风暴潮灾害受灾人口与直接经济损失 评估方法研究进展

基于风暴潮致灾和成灾过程,分别对风暴潮灾害受灾人口与直接经济损失评估方法进行了综述.总体上看,国内外已建立多种风暴潮受灾人口和直接经济损失的评估方法,并开发了一些业务化评估系统.但国内风暴潮灾害损失评估所需数据比较缺乏,评估方法多是对潮灾损失与影响因素间的线性关系分析,对灾情的模拟评估较少,评估结果实用性较低.风暴潮灾情的评估应增强对历史灾情数据、现场调查数据、遥感数据和保险公司业务等数据源的融合和综合利用,加强对承灾体脆弱性定量评估的研究,通过建立风暴潮巨灾模型系统,实现对风暴潮灾情的实时动态可视化评估.     

改进BAS-Elman神经网络的港口货运量预测

为对港口货运量进行科学精准预测,结合天牛须搜索(beetle antennae search,BAS)算法和蒙特卡洛准则,提出一种改进BAS的Elman神经网络预测模型.收集上海港1989—2018年内的货运量以及当地各项经济数据,建立港口货运量预测评估体系,对各项影响因子进行预处理,消除数据冗余信息对预测的影响,对预处理后的数据进行仿真测试.实验结果表明,该模型预测准确率可达95％以上,有效地提高了港口货运量的预测精度.     

莱州湾台风风暴潮分析及风暴潮极值估计

通过对1992年8月31-9月2日莱州湾一次台风风暴潮的综合分析,阐述了台风风暴潮的特征,并利用极值分布的理论,对风暴潮出现的最高潮位进行了估计,对沿海滩涂综合开发有着重要的对沿海现实意义.     

台风风暴潮损失评估方式的优化分析

全球气候变化背景下,海平面上升和温室气体的大量排放加剧了台风风暴潮损失,构建准确的损失评估模型对海洋防灾减灾工作有重大现实意义。选用1995—2020年50组广东省台风风暴潮进行试验,基于气候变化和风险评估理论建立台风风暴潮损失评估指标体系,使用主成分分析筛选输入因子,进行径向基(radical basis function, RBF)神经网络和支持向量回归模型的直接经济损失和海水养殖受灾面积评估,通过比较有无气候变化指标评估模型的结果,验证了气候变化是影响灾害损失的重要因素。采用熵权法组合RBF神经网络和支持向量回归模型进行直接经济损失评估,对比单一模型发现组合模型有更好的预测精度,为防灾减灾事业提供了有效的损失评估方式。     

一种基于改进神经网络的入侵容忍系统模型

该文通过对资源和控制两个属性的分析,将入侵容忍系统的运行状态进行了抽象分类,给出了系统不同运行状态下的相应安全机制;利用改进的反向传播（BP）神经网络对入侵容忍系统建模,给出了BP网络的输入和输出节点以及基于该BP网络的系统工作原理,用实例描述了该系统的一个典型的入侵容忍过程;实验结果表明,该系统对入侵具有较好的检测和容忍能力。     

非线性系统神经网络控制器 BP 算法的改进

对非线性系统神经网络控制器提出了一种改进的误差反向传播算法。该算法引入一维参数寻优法,预估神经网络连接权系数学习步长,减少了步长选取的盲目性,避免了学习过程陷入局部极小的可能性,并以二自由度机器人为对象,进行了神经网络控制的仿真研究。     

基于神经网络推理的故障诊断专家系统

本文利用神经网络(NN)的知识并行处理、自学习及联想记忆等功能，建立了基于神经网络推理的专家系统论述了NN的结构、算法参数的确定、系统知识获取和离线／在线自学习功能，提出了NN数值推理和ES深层逻辑概念相结合的输入／输出转换机制与NN推理的解释机制．研究表明系统具有良好的实用性。     

基于禁忌搜索的前向神经网络在函数逼近中的应用

为改善前向神经网络的性能,将禁忌搜索作为前向神经网络的训练算法,采用了一种集中性与多样性的自适应搜索策略,以提高禁忌搜索的有效性.并以正弦函数和sinc函数的逼近为例,验证了算法的可行性和有效性.     

基于反向传播神经网络的遗传算法在酒类气体识别中的应用

把基于反向传播神经网络的遗传算法用于酒类气体识别实验中的传感器阵列的筛选,通过评价传感器组合对反向传播神经网络识别酒类气体结果的影响,建立一种挑选传感器阵列的方法,该算法选出的变量与用统计方法得到的结果一致     

基于情景的浙江省玉环县台风风暴潮模拟与潜在危险性评估

玉环县是浙江沿海台风风暴潮灾害频发、受影响严重的区域之一.本文以1949年以来登陆浙江省气压最低的台风TC0608(桑美)路径为模板,依据玉环县海岸线特征设计了7条平移路径.在此基础上,叠加考虑了4种海平面上升情景,利用MIKE21 FM模型开展了风暴潮模拟与潜在危险性评估研究.结果表明:现状条件下玉环县台风风暴潮漫堤淹没危险性较低,但随着海平面不断上升,其潜在危险性逐渐增大,从玉环县域北侧登陆的3场台风对海平面上升的响应尤其敏感;在同一海平面上升情景下,由玉环县域南侧登陆的台风造成的漫堤淹没现象明显严重于在县域北侧登陆的台风;至2100年,台风风暴潮造成的潜在最大淹没深度为5.44 m,淹没面积达160.75 km~2,占玉环县域总面积的35.93%;玉环县潜在高淹没危险区主要位于县域东南及西侧地势低平地区.研究成果可为玉环县防潮抗灾部署提供科学依据.     

改进的BP算法在地震灾害损失预测中的应用

神经网络因其自组织性、自学习性与高度非线性广泛应用于各种预测领域。针对传统神经网络存在的收敛速度慢,容易陷入局部最小等缺陷,为提高神经网络传统BP算法的训练速度,以3层神经网络为例,通过对权值的分析与优化,推导出改良的BP算法———双权值迭代优化法,将该算法应用于地震灾害损失的预测中去并取得较好效果。     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.     

基于神经网络集成的经济预测模型

针对单个BP神经网络用于经济预测存在的不足,提出了一种新的更有效的经济预测模型--神经网络集成.神经网络集成通过训练多个神经网络并将各网络输出进行合成,能够显著提高网络的泛化能力.以广东省江门市的经济数据为例,采用Bagging算法训练了五个BP神经网络,构建了一个神经网络集成的GDP预测模型,并运用MATLAB 7.0语言程序实现.预测结果令人满意,优于单个神经网络预测方法.实证表明,神经网络集成用于经济预测是有效可行的,同时在一定程度上克服了单个神经网络的缺陷.     

神经网络在网络丢包预测中的应用

通过在网络控制系统中加入BP神经网络从而达到对网络丢包进行预测的目的,为进一步的丢包补偿做足准备.利用粒子群算法优化BP神经网络预测器.仿真结果表明：与BP神经网络相比,PSO-BP神经网络具有更好的网络丢包预测性能.     

近岸港口风暴潮与台风浪相互作用的数值模拟

为了模拟近岸港口风暴潮与台风浪的相互作用,利用ECOMSED和SWAN,采用嵌套方法,使用海图水深数据、Holland台风模型气压场,选择具有代表性的200808号台风为天气背景,规划4组数值试验,通过单向耦合研究该港区及邻近海域的台风浪和风暴潮水位相互影响。使用ECOMSED模式,按是否考虑波浪作用分别计算苏澳港风暴潮水位。对比结果表明,考虑海浪影响的风应力以后,风暴潮水位更加接近实测值,海浪通过风应力对苏澳港风暴潮位有全局性的调制作用,苏澳港内聚集更多的海水,内外的水位高度差加大,海平面更加倾斜。使用SWAN模式,按是否考虑风暴潮位影响分别计算了苏澳港的台风浪,试验结果表明,波高受风暴潮位的影响是局部的,靠近岸边的有效波高有所增大,增大的幅度约1m,而水位较深的地方有效波高变化不明显。     

基于改进神经网络的自动调制识别研究

自动调制识别技术可以用于排除通信系统中的非法用户及其干扰,是保证合法通信的关键措施之一.选取了几种典型的调制方式MFSK,MASK,BPSK,QPSK,OFDM,通过分析其时域特征,提取了反映调制类型显著差异的5个特征参数的新组合.为了克服标准BP算法收敛速度慢且存在多个局部最小点等缺陷,采用改进的弹性BP算法,从提高收敛速度和网络识别性能出发,构建了有效识别调制信号的弹性BP神经网络分类器.仿真结果表明,与基于决策理论的逐级判决调制识别方法相比,所设计的弹性BP神经网络分类器在SNR=0～20dB时对以上的调制方式均具有较高的识别率,即使在SNR=0 dB时也达到了95%以上的识别率.     

基于改进神经网络的自动调制识别研究

自动调制识别技术可以用于排除通信系统中的非法用户及其干扰,是保证合法通信的关键措施之一。选取了几种典型的调制方式MFSK,MASK,BPSK,QPSK,OFDM,通过分析其时域特征,提取了反映调制类型显著差异的5个特征参数的新组合。为了克服标准BP算法收敛速度慢且存在多个局部最小点等缺陷,采用改进的弹性BP算法,从提高收敛速度和网络识别性能出发,构建了有效识别调制信号的弹性BP神经网络分类器。仿真结果表明,与基于决策理论的逐级判决调制识别方法相比,所设计的弹性BP神经网络分类器在SNR=0~20 dB时对以上的调制方式均具有较高的识别率,即使在SNR=0 dB时也达到了95%以上的识别率。     

基于模糊神经网络的煤矿安全评价综合评判

针对煤矿安全综合评价方法中因人为因素、模糊因素及动态因素而导致评价结果不够准确的情况,依据煤矿安全评价指标体系结构,构建了基于模糊神经网络的多级模糊评判模型,提出了神经网络分级BP学习算法,解决了多级模糊评判中权值学习困难的问题,使训练速度和评判的准确性大幅提高.以鸡西矿业集团煤矿为研究对象,建立了基于模糊神经网络的安全评价模型.结果表明:该方法能有效地对煤矿进行安全评价,综合评判客观、准确.