农业旱灾脆弱性研究综述

农业旱灾的脆弱性评价是旱灾风险防范的重要基础.本文从脆弱性的定义出发,明确界定了旱灾脆弱性评价的内涵,系统梳理了农业旱灾脆弱性区划评价和脆弱性曲线构建的方法,在此基础上,讨论了目前农业旱灾脆弱性评价研究中存在的问题和未来发展的趋势,并指出未来农业旱灾脆弱性评价应在以下4个方面进行深入研究,1)未来农业旱灾脆弱性评价应该逐步从定性的区划评价研究过渡到定量研究上;2)在区划评价研究中要重点加强指标权重确立的科学性、合理性;3)在脆弱性曲线的构建中要加强对脆弱性曲线精度的验证和适用性的评价;4)综合利用多种评估手段和地理信息技术,加强精细尺度的农业旱灾脆弱性评价.     

动态联系数与全偏确定度相耦合的区域农业旱灾脆弱性评价方法

区域农业旱灾脆弱性评价是准确预防农业旱灾风险的前提,在区域农业旱灾风险调控实践中具有重要作用,针对减轻农业旱灾脆弱性程度开展的相关研究对减少旱灾灾损极其重要。为动态评价区域农业旱灾脆弱性强弱程度,综合考虑各评价年份旱灾脆弱性的动态发展特征,通过构造联系数的变化增量函数同时借助联系数各分量动态变化的性质改进差异度系数的确定方法,构建了动态联系数与全偏确定度相耦合的区域农业旱灾脆弱性评价方法,并实际应用于安徽省蚌埠市农业旱灾脆弱性动态评价中。结果表明:2001—2010年蚌埠市农业旱灾脆弱性程度处于相对平稳的状态,只有2001、2002、2003年为4级水平,2004—2010年均为3级水平,全市的脆弱性程度有逐年降低的趋势;农业系统对于旱灾的承受能力呈逐年提升趋势。上述动态评价成果显示,基于动态联系数与全偏确定度耦合的评价方法更能体现出时间变化对于旱灾脆弱性等级变化的影响,可为区域农业旱灾风险防控提供科学参考,对推动农业旱灾风险定量评估具有积极作用。     

基于改进BP神经网络的地下水环境脆弱性评价

地下水环境脆弱性具有模糊特性,现有的地下水环境脆弱性评价方法普遍采用加权评分法和模糊数学方法.加权评分法在评价因素权重的确定上人为性较大,并且该方法不能反映各评价因素指标值的连续变化对地下水环境脆弱性的影响;模糊数学方法在评价因素权重的确定和隶属度函数的构建上存在着不足.为此,建立了地下水环境脆弱性的改进BP神经网络模型.黄淮平原宁陵县的应用结果表明,改进BP神经网络法训练速度快、精度高,能较好地解决非线性的模式识别问题,如实地评价地下水环境的脆弱性.     

农业旱灾风险与脆弱性评估及其相关关系的建立

近年来,华北地区干旱呈逐年增强的趋势,缺水已成为社会、经济发展所面临的重要制约因素,从总体上说,旱灾是由于用水需求增加,降水减少所致,但旱灾风险的空间分布,却不仅与降水有关,还与旱灾的脆弱性密切相关,基于脆弱性和风险理论,本文对河北省的这进灾风险和脆弱性进行了评估,并建立了风险与脆弱性的相关关系。     

乌蒙山区毕节市农业旱灾风险评估

旱灾是影响贵州山区主要的气象灾害,对农业生产影响极大,科学评估农业旱灾风险对抵抗干旱、减少灾害损失具有重要意义。以乌蒙山区毕节市为例,在综合考虑旱灾四阶段"诱发、孕灾、成灾、救灾"特征的基础上,从水分、综合环境保水能力与用水情况、农业脆弱性和救灾保障四方面构建指标体系,用熵值法在县域尺度对毕节市旱灾风险进行综合评估。结果显示:毕节市旱灾风险较大,平均风险等级为较高风险;综合旱灾风险由西部向东部递减,旱灾高风险区占全市面积的48.24%,主要分布在赫章县、威宁县与七星关区,较高风险区、中等风险区和低等风险区各占22.17%、18.92%、10.67%;从旱灾发生的阶段来看,毕节市诱发期和救灾期的风险较大。今后应加强旱灾预警和救灾保障。     

山东省农业旱灾恢复力评估研究:基于社会受灾体的脆弱性与恢复力的关系

山东省是我国农业旱灾的频发区,该地区的旱灾具有发生频率高、持续时间长、影响范围广的特点,严重影响了当地的农业生产和经济发展,在这种情况下,对该省农业灾害相关问题展开深入研究对于制定防灾减灾策略意义重大.根据山东省农业系统脆弱性与灾后恢复力的内在联系,提出了一个适合本地实际的旱灾恢复力评估模型,并以历史数据为依托进行了恢复力指数的尝试性构建.结果表明,"气候"、"土地利用状况"、"农户收入"和"农业投入"4个指标是影响研究区旱灾恢复力的关键因素,旱灾恢复力在1980年~2013这30多年间总体来看比较平稳,其中1983年、1987年、1994年、1998年和2002年恢复力水平较低,1984年、1990年、1996年和2005年恢复力水平较高.根据该模型构建的恢复力指数测算结果预测得出2014年山东省旱灾综合恢复力空间分布情况为青岛市最高,聊城市最低.     

西南喀斯特地区农业旱灾脆弱性评价研究

基于SPSS19.0软件的主成分分析法,通过选取影响西南喀斯特地区农业旱灾脆弱性评价的3个主要影响因子,即承灾体因子、孕灾环境因子和致灾因子,采用加权综合评分方式,对农业旱灾脆弱性进行评价。结果表明:西南喀斯特地区农业旱灾脆弱性排序为:云南贵州广西四川重庆。同时,聚类分析研究表明西南喀斯特地区农业旱灾脆弱性具有显著的梯度差异,其中云南和贵州归为同一类,广西和四川为同一类,重庆单独为一类;而且受灾严重的地区多具有山地面积大,地形结构复杂,喀斯特地貌广布,地下多溶洞、暗河等特征,导致这些地区的地表水难以储存,且工程性缺水严重。     

2种方法在贵州农业旱灾脆弱性评价中的比较

农业旱灾脆弱性评价方法的选择对结果的准确度至关重要。文章以贵州省为例,从自然、社会、经济三个方面构建指标体系,采用定量分析评价法和可变模糊分析评价法对9个市(州)的农业旱灾脆弱性进行评价,并且以此为基础对2种评价方法进行了对比分析。研究结果表明:贵州整体上农业旱灾脆弱性严重,地区之间有差异;对于脆弱度等级的划分,2种评价方法测算的农业旱灾脆弱性等级差控制在±1范围内,地区脆弱性排名差异明显;2种方法评价结果的差异主要与2种方法对原始数据的无量纲化处理,数据处理的过程,所依据的理论差异有关,同时与模糊分析法指标划分的级别也有一定关系,2种方法的适用性在今后的研究中还需进一步验证。     

基于LM-BP算法的成熟林资产评估模型

为了提高评估效率、降低评估成本,将神经网络技术应用到森林资源资产评估建模中.针对传统BP神经网络存在的缺陷,将BP神经网络和贝叶斯正则化算法相结合,建立了基于LM-BP神经网络的成熟林评估模型.仿真结果表明,所建立的模型是有效的,预测精度高.     

基于蚁群神经网络的泵车主泵轴承性能评估

针对BP神经网络、遗传神经网络等智能算法在机械设备关键部件的性能评估过程中训练收敛速度慢,且会遇到局部极小的问题,提出一种运用蚁群算法训练神经网络的权值和阈值的混合智能算法--蚁群神经网络.将蚁群神经网络应用于混凝土泵车主泵系统中主泵轴承的模式识别和性能评估.结果表明,蚁群神经网络能很好地解决收敛速度慢、局部极小的问题,提高了分类精度,展现了良好的应用前景.     

基于BP神经网络的砂土液化影响因素的综合评估

为了充分考虑影响砂土液化的多种因素,选取不同的参数组合,建立不同的砂土液化判别BP神经网络模型,编写了饱和砂土液化判别BP神经网络程序SLV,并根据现场实测资料进行计算和分析.结果表明,地震作用是液化的直接原因,砂土处于饱和状态是液化的前提条件,影响液化的主要因素包括标准贯入锤击数、砂土不均匀系数以及地震剪应力比.文中建立的BP神经网络模型具有高度的分类和识别能力,可用于评估砂土液化的影响因素.     

一种基于BP神经网络的个体定税模型

阐述了BP神经网络的基本原理,通过分析影响定税的一些主要因素,提出了基于BP神经网络的个体定税预测模型,并以株洲市地方税务局的系数定税数据为样本,对该模型进行分析评估,进而表明BP神经网络在核定纳税户的应纳税额方面具有较好的实用性.     

基于BP神经网络的干热风灾害预测

干热风是我国新疆，西北等地农业气象灾害之一，其形成因素呈现复杂的非线性关系．利用传统方法很难建立起一个精确完善的预测模型．人工神经网络具有强大的非线性映射能力，尤其是BP神经网络在预测领域中被广泛应用．本文利用BP神经网络对干热风灾害进行了预测．结果表明，基于BP神经网络的干热风预测模型误差小，能达到满意的效果．     

水资源脆弱性评估的RESC模型及其在东部季风区的应用

针对水资源脆弱性评价面临的问题,提出耦合暴露度、风险、敏感性与抗压性的脆弱性评估模型(RESC模型),并以中国东部季风区为例进行了研究.结果显示,黄河、淮河、海河和辽河流域因水资源总量明显减少,水功能区达标河长比较低,暴露度高而呈现较高的脆弱性.耦合暴露度及风险后,水资源脆弱性分化程度更为明显.除淮河、海河、黄河等传统的脆弱性区域外,辽河流域面临极度脆弱性,珠江流域等因水质造成脆弱性增加;人口分布广、社会生产活动强、旱灾频发的地方脆弱性得到体现,如淮河流域、成-渝城市区、珠江下游区域等.脆弱性空间分布呈现一定的规律,以华北平原为脆弱性高值区,向北及向南减少.水资源脆弱性评估的RESC模型具有较强的物理机制,能科学评估水资源脆弱性状况.     

基于BP神经网络的杭州紫之隧道最大地表沉降预测

杭州紫之隧道浅埋暗挖北段处于地下水丰富的软弱地层中,施工过程中产生的地表沉降量难以控制,波动范围较大.为了准确评估施工风险,采用BP神经网络对最大地表沉降进行预测.首先对地表沉降的影响因素进行选取和量化,构成样本数据组.然后通过试错法,建立预测精度最高的一般BP神经网络和遗传算法优化的BP神经网络模型,研究发现BP神经网络在预测地表沉降方面效果较好,且使用遗传算法可以进一步提升预测精度.接着探讨了地层渗透性对BP神经网络预测精度的影响,研究发现不考虑地层渗透性会使预测精度大幅下降.最后对BP神经网络模型参数进行了敏感性分析,揭示了预测沉降的变化趋势符合客观变形机理.     

基于多元统计—神经网络的教学质量评估模型

给出了基于多元统计—BP神经网络的教学质量评估模型,先采用相关分析、主成分分析对其影响因子作评价和预处理分析,然后以BP神经网络模型作预测,并在Matlab中实现.结果表明,基于多元统计—BP神经网络的教学质量评估模型,既克服了在评估过程中的主观因素,又得到了满意的评估结果,具有广泛的适用性.     

基于SA+BP混合算法的动力电池放电峰值功率估算

针对一般的电池峰值功率状态估算只考虑单个因素的影响,或使用的电池模型相对简单等问题,提出一种新的估算方法.以三元锂动力电池作为研究对象,综合考虑了电池的温度、荷电状态和欧姆内阻等对电池放电峰值功率的影响,运用Matlab中的神经网络工具箱与Matlab语言编程,建立了基于数据统计和机器学习的模拟退火(simulated annealing, SA)+BP神经网络混合算法的神经网络电池模型.采用混合脉冲功率特性测试方法进行试验,共得到245组有效的试验数据,其中200组数据作为训练样本,45组数据作为测试样本.对比了单一BP算法和SA+BP混合算法训练模型的仿真结果,证明SA+BP混合算法训练的电池模型估算精度更高,能更加准确地描述电池的功率特性.     

基于历史相似案例的农业旱灾灾情快速评估方法研究

目前有关基于历史相似案例的旱灾灾情评估研究报道甚少,本文详细介绍了基于历史相似案例的旱灾灾情评估技术流程,并以河南省为例,收集了2001—2013年该省农业旱灾相关数据,对2007年和2013年的农业旱灾受灾面积进行了基于历史相似案例的灾情评估.结果表明:只利用一次灾害历史事件进行灾情评估的结果不可靠,无法满足业务需求,基于2个以上(包括2个)历史相似案例的河南省旱灾灾情评估精度在77.72%和96.28%之间,且选取2个相似历史案例时评估精度最佳(评估精度在90%以上).基于历史相似案例的旱灾灾情评估方法简单,操作容易,具有一定应用前景.     

基于ARCGIS的河南省分区农业旱灾风险分析

针对以往研究中旱灾发生概率计算精度不高、权重确定不够客观等不足,利用信息扩散理论和农业旱灾风险指数法,从致灾因子、孕灾环境、承灾体和抗旱减灾能力4个方面选取相应的评估指标,基于ARCGIS平台,对河南省农业旱灾风险进行分区分析.结果表明:濮阳和安阳处于致灾因子高危险区;鹤壁和新乡处于孕灾环境高敏感区;焦作和济源处于承灾体高脆弱区;开封、郑州、洛阳处于高抗旱减灾能力区.综合各影响因素的风险指数,安阳、鹤壁和济源处于农业旱灾高风险区.     

基于模拟退火PSO-BP算法的钢铁生产能耗预测研究

针对BP对能源系统进行建模和预测的方法存在的问题,提出一种优化BP神经网络的模拟退火粒子群混合算法(SAPSO)。利用该混合算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以得到最优解,并将所建立的预测模型对钢企能耗进行预测。最后与BP神经网络以及最小二乘法进行比较。仿真结果表明该混合算法增强神经网络的泛化能力,具有相对误差小,预测精度较高,能更好地跟踪未来数据的优点。