东平湖湿地景观演变对人类活动的响应机制

为探索南水北调工程通水前后湿地景观格局变化,采用决策树分类法,对2000年、2009年和2014年3期Landsat影像进行分类;在分类结果的基础上,应用转移矩阵和景观指数等方法,分析不同时期景观格局的特点及驱动因素;最后应用马尔科夫模型,对研究区景观格局演变进行预测。结果表明:水域周边出现了更多的建筑用地,景观指数INP由7 174增长至10 334,蔓延度指数IC由64.594 4减少至63.651 5,景观格局总体呈破碎趋势,景观破碎度增加,景观异质性增强;2009—2014年香农均匀度指数ISHE和香农多样性指数ISHD指数小幅上升,景观格局集聚度水平提高,但是与2000年的景观格局水平存在较大差距,部分天然湿地被人工湿地取代,导致湿地生态功能退化。     

人工神经网络在相对湿度预测中的应用研究

相对湿度环境是农业生产监测与预测的重要内容,关系到植物的生长状况、多种病害的生态防治和灌溉措施的调节。针对相对湿度变化规律相当复杂,影响因素间非线性程度相当高,为了提高相对湿度预测精度,提出一种基于BP人工神经网络的相对湿度预测模型。该模型采用气象要素（日照时数、降水量、最小温度、平均温度和最大温度）实测数据作为神经网络的输入样本,并根据试验观测资料对模型进行了检验。结果表明：利用此模型分别对1987~1998年和1999~2000年陵水地区月平均相对湿度进行模拟和预测,相对湿度拟合值与实测值的相对误差为0.21%,相对湿度预测值与实测值的相对误差为0.28%。改进的BP人工神经网络能准确地捕捉相对湿度的变化趋势。运用BP人工神经网络方法进行相对湿度的研究,方法简洁,结果直观易懂,同时也为其他区域相对湿度研究提供借鉴。     

人工神经网络模型在黄河水质预测中的应用

采用画匠营子断面2004-2009年逐周水质指标资料作为神经网络模型的训练样本,对BP神经网络进行训练,分别建立了pH值、溶解氧、氨氮、高锰酸盐指数的预测模型.为了验证模型的正确性,利用训练好的神经网络模型,采用调整后的权值和阈值,将2010年的数据作为独立样本进行预测检验.结果表明:基于BP神经网络的水质指标预测模型收敛速度快,对训练样本具有很好的拟合能力,且对检验样本的预测精度较高.     

基于高性能计算平台的地学集成模拟分析环境研究

随着计算科学在地学领域中广泛的应用以及地学各个学科模拟理论研究的发展,目前涌现出了一批功能各异的地学计算模型。地学工作者在科学研究中要快速便捷地熟悉和使用这些模型,迫切需要一个集成的模拟分析环境,即把硬件与软件结合,使用和服务结合,并关联相应的模型文献、驱动数据、处理工具、源代码等。在本文中我们基于高性能计算平台软硬件环境建设的工作经验和地学发展趋势,提出了基于高性能计算平台的地学集成模拟分析环境 GISE（GeoscienceIntegrated Simulation Environment）总体设计框架,并对该环境中核心部分进行了设计和详细介绍。GISE 将充分有效地集成各类模型资源,并将 HPC 服务和应用相结合,以期形成地学 e-Science 的核心信息平台。     

南水北调调蓄湖泊水质参数遥感反演及其影响因素

基于Landsat与HJ1A/1B多源遥感数据、实测水质数据、光谱数据，利用悬浮颗粒物(SPM)、叶绿素a(Chl-a)质量浓度与水体光学特性之间的关系构建反演模型，模拟SPM、Chl-a质量浓度的时空演变规律及其影响因素。结果表明:1985—2015年，随着南水北调工程的实施，东平湖春季SPM与Chl-a质量浓度变化呈现3个阶段显著变化的特点，且SPM与Chl-a质量浓度总体上呈现负相关趋势，SPM质量浓度较高区域的负相关趋势尤为显著，相关系数最高达-0.86；调水过程中，径流导致的底质再悬浮使得SPM质量浓度增高，而调水注入的稀释作用使得Chl-a质量浓度降低；第一、二阶段SPM与Chl-a质量浓度分布规律主要受大汶河流域污染、围网养殖等综合因素影响，第三阶段主要受水体流速、流向等调水期水动力因素影响。     

浅埋工作面矿压显现规律

通过对矿压观测数据的分析,得出埋深约65m的神武煤田浅煤层,老顶同样存在台阶式下沉的周期来压现象。据此认为要维护好顶板必须提高支架的工作阻力。     

基于人工神经网络的经济预测模型

运用不同改进BP算法来建立和训练人工神经网络经济预测模型,并对GDP进行预测,结果表明:模拟值与实际值吻合较好,基于改进BP神经网络模型预测精度高,模型的通用性和实用性强。     

基于人工神经网络的长江水质评价模型

为了能够客观地对长江水质进行评价,在分析人工神经网络原理的基础上,通过对水质污染指标浓度生成样本的方法,生成了适用于人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于长江水质评价的人工神经网络模型。将该模型用于长江水环境评价,通过模型的计算,得到长江水质类别。评价结果表明该模型设计合理、泛化能力强,对长江水质评价具有较好的客观性、通用性和实用性。     

人工神经网络在大气污染预测中的应用研究

以陕西省宝鸡市空气污染指数的预测预报为例,引入人工神经网络的理论和方法,对其进行模拟分析,建立了基于BP神经网络的空气污染指数非线性时间序列预报模型。模型仿真性能检验和精确度检验表明:建立的模型准确度高,适应性强,可直接用于宝鸡市日空气污染指数的预报。     

基于BP人工神经网络的高锰酸盐指数预测模型

高锰酸盐指数(CODMn)作为有机物相对含量的指标之一,同时是河流水质规划的一项重要指标。CODMn预测过程可认为是一种复杂非线性函数关系的逼近过程,利用BP人工神经网络建立CODMn预测模型,将历史样本作为模型的输入进行训练,利用训练好的网络模型进行预测,结果表明该模型具有良好的预测性能。