融合气象要素时空特征的深度学习水文模型          下载免费PDF全文

李步  田富强  李钰坤  倪广恒 《水科学进展》2022,33(6):904-913

针对现有深度学习水文模型未能充分刻画气象要素空间特征的问题, 本文基于主成分分析(PCA)方法提取气象要素空间特征, 利用长短时记忆神经网络(LSTM)学习长时序过程规律, 构建融合气象要素时空特性的深度学习水文模型PCA-LSTM。以黄河源区为研究区域, 利用LSTM模型和物理水文模型THREW作为比对模型, 基于高斯噪音法系统评估PCA-LSTM模型的适用性和鲁棒性。结果显示: PCA-LSTM模型径流模拟纳什效率系数为0.92, 高于比对模型LSTM和THREW, 表明模型具有较高的精度。研究结果可为流域高精度水文模拟提供参考。  相似文献   

基于深度学习的CZ铁路康定—理塘段滑坡易发性评价   总被引：1，自引：0，他引：1  

王世宝  庄建琦  郑佳  牟家琦  王野  付玉婷 《工程地质学报》2022,30(3):908-919

CZ铁路康定至理塘段地处青藏高原东部边缘,区域内地形地貌多变、地质构造复杂,滑坡灾害极其发育,严重威胁着CZ铁路康定至理塘段的规划建设和未来安全运行。因此,选取高程、坡向、平面曲率、剖面曲率、地形起伏度、地表切割度、地形湿度指数、归一化植被指数、岩性、距断层距离、距河流距离、距道路距离共计12个影响因子构建滑坡空间数据库,采用深度学习的卷积神经网络(convolutional neural network,CNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(13.76%)、高易发区(14.00%)、中易发区(15.86%)、低易发区(18.17%)、极低易发区(38.21%)5个等级,并与人工神经网络(artificial neural network,ANN)模型进行对比。结果表明,CNN模型的评价精度AUC(0.87)大于ANN(0.84)模型,且极高易发区的频率比值高于ANN模型,CNN模型在本研究区有着更高的预测能力;极高和高易发区主要分布在水系较为发育的地区,沿着雅砻江和其他河流两侧2 km范围内呈带状分布。滑坡易发性评价结果较好地反映了研究区滑坡灾害发育的分布现状,能够为该区的CZ铁路建设和未来安全运行过程中的防灾减灾工作提供科学的依据。  相似文献   

基于APSO-SVR-GRU模型的白水河滑坡周期项位移预测          下载免费PDF全文

杨伟东  王再旺  赵涵卓  侯岳峰 《中国地质灾害与防治学报》2022,33(6):20-28

滑坡周期项位移的预测,是研究地质灾害中滑坡变形至关重要的一步。由于单一模型易受偶然因素影响,且无法充分利用有效信息,导致其预测精度不高,适用性不强。基于此,文中提出了一种结合自适应粒子群算法（APSO）、支持向量机回归算法（SVR）、门控神经网络算法(GRU)的组合模型。该模型通过自适应粒子群优化算法对支持向量机回归算法进行参数寻优,确定最优参数组合,然后利用最小二乘法对APSO-SVR模型与GRU模型赋权建立最优权重比组合模型。以三峡白水河滑坡作为研究对象,选取降雨量、库水位及位移量作为周期项位移的影响因子,对模型进行训练验证,结果表明:在白水河滑坡周期项位移预测中,文中所提出的APSO-SVR-GRU组合模型与单一模型相比,具有更高的预测精度和稳定性。  相似文献   

利用土壤地球化学数据和BP神经网络预测松嫩平原油气资源     

刘凯  朱建新  戴慧敏  刘国栋  许江  宋运红  杜守营 《地质与资源》2022,31(6):784

基于东北地区多目标区域地球化学调查获得的海量土壤地球化学数据,利用BP神经网络模型,在土壤地球化学性质与油气田空间位置之间建立模型,构造最优的油气资源预测模型. 以土壤54项地球化学指标以及XY坐标值共同作为模型输入层,以样本是否在油气田内(1代表油气田内,0代表油气田外)作为模型输出层,基于随机抽取的油气田内和油气田外各500个土壤样本数据进行模型训练. 结果显示,多次训练后识别准确率保持在90%左右,说明该模型分类效果较好,可用于油气资源预测. 利用该模型获得了松嫩平原11 291个土壤样本的含油气概率,并绘制了油气资源预测图. 研究表明,神经网络对于解决复杂的非线性地质问题可以发挥重要作用.  相似文献   

超参数对GRU-CNN混合深度学习弹性阻抗反演影响研究     

梁立锋  刘秀娟  张宏兵  陈程浩  陈锦华 《物探与化探》2021,(1):133-139

CNN-GRU混合深度学习反演弹性阻抗取得了较好的反演效果。但是,基于深度学习的叠前反演参数众多,包括内部深度学习网络可学习参数和外部超参数等,目前超参数选取对网络性能及计算速度影响尚缺乏系统性研究,这直接影响到了该方法的进一步推广应用。因此,本文在混合深度学习反演弹性阻抗基础上,探讨学习率、Epoch、batch_size、正则化参数及参与网络训练的测井个数等5个超参数对网络性能及计算速度的影响,为深度学习地震反演超参数选取提供依据。研究结果可为三维大面积深度学习反演提供一个可行的质控手段,对于推动深度学习方法在石油物探中广泛应用具有一定意义。  相似文献   

机器学习模型在滑坡易发性评价中的应用          下载免费PDF全文

刘福臻  王灵  肖东升 《中国地质灾害与防治学报》2021,32(6):98-106

机器学习在滑坡的易发性评价中面临两个难点,一是评价指标的客观量化,二是训练样本的选择。鉴于此,采用频率比法实现了评价指标的客观量化,利用k均值聚类算法实现了非滑坡样本数据的筛选。结果表明,以k均值聚类算法筛选非滑坡为前提,神经网络的训练精度由73%提升到了97%,支持向量机的训练精度由75%提升到了96%。基于GIS平台,将神经网络和支持向量机模型计算的全区易发性指数按自然断点法分为五个区域,分区图与历史灾害点的叠加分析统计结果显示,神经网络在全局范围内的评价结果优于支持向量机模型,全局精度分别为76%和74%。研究结果可为南江县的防灾减灾工作提供参考。  相似文献   

基于高光谱技术的黑土地微量金属元素探测方法及地学意义     

王建华  左玲  李志忠  穆华一  周萍  杨佳佳  赵英俊  秦凯 《地质力学学报》2021,27(3):418-429

在土壤中重金属含量较低的情况下,重金属的高光谱特征响应非常微弱,不易构建精确的高光谱直接反演模型。为了解决上述问题,依据土壤化学变量间的理化性质,将重金属富集特征转移到与之相关的化学主量元素上,使重金属微弱的信息得以间接定量反演。文中以海伦市黑土土壤为研究对象,通过主成分分析、聚类分析确定了主量元素氧化铁（Fe₂O₃）与微量重金属As、Zn、Cd之间存在明显吸附赋存关系。选用偏最小二乘法构建了研究区氧化铁含量的最佳反演模型（决定系数为0.704,均方根误差为0.148,F检验为12.732）,并利用氧化铁与As、Zn、Cd之间的赋存关系,通过神经网络构建了氧化铁预测值与重金属真实值间的非线性拟合模型,得出As含量的拟合程度最高,Zn的拟合程度较好,Cd的拟合效果较理想,总体相关性分别为0.796、0.732、0.530。研究结果表明,基于氧化铁含量的间接预测模型能对微量重金属As、Zn、Cd进行较好的定量预测,为微量重金属含量的定量分析提供了新的方法参考,为高光谱遥感技术预测土壤重金属含量提供了依据,增强了土壤微量重金属反演可行性,对细化自然资源质量监测、深化开展地学系统综合分析与评价有重要意义。   相似文献   

使用长短期记忆人工神经网络进行花岗岩变形破坏阶段的判别          下载免费PDF全文

陶雪杰  徐金明  王树成  王亚磊 《水文地质工程地质》2021,48(3):126-134

判别岩石所处的变形破坏阶段是分析岩石变化过程的重要基础。由于室内试验视频数据具有很好的等时距分布特征,可以使用基于长短期记忆的神经网络（LSTM-NN）模型判别外荷作用下岩石的变形破坏阶段。本文根据花岗岩室内单轴压缩试验所得应力-应变曲线和试验视频图像中裂隙的分布情况,将岩石变形破坏过程分成岩石压密阶段、弹性变形阶段、裂隙扩展阶段、整体破坏阶段,在提取不同阶段不同组分主要数字特征参数（面积）基础上,建立了基于LSTM-NN模型的岩石变形破坏阶段分类网络,分析了模型主要参数（学习率和最大周期等）对分类准确性的影响,使用所建模型对岩石所处变形破坏阶段进行了判别。结果表明,在LSTM-NN模型参数中,学习率和最大周期对变形破坏阶段判别准确率的影响较大,二者分别为0.005和200时的判别准确率达到最高;对于整个变形破坏阶段来说,LSTM-NN模型对裂隙扩展阶段预测的判别效果最好、对整体破坏阶段预测的判别效果最差;对于花岗岩中不同组分来说,LSTM-NN模型对变形破坏阶段预测准确性高低的顺序是裂隙、黑云母、长石、石英。  相似文献   

基于循环神经网络的单站能见度短临预报试验          下载免费PDF全文

李昕蓓  张苏平  衣立  韩美  潘宁 《山东气象》2019,39(2):76-83

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15.75%、31.66%、41.26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12.90%、24.45%、 38.99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。  相似文献   

具有遗忘时滞的静态神经网络的H_∞状态估计     

吴淑晨  李晓迪 《南京气象学院学报》2019,11(4):440-445

本文研究了具有遗忘时滞的静态神经网络的H_∞状态估计问题.首先降低了时变时滞可微的条件,然后通过构造合适的Lyapunov-Krasovskii泛函,设计保H_∞性能的状态估计器,使得误差系统实现全局渐近稳定.最后,借助Matlab中线性矩阵不等式工具箱进行数值仿真,验证了结论的有效性.  相似文献