于多元线性回归（MLR）、偏最小二乘回归（PLS）、BP神经网络回归模型（BP）,分别建立土壤重金属（Cr、Cu、Ni）含量的反演模型,并对模型预测效果进行检验。建模与预测综合效果：BP模型＞PLS模型＞MLR模型,BP神经网络回归模型的效果远远好于其他2组,尤其适合分析具有非明确关系的2组数据。其中,Cr元素回归模型为最佳拟合模型,建模和预测R2分别为0.917 4、0.811 0,建模均方根误差和预测均方根误差分别为8.269 3、16.870 7,说明基于多光谱数据反演土壤重金属含量有一定的可行性。  相似文献   

海表面盐度的高精度预测模型          下载免费PDF全文

王颖超  柳青青  李洪平  赵红 《海洋科学进展》2021,39(1):37-44

为了建立高精度的海洋表面盐度预测模型,采用BP神经网络的方法,针对SMOS卫星level 1C级亮度温度数据和辅助数据建立了一种海表面盐度预测模型,以ARGO浮标观测值作为海表盐度实测值来检验新模型预测结果的准确度,同时利用验证集对模型的精度进行验证.结果表明:通过新模型预测的海表盐度(SSS0)比SMOS卫星的3个粗...  相似文献   

基于主成分分析和BP神经网络的五道沟水面蒸发计算研究     

陆云燕  王振龙  吕海深  刘竹梅  丁佳楠  黄一博 《水文》2022,42(1):35-39

针为探讨五道沟水面蒸发量与气象因子间的关系,准确估算该地区水面蒸发量,选取五道沟1991—2019年水面蒸发量以及气象因子实测资料,基于主成分法分析水面蒸发量的影响因素,并结合BP人工神经网络算法建立了水面蒸发计算模型.结果表明:主成分分析提取了三个主成分,第一主成分为地表温度、饱和差、绝对湿度、平均气温以及水汽压力差...  相似文献