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.     

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。     

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。     

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.     

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BP神经网络的高校实验技术人员绩效评价模型

针对高校实验技术人员绩效评价具有多目标、多层次和多因素等特点,提出基于BP神经网络的高校实验技术人员绩效评价模型,并进仿真实验。该模型将实验技术人员的评价指标量化后作为输入层,以实际评价结果为输出目标,通过样本训练BP神经网络,运用训练好的BP神经网络对实验技术员的绩效进行综合评价。该模型输出值与实际目标值及真实评价值都相当接近,得到较为满意的评价结果。     

基于BP神经网络的项目评估模型研究

项目的申报、实施、验收都需要进行项目评估,项目评估是项目实施过程中的重要工作。项目评估复杂、专业,评估过程和结果具有很强的主观性。BP神经网络具有容错性强、信息分布处理能力高、自主学习、自适应、非线性映射等特点,适合推理规则不明确或推理规则非线性的环境,具有人脑思维的特征,BP神经网络在工程、管理、经济等领域得到广泛应用。在项目评估领域,现在基本上仍然以领域专家主观评价为主,这对评估结果的客观性、公正性必然会带来影响,评估过程信息化是项目评估改进的方向和趋势。基于评估的一般过程和BP神经网络的基本思想设计出项目评估的一般模型具有现实意义,应用BP神经网络建立项目评估模型的应用价值值得关注。     

基于神经网络方法的湿地生态脆弱性评价

应用BP神经网络模型对扎龙湿地的生态脆弱性进行了评价.采用7-2-4-1结构,以计算得到的各湿地类型样本栅格单元生态脆弱指数EⅥ值作为训练集,通过最大1 000次的误差反向传播训练,获得的最大误差是1.1%,最小误差0,成功实现了扎龙湿地7维评价指标变量到1维变量即扎龙湿地生态脆弱性指数的映射,得到了研究区全部栅格单元...     

计算机网络脆弱性评估研究

计算机网络脆弱性评估是计算机安全领域的重要组成部分,对于提高计算机网络自身的安全水平至关重要.文章从计算机网络的脆弱性开始介绍,阐述了脆弱性评估方法所要解决的问题,具体介绍了目前计算机网络脆弱性评估领域的主要方法、面临的问题以及今后的发展方向.     

基于BP神经网络太阳影子定位问题研究

对于直杆太阳影子的定位问题,根据地理知识建立太阳影子和各个物理量之间的函数关系模型,在该模型的基础上利用BP神经网络良好的非线性拟合能力和自学习能力,由直杆太阳影子反演出直杆可能所在地理位置和所测日期。     

基于BP神经网络模型的高校收费标准分析

为了预测高校的收费标准,选取2006年全国高校综合排名前30的高校作为样本,通过对影响高校收费的6个主要因素的比较、分析与统计,得出各个因素的量化值,将该量化值用于BP神经网络收费模型的训练与检验中,从而建立一个相对优化、合理的收费预测、指导模型,为在教育政策改变的情况下,制定出适应不同地区、不同专业以及不同培养要求的高校收费标准。     

基于BP神经网络的环境质量评估

利用人工神经网络对地区综合环境质量进行了评价,提出了基于BP人工神经网络、以Matlab为平台的算法程序的人工神经网络环境质量分类模型．并以某地区环境监测数据值为样本,进行了环境质量评价分析．研究结果表明,BP神经网络应用于环境质量评价无需构建复杂的参数方程,且具有基于知识学习的特性,结构简单实用,具有客观性和通用性．     

基于MATLAB的BP神经网络在清洁生产审核中的应用

BP网络模型的实现需要掌握计算机编程语言及较高的编程能力,这在一定程度上不利于神经网络技术的推广和使用,而MATLAB软件提供了一个现成的神经网络工具箱(Neural Network Toolbox,简称NNT)。运用MATLAB的神经网络工具箱(NNT),结合清洁生产技术特点,建立了清洁生产审核企业清洁生产等级自动确定的BP网络模型,讨论了基于MATLAB的BP网络应用于清洁生产审核的可行性和使用价值。     

基于BP神经网络的核安全事故分级研究

利用国际核事故分级表的量化指标作为分级标准,以福岛核事故的厂外检测样本中的I-31、Cs-37、Cs-34等指标作为参照,利用MATLAB构建BP神经网络,预测核事故的等级,构建了五级、六级、七级核事故等级预测模型。结果表明:分级后的核事故预测模型的预测准确率得到了较大的提高。     

基于BP神经网络的野战给水装备性能评估模型

为了评估野战给水装备的性能,方便部队选购最佳的净水器材,在前人研究的基础上,结合战场需求和当前水质净化技术研究的成果,提出了野战给水装备的指标体系,并利用BP(back-propagation)神经网络对野战给水装备的性能进行了建模,给出了一种新的算法。算例通过对5种野战给水装备的评价结果与专家们的评价结果相比较的方法,验证了模型的可靠性和可行性。得出了该模型能够作为“计算机评价专家”来代替人的评价的结论。可以将此模型应用到部队选购给水装备的实际工作中,方便采购人员对野战给水装备的性能进行横向比较,选出综合性能最高的装备。     

基于BP神经网络的玻璃瓶裂纹检测模型

阐述了BP神经网络的基本原理，介绍了一种直接估算最佳隐含层节点数的方法。针对普通的玻璃瓶裂纹检测算法存在的问题，提出了一种基于BP神经网络的玻璃瓶裂纹检测模型。实验表明，该模型的检测效果与普通算法相比有了明显的提高。     

基于BP神经网络的水质评价

将人工神经网络的理论和方法运用于各类水环境的评价,建立水质评价的BP神经网络模型.运用MATLAB丰富的神经网络工具箱函数设计仿真程序,并对多个水质样本进行等级评价,为防治水污染提供了科学依据.     

基于BP神经网络的人口预测

利用BP神经网络建立三层神经网络结构模型,以全国人口的出生率,死亡率,老年抚养率等5个指标作为输入样本,对全国总体人口进行预测.隐含层采用多种方法使人为因素降到最低,同时文中采用自适应学习速率和附加动量法相结合的方法,对网络进行训练和学习.将BP预测人口和其他数学方法做比较,预测结果显示该方法是可行的.