简介:利用张掖国家湿地公园冬季水域结冰厚度观测资料和张掖观象台的气温、地温气象资料,运用统计学方法和BP神经网络方法建立了张掖国家湿地公园水域结冰厚度预报方程。通过对不同的预报方法进行预报效果验证,该结冰厚度的预报模型能够对结冰厚度有比较理想的预报效果,流动水域结冰厚度预报历史拟合率分别为:80.6%(多元回归)、74.6%(逐步回归)、100%(BP神经网络);模型试报准确率分别为:72.7%(多元回归)、72.7%(逐步回归)、81.8%(BP神经网络)。静止水域结冰厚度预测历史拟合率分别为:76.9%(多元回归)、71.8%(逐步回归)、93.5%(BP神经网络);模型试报准确率分别为:76.0%(多元回归)、72.0%(逐步回归)、84.0%(BP神经网络)。结果表明:多元回归方法优于逐步回归方法,而BP神经网络又明显优于传统的统计学方法,数据显示该结冰厚度的预报模型能够对结冰厚度有较好的预报效果,预报模型能够对水域结冰厚度进行有效的短期预报,其性能指标符合实际要求,具有很好的实际应用价值。
简介:生态与农业气象野外科学观测是生态学、气象学研究获得基础数据的一个重要环节,建设生态与农业气象野外基地,持续开展大气、水、土壤、气候及其相关的生物状况等有关因子监测,获取天气气候要素对生态系统的综合影响及其影响的结果,是不断提升对农业气象学、生态学、环境科学等交叉学科科学认知的需要。本文探讨了中国气象局沈阳大气环境研究所东北地区生态与农业气象野外科学试验基地的建设背景与思路、东北地区生态与农业气象主要问题、站点选择的区域代表性、研究目标、功能定位、开展的观测内容和所用仪器、不足之处与未来规划,旨在为提高东北生态与农业气象综合监测和评估预警能力及合理进行试验站选址、开展生态气象观测,为生态建设提供气象保障等提供参考。
简介:将BP(BackPropagation)神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现:BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。
简介:摘要:本文以岩土工程中边坡稳定性分析为研究主题。首先介绍了研究背景和目的,指出在工程建设中边坡稳定性的重要性以及现有评价方法的不足,进而引出人工神经网络应用的必要性。接着对边坡稳定性的研究现状进行了阐述,包括边坡失稳的自然与人为因素、工程地质在边坡稳定性研究中的任务以及边坡变形与破坏规律等内容。随后对人工神经网络进行了概述,介绍了其概念以及在评价信息表达中的应用。重点分析了人工神经网络在处理边坡稳定性分析中复杂非线性关系、综合考虑多因素、适应不确定性以及提高预测准确性等方面的优势。通过本文研究,为人工神经网络在岩土工程边坡稳定性分析中的应用提供了理论支持和依据。
简介:利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-OrganizingMaps,简称SOM)的统计降尺度方法,对江淮流域夏季(6-8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(BrierScore)均近似为0,显著性评分(SignificanceScore)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。
简介:海底沉积物中稀土元素的分布特征受很多影响因子的影响,很难定量分析.北部湾沉积物稀土元素(ΣREE)与物源、水动力、沉积物粒度和粘土矿物百分比等关系定性分析显示,本区的ΣREE的物源主要由陆源岩石控制,弱水动力和细粒度都对应较高含量的ΣREE.结合北部湾海底沉积物的位置、砾石含量、砂含量、粉砂含量、粘土含量和粘土矿物含量训练出来的BP神经在控制变量的情况下定量分析它们与ΣREE的关系,获得单个影响因子与ΣREE的关系曲线.这些关系曲线揭示了北部湾沉积物中稀土元素与各影响因子的联系,所获得的结果与定性分析的结果基本一致,该方法能够通过自主学习,自动判断并定量计算,有助于识别每一个因子对稀土元素含量影响的大小,是如何控制ΣREE的分布,从而根据曲线的变化规律结合实际情况去推断区域的环境变化及地质演变,对稀土元素的富集和分散提供有益的理论指导.
简介:根据先进星载热发射和反辐射计(ASTER)图像获取滑坡相关因素,并利用地理信息系统(GIS)开发、应用和验证韩国Boun地区滑坡脆弱性分析的综合技术。从ASTER图像中获取数字高程模型(DEM)、线性特征、归一化差值植被指数(NDVI)和土地覆盖因素并进行分析。根据DEM地形数据库评估边坡、方位和曲率。根据已有空间数据库并利用频率比(FR)、逻辑回归(LR)和人工神经网络模型(ANN)鉴定和量化检测的滑坡位置与6种相关因素之间的关系。在叠加分析中把这些相互关系用作因子额定值以创建滑坡脆弱性指数和滑坡脆弱性图。随后,在FR、LR和ANN模型中作为新输人因子结合并应用3种滑坡脆弱性图,从而创建改进的滑坡脆弱性图。通过对比在模型实验中未使用的已知滑坡位置来验证所有这些滑坡脆弱性图。对比利用3种滑坡相关输入参数创建的改进精度的综合滑坡脆弱性图(FR}莫型为87.00%;LRN型为88.21%;ANN模型为86.51%)与利用ASTER图像中6种因素创建的单独滑坡脆弱性图(FR丰莫型为84.34%;LR模型为85.40%;ANN模型为74.29%)。