岳家桥镇岩溶塌陷区地下水动态监测与分析

为了探究地下水动态变化对岩溶塌陷的影响,以益阳市岳家桥地区为例,研究分析了地下水变化对浅层岩溶地表稳定性的影响.通过使用水位计、流速仪和电子水准仪对岳家桥镇岩溶塌陷区的水位、流速和地表沉降变化进行监测,并对监测数据进行统计和对比,结果表明:地下水位的增高会加剧岩溶塌陷,地下水位降低有利于岩溶地区稳定.并根据洞室埋深和监测所得的水文数据采用BP神经网络对岩溶塌陷进行预测,预测结果表明预测值能很好的拟合实际沉降数据,对于治理岳家桥地区的岩溶塌陷具有一定参考价值.     

基于支持向量机岩溶塌陷的智能预测模型

在综合分析了各种岩溶塌陷预测方法和介绍支持向量机的基础上,提出基于支持向量机的岩溶塌陷预测方法,运用Matlab语言编程,建立了相应的岩溶塌陷预测模型.以已有的岩溶地面塌陷实例为学习样本,进行学习测试,得到训练效果较佳的预测模型,并用此模型对某市岩溶塌陷进行预测.结果表明,支持向量机预测模型具有较高精度,在岩溶塌陷预测研究中具有广阔的应用前景.     

岩溶塌陷预测的高斯过程机器学习模型

为研究在多种复杂影响因素下岩溶塌陷如何准确预测,针对现有方法的局限性,建立了一种基于高斯过程机器学习的岩溶塌陷预测模型.该模型通过对少量学习样本的学习,就可以建立岩溶塌陷与其影响因素之间的复杂非线性映射关系.将模型应用于工程实例,研究结果表明,岩溶塌陷预测的高斯过程机器学习模型是科学可行的,具有预测精度高、适用性强、参...     

安溪县剑斗地区岩溶地面塌陷危险性预测

对安溪县剑斗岩溶地面塌陷的时空分布特征、影响因素、形成条件及形成机理进行探讨。结合当地的地质环境条件,建立各因子层次结构模型,应用层次分析法对可能发生塌陷的区域进行预测。研究结果表明安溪县剑斗岩溶地面塌陷主要与岩溶发育程度、覆盖层厚度及其岩性、地质构造、水力条件及人类工程活动等因素有关。     

基于GIS的武汉市武昌区岩溶塌陷危险性评价

为减少城市岩溶塌陷引发的损失,定量评估城市岩溶塌陷灾害,在详细分析武昌区地质情况的基础上,选取岩溶地层岩性、岩溶发育程度和覆盖层岩性等11个致灾因子,运用模糊算法和组件式GIS技术对研究区岩溶塌陷危险性等级进行评估,得到武昌区岩溶塌陷危险性等级区划图.研究结果表明:研究区岩溶塌陷等级分为极易塌陷、易塌陷、较易塌陷和安全共4个等级,极易塌陷区主要位于武昌南部白沙洲大桥等区域,易塌陷区分布在南部区域和北部小块区域.武昌区位于南部岩溶带,区内地下水与长江水联系紧密,导致区内时常发生岩溶塌陷.此外,区内较大的人口密度和频繁的人类工程活动加剧了岩溶塌陷发生的可能性,因此,应适量减少人类工程活动.     

唐山市岩溶塌陷的神经网络预测模型

唐山市多次发生岩溶地面塌陷，造成建筑物破坏。岩溶塌陷是一种危害性很大的地质灾害，发生在城市的岩溶塌陷不仅破坏人类的生存环境，毁坏建筑物，而且危及人民的生命安全。岩溶塌陷的产生受多种因素影响，塌陷预测的关键是找到各种影响因素与岩溶塌陷的关联关系。应用人工神经网络方法建立了岩溶塌陷预测模型。分析了计算结果，并对城市规划建设提出了几点建议。     

隧道地表塌陷成因分析及治理对策研究

论文以两个隧道的岩溶地表塌陷为例分析了岩溶地表塌陷的原因及其具体影响因素，为进一步的预测和治理岩9溶地表塌陷提供了依据。介绍了隧道工程的地质特征、地貌特征以及防止突水引起地表塌陷的措施，涌泥引起地表塌陷的成因、定量探测方法和治理对策。本文认为对隧道施工中岩溶地表塌陷的影响应火岩溶发育程度的影响、地下水影响和覆盖层性质的影响等方面考虑。     

改进BP神经网络在交通事故预测中的研究

交通事故严重程度受多种因素的影响,适合用人工神经网络来建模预测.因为标准BP(Back Propagation,BP)神经网络具有收敛较慢的缺陷,所以在自适应学习和附加动量因子改进BP神经网络~([1])基础上做了进一步的优化改进,使附加动量因子也具有自学习性.利用改进后的BP神经网络算法,选取英国利兹市的公开交通事故数据集,用影响交通事故严重程度的多种影响因素和事故严重程度构建并训练神经网络,并对最新数据进行预测.通过大量的实验对比收敛速度和预测结果,验证了改进后的算法具有更快的收敛速度和更高的预测准确率.     

基于神经网络的VBR视频流量建模及预测

为解决视频流量预测问题,结合神经网络和小波技术建模IP(Internet Protocol)网络视频流,提出了利用神经网络预测尺度因子的预测算法.对可变比特率的压缩视频流完成小波分解,得出尺度因子.通过对尺度因子的预测和小波重建,完成视频流量预测.尺度因子的归一化特性简化了神经网络处理过程.对真实VBR(Variable Bit Rate)视频流的流量预测实验表明,模型对IP网络普遍应用的高压缩比视频流具有良好的预测能力.     

采用BP-GA算法的一种LSI神经网络的电路设计

将误差反传 (BP)算法和遗传算法 (GA)有机地结合在一起 ,提出了一种新的算法 BP- GA。采用 BP- GA算法 ,设计了一个两层前向 L SI神经网络。作为神经网络的关键部件 ,提出的新型神经元性能优越。它的激活函数与理想sigmoid函数拟合很好 ;可实现对阈值及增益因子的编程并且不同增益因子下饱和输出电压值相同。采用标准 1.2 μmCMOS工艺的模型参数 ,对该两层前向神经网络电路进行的HSPICE模拟证明了它有解决异或 (XOR)问题的能力     

基于改进的BP神经网络的大坝蓄水期实时预报模型

蓄水期是大坝安全监测的重点时期.鉴于坝体性态随水位快速升高产生实时变化,蓄水期监测资料平稳性较差等特点,传统的BP神经网络对数据处理本质上属于静态网络,不能满足对实时变动的蓄水期数据样本的准确预测.为了解决这个问题,在传统的BP神经网络模型的基础上,通过在误差计算和模型参数中分别引入遗忘因子,实时更新数据的影响权重,建立了大坝蓄水期资料分析的时变分析模型.最后使用传统的BP神经网络模型和改进的BP神经网络模型进行实例分析,结果表明后者比前者在径向位移的预测上精度提高1mm以上,改进的BP神经网络模型更加适用于大坝蓄水期监测资料分析与预测.     

模糊层次综合法在某新建机场喀斯特塌陷危险性预测评价中的应用

喀斯特塌陷是某新建国际机场建设面临的最主要工程地质问题.根据工程区实际情况,选取3个条件层的15个因子构建喀斯特塌陷预测模糊层次模型,确定各因子的权重;采用模糊数学方法,以MapGIS为平台,对含有不同权重的各因子进行空间迭置分析、计算,来确定、划分工程区喀斯特塌陷的危险性分区.现状下,喀斯特塌陷绝大部分处于危险性中等区和危险性大的范围内.预测评价结果客观可靠.     

最小二乘支持向量机在API预测中的应用

传统的空气污染指数预测模型大多是以影响空气污染指数的重要气象因子作为输入,使用BP神经网络进行建模,模型的预测精度低且收敛速度慢.针对空气污染指数时间序列的非线性及多分辨率特性,提出了一种空气污染指数的最小二乘支持向量机预测模型.首先利用小波变换对原始的空气污染指数时间序列进行多尺度分解,以各尺度上的小波单支重构序列和重要的气象因子作为输入,然后使用该模型对兰州地区的空气污染指数进行了预测,最后讨论了模型参数的优化方法并使用网格法对两个参数进行了优化.仿真结果表明,与传统的BP神经网络预测模型相比,该模型具有更高的预测精度、更快的收敛速度及更好的稳定性.     

湖南某煤矿地区岩溶塌陷成因机制分析

随着经济的发展,人们对矿产资源的开采量不断增大,在其开采过程中对地质环境的破坏也愈发严重,各类地质灾害伴随而来,给人民的生命财产安全及社会经济发展带来不利影响.综合考虑水文地质单元、灾害发育程度、地层岩性、地质构造及矿山抽排水等因素,结合岩溶发育规律,对煤矿区内岩溶塌陷的成因机制分6个区来进行了分析,得出岩溶发育与矿井大量抽排水是该地区岩溶塌陷发育的最重要原因,研究成果可为该区域内岩溶塌陷的主要发展趋势预测和预防治理提供依据。     

唐山市地质灾害环境分析和城市规划

地震与岩溶塌陷是影响唐山市城市建设与发展的两大地质灾害.以弹性力学理论为研究基础,运用有限单元法,对唐山市的构造应力场进行了计算与分析.根据计算结果,进行潜在强震危险区预测分析.同时结合岩溶塌陷等地质资料,通过与唐山市城市规划的对比分析,对城市规划和防灾减灾问题做了初步探讨,提出了几点结论和建议.     

基于BP神经网络的空气质量预测与分析

使用神经网络构造的算法,对秦皇岛市的空气质量进行预测。将秦皇岛市的气象监测数据与环境监测数据,按照季节关系分组,并进行相关性分析,从而确定出与空气质量呈强相关性的气象因子。并对其进行主成分分析,得出影响空气质量变化的主因子,以减少多种气象因子带来的数据处理难度。构建季节预测模型,并根据气象因子筛选结果,确定出神经网络模型需要输入的数据矩阵,从而通过气象参数变化对秦皇岛市的空气质量进行预测。并通过四个预测模型对季节空气质量的数值预测,得出了平均预测准确率,分别为81.18%,83.10%,81.72%,80.56%。结果表明,使用BP神经网络构建的秦皇岛市空气质量预测模型,可以成功预测该市四季的空气质量。     

覆盖型岩溶塌陷临界水位降幅模型试验研究

在考虑覆盖型岩溶塌陷各种影响因素的基础上,通过理论分析和室内模型试验,定量化的研究水位下降对岩溶塌陷的影响及其变化规律。结果表明,急剧的水位变化是影响覆盖型岩溶塌陷的重要因素,受覆盖层土体性质、溶洞内气压、溶洞开口大小等因素的影响。提出了水位下降过程中临界水位降幅公式;并以室内模型试验为例,对该公式进行验证评价,计算所得的塌陷临界水位降幅与实际情况符合较好。     

最小二乘支持向量机在害虫预测中的应用

针对害虫发生量数据的小样本、非线性特点,提出一种最小二乘支持向量机的害虫预测方法.首先采用多元线性回归分析法选择害虫发生量的影响因子,然后通过遗传算法对最小二乘支持向量机参数进行优化,最后建立害虫发生量与影响因子之间复杂的非线性关系模型.采用二代玉米螟百株幼虫虫量对模型性能进行检验,结果表明,相对于多元线性回归、BP神经网络模型,最小二乘支持向量机提高了二代玉米螟发虫量的预测精度,是一种有效的害虫变化预测方法.     

中国粮食多因子灰色关联神经网络预测研究

针对BP神经网络多变量输入难以确定的缺点，提出了采用灰色关联分析法确定主要影响因子输入的多因子灰色关联分析神经网络预测模型，并给出了灰色关联神经网络BP预测模型的建立方法，对我国粮食生产影响因子多因子预测实证研究结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出的主要影响因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果，可广泛应用于各种预测研究，有较高的推广价值。     

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。