不同e_a计算方法对Penman-Monteith公式的影响

实际水汽压ea是Penman-Monteith公式中计算参考作物蒸发蒸腾量的重要过程参数.为了研究在湿度缺测条件下,露点温度法替代相对湿度法计算ea在我国长江三角洲地区的适用性,选用江苏南通2000~2004年的旬气象资料,采用FAO推荐的相对湿度法和露点温度法两种方法计算了实际水汽压ea和旬参考作物蒸发蒸腾量ET0,分析了这两种方法计算结果的误差及其与影响因素间的关系.结果表明:这两种方法计算结果间误差较小,有98%以上的计算结果其误差小于20%;实际水汽压间的误差差异与最高最低温差相关关系最强,旬参考作物蒸发蒸腾量间的误差差异与最低温度的相关性最强;在湿度缺测条件下,可以采用露点温度法替代相对湿度法计算ea并进一步计算ET0.     

不同еa计算方法对Penman-Monteith公式的影响

实际水汽压еa是Penman-Monteith公式中计算参考作物蒸发蒸腾量的重要过程参数.为了研究在湿度缺测条件下,露点温度法替代相对湿度法计算еa在我国长江三角洲地区的适用性,选用江苏南通2000～2004年的旬气象资料,采用FAO推荐的相对湿度法和露点温度法两种方法计算了实际水汽压еa和旬参考作物蒸发蒸腾量ET0,分析了这两种方法计算结果的误差及其与影响因素间的关系.结果表明:这两种方法计算结果间误差较小,有98%以上的计算结果其误差小于20%;实际水汽压间的误差差异与最高最低温差相关关系最强,旬参考作物蒸发蒸腾量间的误差差异与最低温度的相关性最强;在湿度缺测条件下,可以采用露点温度法替代相对湿度法计算еa并进一步计算ET0.     

辐射参数计算方法对参考作物蒸发蒸腾量计算值的影响

采用FAO-56PM公式和其他计算公式计算净辐射Rn和参考作物蒸发蒸腾量ET0,对不同方法所得Rn计算值进行了比较.结果表明,不同辐射参数计算值对Rn计算值影响不同,大气边缘辐射计算值对Rn影响很大,Irmak方法和Allen方法所得Rn与FAO-56PM公式结果较一致.进一步以不同方法所得Rn代入FAO-56PM公式计算ET0,Irmak方法和Allen方法所得ET0与FAO-56PM公式计算值较一致.敏感性分析表明,Rn波动10%,ET0波动在7%左右,Rn对ET0的影响很大.在中亚热带低丘岗地区估算ET0时,可考虑Irmak方法和Allen方法来估算Rn.     

不同eα计算方法对Penman-Monteith公式的影响

实际水汽压eα是Penman—Monteith公式中计算参考作物蒸发蒸腾量的重要过程参数．为了研究在湿度缺测条件下，露点温度法替代相对湿度法计算eα在我国长江三角洲地区的适用性，选用江苏南通2000-2004年的旬气象资料，采用FAO推荐的相对湿度法和露点温度法两种方法计算了实际水汽压ea和旬参考作物蒸发蒸腾量E710，分析了这两种方法计算结果的误差及其与影响因素间的关系．结果表明：这两种方法计算结果间误差较小，有98％以上的计算结果其误差小于20％；实际水汽压间的误差差异与最高最低温差相关关系最强，旬参考作物蒸发蒸腾量间的误差差异与最低温度的相关性最强；在湿度缺测条件下，可以采用露点温度法替代相对湿度法计算eα并进一步计算ET0．     

呼伦贝尔草地生产力模型适用性及对气候变化响应分析

本文利用研究区草地植被净初级生产力(NPP)实地测定资料(2008~2013年)和气象资料(1961~2013年),分析验证了Miami模型、Thornthwaite Memorial模型和周广胜综合模型对研究区草地的适用性,同时建立了草地NPP与气温和降水量间的回归预测模型,对研究区草地NPP对气候变化的响应进行预测分析.结果表明:研究区气候变化呈暖干化趋势.Miami模型、Thornthwaite Memorial模型以及周广胜综合模型对研究区气候生产力模拟适用性较差,使用时需要进行修正.降水是影响呼伦贝尔草地NPP的主要限制因子,而温度对NPP的影响相对较小.50多年来,研究区草地NPP总体呈下降趋势,下降速率为11.04 g·m-2·10a-1.     

人工神经网络在河道水量还原计算中的应用

介绍了以水量平衡和降雨与径流相关关系为理论依托的河道水量还原计算的一些传统方法。在充分理解河道水量形成机理与人工神经网络原理的基础上,将人工神经网络BP算法运用于河道水量还原计算。以英国英格兰西北部IRWELL流域为例作了检验,实践证明,在没有充足资料的情况下,将人工神经网络BP算法用于河道水量还原计算中,能够较准确的演算出河道径流的形成机制,为资料匮乏地区的河道水量还原计算方法的研究提出了新的方向。     

改进型BP神经网络的港口吞吐量预测

为了提高港口吞吐量预测模型的适用性,满足港口决策的需求,对传统时间序列BP神经网络预测模型进行改进,将未来三年的吞吐量作为输出层参数,以tansig函数和logsig函数为传递函数,建立了改进型时间序列BP神经网络预测模型,利用trainlm函数训练神经网络,预测未来三年的港口吞吐量。对深圳港集装箱吞吐量进行了预测,结果表明,改进型时间序列BP神经网络模型泛化能力更强,拟合精度更高,且避免了传统预测模型循环预测产生的误差叠加,具有较好的适用性。     

基于BP神经网络的精对苯二甲酸回收系统水含量预测模型

采用电导率法测量精对苯二甲酸回收系统水含量,考察了电导率与水含量、金属离子浓度及温度的关系。以温度、金属离子浓度、电导率为输入变量,通过BP人工神经网络贝叶斯正则化算法建立水含量预测模型。优化后的BP神经网络模型结构为3-13-1,动量因子为0.75。使用优化的模型对水含量进行预测,测试集最大绝对相对偏差为4.36%,平均绝对相对偏差为0.96%,表明所建立的神经网络模型可较好地用于预测精对苯二甲酸回收系统的水含量。     

遗传神经网络能耗预测模型在钢铁企业中的应用

为改善BP网络训练速度慢,易收敛于局部极小点及全局搜索能力弱等固有缺陷,采用遗传算法优化神经网络的初始权值和阈值,以通化钢铁公司炼铁厂为研究对象,建立了基于遗传算法的人工神经网络能耗预测模型。用MATLAB编写计算程序进行测试,并与纯BP算法进行分析比较,结果表明,文中所提出的方法在预测精度和收敛速度方面均得到了改进。     

用BP神经网络提高锂离子电池化成系统采样精度

针对自行设计的YX-20A型锂离子电池化成柜采样精度不高的问题,分别采用动量梯度下降法和L-M优化法以三层BP神经网络为预测模型对采样电流数据进行校正;并用校正后的采样数据通过TL494芯片调节设定基准和充放电电流实测值的偏差。研究结果表明:L-M算法能快速收敛,效果优于动量梯度下降法,当隐含层节点数为9时,L-M算法效果最佳;校正后的电流最大相对误差由原来的5%降到1.1%左右,平均误差小于0.5%;校正后基准电流和实测值间的相对误差波动较平缓,其最大相对误差比校正前有明显下降。     

基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

BP神经网络在车辆制动性能预测中的应用

首先建立了车辆制动过程数学模型,利用该数学模型对JS2310农用运输车的制动性能进行了计算机仿真,并与试验结果进行了比较,表明模型是正确的为进一步提高该车辆制动性能预测的精度,引入了神经网络技术使用BP网络对不同条件下的多次仿真结果进行第一步学习,将数学模型转化为车辆制动性能预测的神经网络模型,再进一步使用整车部分试验结果对已得到的神经网络进行训练,得到最终的预测模型结果表明使用神经网络模型可以提高车辆制动性能预测的精度     

西藏参考作物蒸发蒸腾量的空间分布规律

根据西藏高原区38个气象站自建站到2006年的逐日气象观测资料,采用FA056标准Penman—Monteith公式计算各站逐日参考作物蒸发蒸腾量（ET0）。利用软件Golden Software Surfer8．0空间分析功能,得到西藏高原区四季ET0均值、极值ET0均值、干湿季ET0均值和年ET0均值的等值线灰度图,重点分析了全区各种ET0均值的空间分布特征。分析结果表明：西藏高原区各种ET0均值的高、低值中心空间分布各有差异;西藏高原区各种ET0均值均具有东部和中南部高、东北部和东南缘低的空间分布规律;多年平均气温、平均风速和平均相对湿度等主要气象因子共同作用导致了西藏高原区各种ET0均值呈现三个ET0高值中心。     

人工神经网络在土地覆盖分类中的应用

文章使用A STER遥感数据和土地利用分布图等地理辅助数据,用BP神经网络方法对土地覆盖进行了分类,并与最大似然法的分类结果进行精度比较分析提出神经网络方法在遥感图像分析与处理技术中的应用潜力。结果表明地理辅助数据参与的BP神经网络用于土地覆盖分类研究可以获得相对较好的分类结果。     

人工神经网络紫外分光光度法同时测定苯和甲苯

应用三层ANN_BP网络解析苯和甲苯的吸收光谱 ,不经分离 ,用紫外分光光度法同时测定苯和甲苯 .使用改进的BP算法 ,避免了神经网络学习过程中可能产生的麻痹现象 ,提出了目标向量的简单变换方法及便于网络参数选择的收敛评价函数 .实验验证了方法的有效性 ,同时表明 ,苯在 0 - 72 0mg/L和甲苯在 0 - 84 0mg/L范围内服从比尔定律     

An improved BP artificial neural network algorithm for urban traffic flow intelligent prediction

The traffic flow is interrelated to traffic congestion, the big traffic flow directly results in traffic congestion of some section. In this paper, on the basis of the research of overseas traffic accident, considering the characteristic of Chinese traffic, artificial neural network was used to predict traffic accident, and an improved BP artificial neural network model according with Chinese the situation of a country was proposed. The urban traffic flow prediction was simulated under the particular situation, the simulation result shows that the improved BP artificial neural network can fit the urban traffic flow prediction very well and have high performance.     

几种参考作物蒸散量计算方法的比较

对FAO—Penman—Monteith公式、Hargreaves公式、Priestley—Taylor公式、FAO-17Pen—man公式进行比较,应用这4种方法计算了河北省石家庄市的参考作物蒸散量。计算结果表明：FAO-17 Penman公式与Penman-Monteith公式具有很好的一致性,可代替Penman-Monteith公式计算参考作物蒸散量;Hargreaves公式与Penman-Monteith公式相比,其相关性并不显著,使用时需要进行修正;而Priestley—Taylor公式的计算值与FAO-Penman—Monteith公式的计算值相比,差异较为显著,是由于Priestley-Taylor公式没有考虑空气动力项对参考作物蒸散量的影响。因此,在使用Priestley—Taylor公式计算参考作物蒸散量时必须根据不同月份对公式中的常数项重新进行修正。     

改进的神经网络并行算法及其在地震初至拾取中的应用

针对经典BP神经网络易于陷入局部极小点、易于产生振荡等缺点,提出了神经网络初始权值的二分法,改进了一种网络结构自动确定算法,并将随机算子和遗忘因子引入BP神经网络中.在提高全局寻优能力的同时,加快了网络的收敛速度.在分析了神经网络内在并行性的基础上,基于MPI实现了改进算法的并行化,将算法应用于地震资料的初至拾取,并取得了良好的应用效果,验证了算法的有效性.     

基于人工鱼群算法优化神经网络的WSN数据融合

无线传感网(wireless sensor network, WSN)通常节点众多、数据冗余度高,传统的基于随机权值和阈值的前馈反向传播神经网络(back propagation neural network, BPNN)数据融合方法易陷入局部极值,导致融合结果准确性差。提出一种优化神经网络的权值和阈值进而改善WSN数据融合质量的方法-人工鱼群算法前馈反向传播(artificial fish swarm algorithm back propagation, AFSABP)神经网络数据融合。仿真和对比实验结果表明,改进的鱼群算法在收敛速度和寻优精度上都有明显提升,改进后的人工鱼群BP算法数据融合方法相较于传统BP数据融合方法,可减少3.06%的相对误差和3.74%的均方根误差。     

BP人工神经网络法研究PBDE_S类化合物的RRT

运用BP人工神经网络方法对PBDEs的相对保留时间(RRT)进行了QSPR研究.所建的BP人工神经网对PBDEs的RRT预测准确度非常高,网络训练误差几乎为0,网络回判MSE误差为0.003 9,明显低于逐步回归分析结果,独立检测集MSE误差为0.000 4,也很低,说明BP人工神经网具有较好的泛化能力.此方法得到的模型预测能力要优于逐步回归模型.