基于格点场数据的沙尘暴双预报模型

为提高沙尘暴预报的准确率，以描述大气环流形式的物理场格点数据作为建模样本，采用自组织神经网络对物理格点场数据样本进行聚类，构建出由大规模阵列式数据格式表示的建模样本的低维特征，再用模糊神经网络综合建模样本的一般性规律，用非典型样本进行二次建模以反映建模样本的特殊性，并设计隶属度调整方案对一般性和特殊性进行协调，由此形成兼顾建模样本一般性和特殊性的双预报模型．测试结果表明，基于特征提取方案的双预报模型体系使沙尘暴预报准确率达到80．4％．     

遗传算法与神经网络在洪水预报中的应用

采用遗传学习算法对神经网络BP模型的初始权重进行优化,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小。将该方法运用于洪水预报问题,并利用山西省文峪河水库的历史资料条件建立一个网络,以洪水预报的各种控制因素相关资料作为样本,对网络进行训练并用训练好的网络进行预报。网络的训练速度及预报结果表明,该算法收敛速度较快,预测精度很高,为洪水预报提供了一种新思路和新方法。     

基于神经网络的船舶稳性预报研究

为省略船舶稳性计算中横摇阻尼以及船舶阻力等参数的复杂计算过程,提出一种采用径向基函数(RBF)神经网络对第二代完整稳性失效概率预报的方法.研究包括过度加速度、瘫船稳性以及骑浪/横甩3种失效模式.通过研究船舶相关参数对各失效模式失效概率的影响,确定采用RBF神经网络对每种失效模式进行预报时输入特征的选取,从而降低训练时长.使用训练后的网络对样本船稳性进行预报,采用均方误差和平均绝对百分比误差对预报结果进行评估.对3种失效模式预报结果的平均绝对百分比误差分别为6.49%、7.09%、5.70%,均小于10%,表明采用RBF神经网络可较为精准地对船舶稳性进行预报.     

基于神经网络的沥青混合料抗剪强度预估方法

通过采用神经网络工具,探讨沥青混合料的抗剪强度预估方法．通过对比,采用不同输入参数,选定沥青类型、集料类型、空隙率、级配类型、公称粒径、油石比等六个影响因素作为输入参数．引入了误差分级迭代法进行网络学习训练,通过对比常规BP算法和误差分级迭代法,发现后者能有效减轻初始权值和阈值对训练和样本预测的影响,也能较好控制样本预测的误差．因此,建议采用基于误差分级迭代法的BP神经网络方法,预测沥青混合料的抗剪强度．     

模糊神经网络预测电针镇痛中生化指标的变化

针对电针镇痛过程中生化指标化验的时滞性及费用高等不足,提出基于模糊神经网络预测电针镇痛过程中生化指标变化的方法.模糊神经网络的性能通过隶属函数的类型和隶属函数的个数优化.网络的训练数据来源于电针镇痛病人的心电图(ECG),脑电图(EEG)等生理电信号以及检测的生化指标.选取45个样本为训练样本,剩余的15个样本作为预测样本.模糊神经网络预测的结果与实际检测的结果非常吻合,从而为电针镇痛过程中生化指标变化预测提供了一种新的方法.     

神经网络反向传播模型用于CmI的能级分类

将神经网络反向传播算法应用于Ｃｕｒｉｕｍ的关于组态的分类计算。用４个特征变量（能级值、郎德ｇ日子、Ｊ量子数和同位素位移）表征每一个能好。为检验神经网络预报能力，采用ｌｅａｖｅ－ｎ－ｏｕｔ方法（奇宇称ｎ＝１，偶宇称ｎ＝５）对所有已知实验样本进行了预报。其中奇、偶宇称能级预报正确率分别为９２．７％和９７．４％。利用相同的神经网络结构，得到了１２个奇宇称和４２个偶宇称的未知能级的预报结果。     

用神经网络进行时间序列预报的研究

本文用前馈神经网络的背传（ＢＰ）算法对股票交易进行了时间序列预报的研究．文中计算所采用的训练结果是价格绝对平均误差与实际值相比小于０．０４８,训练结果与实际值的相关系数大于０．９９９８．结果显示,如果神经网络可以被一组交易数据训练好,则对该时序系列的预报将会是成功的．     

抗肿瘤药物卡巴醌构效关系的人工神经网络方法的研究

本文运用人工神经网络的一典型模型－“反应传播”模型，研究了抗肿瘤药物卡巴醌的构效关系，全部３９个样本分为训练集（３５个样本）和预报集（４个样本），神经网络的预测成功率达１００％，结果表明，该方法性能良好，可望成为药物构效关系分析的一种有效的辅助手段。     

模糊神经网络分类器的主动学习方法

针对模糊神经网络分类器设计过程中所遇到的样本采样与标注过程耗时、代价大的问题,提出了一个新颖的模糊神经网络分类器主动学习方法,以最小-最大边界法以及确定样本的不确定性闽值两个新概念为主动样本选择准则,确保选择其中信息量尽可能大的样本进行标注,使得网络设计过程中对未标注样本的标注工作量和时间大为减少．实验结果表明,该方法与模糊神经网络的被动学习模型相比,训练样本数目大为减少,训练时间大大缩短．     

神经网络方法在胃收缩识别中的应用

胃收缩运动在消化过程中起着重要作用．传统的测量胃运动的方法是侵 袭性的．本文提出一种运用人工神经网络由体表胃电图（ｅｌｅｃｔｒｏｇａｓｔｒｏｇｒａｍ） 无损识别胃收缩运动的方法．以５个受试者的胃电图作为训练集，另５个受试 者的胃电图作为测试集．以同时检测的与每段胃电图对应的胃腔内压力记录 作为评价标准，运用经过优化的具有单个隐层的反向传播神经网络，以分段 后的每段胃电图的时－频表征作为网络的输入，实验结果表明：识别胃运动静 止期的准确度达９０呢，识别收缩运动期的准确度达９４％．     

基于MATLAB的BP神经网络模型在地震预报中的应用

根据人工神经网络模型,运用MATLAB的神经网络工具箱建立BP神经网络预测模型,以地震变化率作为神经网络的输入,对台湾地区和四川地区地震数据时间序列进行分析对大地震的发生时间进行预测.实验证明该模型用于地震预报的有效性和可行性,具有良好的应用价值.     

基于主成分分析法优化广义回归神经网络的地震震级预测

为科学有效预测地震震级,提出了基于广义回归神经网络(general regression neural network, GRNN)的地震震级预测模型。选取地震累计频度、累计释放能量、b值、异常地震群数、地震条带个数、活动周期、相关区震级等7个指标作为地震震级影响因子,利用主成分分析法(principal component analysis, PCA)对7个影响因子进行降维处理,以新生成的4个主成分作为模型输入变量,地震震级为输出变量,运用粒子群算法(particle swarm optimization, PSO)寻优得到GRNN模型最优光滑因子,最终建立基于PCA-PSO-GRNN的地震震级预测模型,利用建立的模型对训练样本进行回判检验,并对测试样本进行预测,并同传统反向传播(back propagation, BP)神经网络模型和单一GRNN模型预测结果进行对比,结果表明：PCA-PSO-GRNN模型预测结果的平均误差为5.17%,均方根误差为0.100 0,决定系数为0.986 8,均方相对误差为0.007 3,平均绝对误差为0.100 0,运行时间为5.2 s,预测精度和运...     

《地震战线》与地震预报知识的普及

"文革"十年,中国大陆经历了新中国成立以后的第一个地震活跃期。为了减少地震造成的破坏,全国范围内开展了以"群测群防、专群结合"为特点的大规模地震预报工作。但是在科技水平还无法准确预报地震的情况下,如何开展地震预报,如何在大众中普及预报方法,成为这项工作面临的首要问题。在此背景下,《地震战线》应运而生。文章在分析了《地震战线》的创刊背景、出版经过和该刊的主要内容及其特点的基础上,探讨了"文革"期间《地震战线》在地震预报知识普及中的作用和特点。     

分量钻孔应变仪记录的汶川、芦山强震前兆应变异常

 2007年全国布设了由40台4分量钻孔应变仪组成的分量应变监测网络。位于四川姑咱地震台的应变仪先后记录了汶川和芦山强震孕震过程中的潮汐畸变应变异常现象。这些异常变化基本满足地震前兆的3项判据,故被初步认证是这两次强震孕育过程中的应变前兆。本研究对相关记录资料进行了分析,以期为后续强震预测和预报研究提供参考。     

贵州东部的地震危险性分析

本文通过对贵州东部的地质资料和历史地震资料的收集,分析了贵州东部地区的地震危险性,提出在贵州的东部也存在中强地震发生的可能性,在今后的工作中不能忽视贵州东部的地震的活动性研究、地震监测和建筑物的抗震设防。     

汶川地震断裂带数字地震台网建设与应用

为了提高对“5.12”大地震灾害监视和预警的能力,了解地震孕育、发生及发展,研究汶川.地震发震机理、地震复发周期和余震的迁移规律,“龙门山断裂带地震台网”建设,在震后迅速展开.该台网于2008 - 06 - 02开始正式传输地震数据,为灾后重建选址、地震科学钻探选址提供了可靠数据,同时也为研究龙门山断裂带余震分布情况、余震的迁移方向以及判断断层活动状况提供了科学依据.本文从台网选址、台网设计与建设、台网运行与管理、监测效能等方面介绍了台网的建设与应用.     

地震云预测地震续探

概述了地震云预测地震的历史;简介了国内外主要地震工作者关于地震云的识别标志、时空动态与地震三要素关系的论述及其实际预测效果;剖析了地震云的形成机制;列举了作者用其预测的几个震例;最后对其作了评价和结论,认为:震前地震云和红外增温异常是地震构造加剧活动派生的同源异象的气象效应。两者结合利于互相补充、验证,前者出现时间早些,可达3个多月,后者一般10多天。可形成地震地质为基础,长、中、短、临一体化的卫星预测地震系统。     

Implications for prediction and hazard assessment from the 2004 Parkfield earthquake

Obtaining high-quality measurements close to a large earthquake is not easy: one has to be in the right place at the right time with the right instruments. Such a convergence happened, for the first time, when the 28 September 2004 Parkfield, California, earthquake occurred on the San Andreas fault in the middle of a dense network of instruments designed to record it. The resulting data reveal aspects of the earthquake process never before seen. Here we show what these data, when combined with data from earlier Parkfield earthquakes, tell us about earthquake physics and earthquake prediction. The 2004 Parkfield earthquake, with its lack of obvious precursors, demonstrates that reliable short-term earthquake prediction still is not achievable. To reduce the societal impact of earthquakes now, we should focus on developing the next generation of models that can provide better predictions of the strength and location of damaging ground shaking.     

基于BP神经网络的区域短期地震预测模型研究

在详细分析和归纳地震数据及其特征的基础上,提出了可以对地震震级进行量化预测的方法,以江苏省区域为研究对象,采用线性回归和常规BP神经网络方法进行了震级预测,并在总结了这两种方法优缺点的基础上,提出了"线性回归+神经网络"的融合模型。回溯检验结果表明,该模型的预测效果得到显著改善。