三峡区间面雨量空间插值方法对比分析

空间插值是常用的面雨量计算方法,以三峡区间为研究对象,选取反距离加权、普通克里金、协同克里金3种空间插值算法,进行面雨量空间插值计算和对比分析,其中协同克里金插值将地形作为影响因素。三峡区间面雨量插值结果表明:克里金插值在精度上要优于反距离加权插值,插值效果也更平滑;协同克里金的插值精度优于普通克里金,平均绝对误差、误差均方根相对于普通克里金插值分别降低了19%,10%。因此,在山区或地形复杂区域的面雨量计算,将地形作为协同区域化属性的协同克里金插值更合适。     

空间插值分析算法综述

空间插值分析算法是一种应用于将离散点的测量数据转换为连续数据表面的算法,能够将连续数据曲面与其他空间现象的分布情况进行比较,它在空间信息方面具有广泛的应用场景,尤其是地理信息方面.对泰森多边形法、反距离权重插值法、样条函数插值法、克里金插值法等空间插值算法的插值原理和应用场景进行综述,对空间插值分析算法的进展和未来研究方向进行了探讨.     

空间克里金插值的时空扩展与实现

空间克里金插值常用来补充采样点不足的问题,当数据分布与时间和空间都有关系时,面向空间的方法直接应用到时空过程可能导致有价值信息在时间维的丢失,由此导致了时空克里金插值的研究。研究的目标是将空间插值模型扩展到时空领域并实现时空变异函数、时空插值和时空交叉验证。其方法是首先获得最佳变异函数模型和时空下的有效基台值、块金值与变程,然后实现时空克里金插值的扩展,最后通过时空交叉验证去验证扩展的时空克里金插值方法的有效性。验证结果表明,扩展的时空方法能为随机领域以一定的精度提供较多的信息,为不同时空环境下的预测或插值提供了一个有效的途径。     

基于无线传感器网络的温度场绘制

论述了基于无线传感器网络的温度场绘制.无线节点上的温度传感器采集环境温度信息,然后通过Zig Bee无线网络发送到Sink节点,通过串口连接电脑,在电脑上进行数据处理.详细的介绍了系统的组成和数据采集,着重分析了数据处理中的数据融合,同时运用地理信息系统中的克里金数据插值方法进行数据插值,最后使用VC++和OpenGL...     

基于空间网格表面距离的插值曲面

主要讨论基于空间网格表面距离的插值曲面.定义了一种空间网格表面距离,基于空间网格表 面距离,给出了两种定义在空间网格上的插值曲面：基于网格表面距离的径向基函数插值曲 面和基于网格表面距离的Kriging插值曲面,讨论了曲面的无穷阶光滑性,给出了一种计算网 格表面距离的折线跟踪算法.作为整体曲面,此类插值曲面与网格表面形状较为相符,比较适 合于局部插值与参数估计,如梯度、法方向的估计等计算.     

基于RBF神经网络的空间插值法在空气质量监测中的应用

针对我国现有大气监测站点数量有限且离散,采集的数据不能代表整个区域的空气质量等问题,提出基于RBF神经网络的空间插值法应用于空气质量的监测,以经纬度和邻近点污染物浓度为输入,建立插值点与地理坐标和邻近点之间的对应关系.实验结果表明:该方法具有较高的插值精度,为预测未知空间数据值提供了有效的处理方法,同时为大气污染治理和控制提供理论依据.     

降水时空关联特征可视分析

目的 降水是影响全球气候变化和系统环境的重要因素,面向降水数据开展时空关联分析,对于区域气候特征探索及异常情况监测具有重要的意义。然而,降水时空关联特征的分析是一个复杂且耗时的过程,与气象站点的空间分布以及降水的时间序列密切相关。本文综合考虑降水的时空变化特征,研究和设计面向降水数据时空关联特征分析的可视化系统工具。方法 利用地图和矩阵图呈现降水数据的空间分布和周期变化特征,设计径向盒须图对降水数据的时空变化异常特征进行捕获;通过局部Moran''s I指数的计算和热力图的呈现表达降水的空间相关性,支持用户交互式地探索空间相关性的时序变化特征;利用普通克里金插值模型获得降水空间插值图,并对插值结果的准确性进行可视化评估。结果 以中国安徽省1971-2014年气象观测站长时间序列月降水数据集为例进行分析,实验结果证明本研究可视化交互系统能够直观高效地探索区域降水长时间序列时空变化特征和极端降水情况;有效探究区域降水空间分布模式、不同站点降水信息间空间依赖性和异质性,并快速发现降水奇异点;分析区域不同时间尺度降水气候特征空间变化。结论 系统工具集成便捷的交互模式,支持用户探索式地分析降水数据的时空关联特征,进而有效地探究区域气候变化规律和特征分布关系。基于真实降水数据的实验结果以及降水领域专家的反馈,进一步验证了本文系统工具的有效性和实用性。     

针对Kriging插值结果的空间查询方法

Kriging插值方法及其各种改进模型已被广泛应用,但由于其插值结果是栅格形式,因此不利于与矢量数据叠加分析。为了更加便捷地使用插值结果,在衡量Voronoi图和最小外接矩形特点的基础上,提出了适用于Kriging插值结果的数据结构及空间查询方法。查询某一点位的特征值时,先通过区域的最小外接矩形初步判断出该位置可能存在的区域,进而逐一判断点与所选区域的空间关系,根据点所在区域的属性值得到该点位的特征值。该方法实现了对Kriging插值结果的空间查询,其正确性通过某露天矿的实际运行数据得到了验证。实验结果表明,该方法的查询效率控制在毫秒级,能够满足矿区车载终端程序及类似应用的需求。     

基于径向基神经网络的月降水量预测模型研究

针对月降水量高度非线性的特点,以合肥20年的月降水量为时间序列,综合运用径向基函数（RBF）神经网络,建立了一种基于径向基函数的神经网络预测模型。首先对RBF神经网络进行介绍,并将该网络应用于月降水量预测,应用归一化方法对原始数据进行预处理;然后运用MATLABR2008神经网络工具箱函数建立月降水量预测模型;最后进行仿真实验与分析,将RBF神经网络与传统的BP网络训练预测结果进行比较。结果显示,RBF神经网络模型训练的迭代次数和训练时间、预测结果明显好于传统BP神经网络。     

基于径向基神经网络的月降水量预测模型研究

针对月降水量高度非线性的特点,以合肥20年的月降水量为时间序列,综合运用径向基函数(RBF)神经网络,建立了一种基于径向基函数的神经网络预测模型。首先对RBF神经网络进行介绍,并将该网络应用于月降水量预测,应用归一化方法对原始数据进行预处理;然后运用MATLAB R2008神经网络工具箱函数建立月降水量预测模型;最后进行仿真实验与分析,将RBF神经网络与传统的BP网络训练预测结果进行比较。结果显示,RBF神经网络模型训练的迭代次数和训练时间、预测结果明显好于传统BP神经网络。     

BP神经网络在甘油水溶液粘度预测中的应用

二维数据表广泛应用于科学与工程计算,当出现数据缺失时,由于数据间存在的非线性关系,采用传统方法在两列数据中插值将产生较大的误差.结合甘油水溶液粘度的预测,提出使用人工神经网络的插值方法,对神经网络模型、参数以及训练样本集的选择进行了实验与优化.实验表明,利用BP神经网络预测25℃甘油水溶液粘度时,网络收敛速度快,预测精度高,优于传统的最邻近插值和双线性插值,能够满足一般科学与工程计算的需要.提出的插值预测方法对类似条件的二维数据表具有普遍指导意义.     

基于深度卷积神经网络的图像重建算法

视频或者图像在传输过程中,可能出现随机性的误码、突发性的误码、传输中的丢包等等,对解码出的图像数据也会有严重的影响.本文提出了基于深度学习的图像重建算法：一种基于图像背景预测生成模糊区域内容的无监督图像重建神经网络模型.为了重建出逼真的图像,神经网络模型需要既理解整个图像的内容,又为缺失的部分重构出一个合理的假设.损失函数包含标准像素级重建损失和对抗损失,在训练卷积神经网络模型时,能够更好地处理图像中的结构细节产生更清晰的结果.通过实验可以发现本文设计的深度卷积神经网络模型与基于样本插值的算法相比在图像重建中有着较好的效果.     

基于组合神经网络模型的函数逼近方法

在通用函数逼近定理基础上,介绍了一种将反向传播神经网络和径向基神经网络模型相接合的组合神经网络模型,并将该模型应用于上海证券指数的预测.仿真实验结果表明,该模型很好地减小了预测值和实际值之间的误差,预测效果也优于普通的反向传播神经网络模型.     

基于结构学习和迭代自映射的自联想记忆模型

传统的人工神经元网络连接结构是固定的,是对权值的学习.提出一种基于生理神经元特征的人工神经元模型,并在以此为单元构成的用于实现自联想记忆的神经网络上进行对结构的学习.学习算法以设定神经元的输入/输出感受野、调整突触和轴突末梢的连接、并行的自投影迭代为特征.给出了此网络模型的矩阵描述和实验结果.     

基于异卷积神经网络的入侵检测

网络已经深入人们生产生活的各领域。然而,由于存在大量的非法入侵行为,网络所面临的安全问题也越来越严峻。因此,检测入侵以保障网络安全是一个亟待解决的问题。针对此,本文提出一种基于异卷积神经网络的入侵检测方法,采用深度学习的卷积神经网络模型完成对入侵数据的特征提取,然后根据2种不同结构的卷积神经网络训练数据,从而得到最优模型,用以判断网络入侵。最后,使用KDD 99数据进行对比实验,验证本文方法的准确性和精确性。     

遗传算法优化小波神经网络的网络流量预测

为了提高网络流量的预测精度,克服小波神经网络收敛速度慢、易陷入局部最优的缺点,提出一种遗传算法优化小波神经网络的网络流量预测模型.首先计算延迟时间和嵌入维数,构建小波神经网络的学习样本,然后采用小波神经网络对网络流训练集进行学习,并采用改进遗传算法对小波神经网络参数进行全局寻优,提高收敛速度和网络学习精度,最后采用网络流量数据对模型性能进行仿真分析.结果表明,相对于对比模型,本文模型的平均误差大幅度降低,训练次数急剧减,减小了二次优化训练的次数,具有更大的实际应用价值.     

基于知识和遥感图像的神经网络水质反演模型

为进一步提高遥感图像水质反演的精度，提出了一种基于知识和遥感图像相结合的神经网络水质反演模型。该模型利用遥感图像数据以及与水质相关的知识数据作为BP神经网络的输入，经训练后，确定神经网络的结构，在训练好的BP神经网络基础之上对水质进行反演。以中国太湖为例进行实证研究，实验中，使用的知识数据包括太湖的地理信息知识和先对太湖TM图像上的水域解译进而对水质进行分类的知识。实验结果表明，本文提出的水质反演模型较常规的线性回归模型和传统的神经网络模型有更高的反演精度。     

基于Levenberg-Marquardt神经网络的企业资信评估方法研究

企业资信评估问题是一个复杂的非线性问题,而神经网络技术可实现非线性关系的隐式表达。文章提出将基于Levenberg-Marquardt算法的多层前馈型神经网络用于资信评估,并通过MATLAB软件及其神经网络工具对其进行仿真计算。实验结果表明,企业资信神经网络评估模型收敛速度快,准确率较高,具有一定的实用价值。     

人工神经网络技术在机械故障诊断中的应用探讨

阐述了人工神经网络模型的一般结构和算法，并设计了机械故障诊断神经网络的模型和学习过程。通过对集材-50拖拉机变速箱的实验诊断和测试，结果表明人工神经网络技术可以快速、准确地诊断出机械故障类型。     

模糊神经网络在水质评价中的研究

研究水质评价问题,针对水环境保护和治理,由于水质类型和分级标准存在着模糊性,水质因子与水质类型间存在非线性关系,无法建立传统精确的数学模型。为了提高水质评价的准确性,提出模糊BP神经神经网络水质评价模型。利用模糊理论相对隶属度能反映各因子的质量相对状态,对模糊性具有很强的识别精度,可将水质因子模糊隶属度矩阵输入到BP神经网络中,通过非线性分析处理的BP神经网络进行学习和测试,得到输出水质评价等级。实验结果表明,模糊神经网络较传统的水质评价方法具有较高的识别精度,提高水质评价等级的准确性,使评价的结果更具有科学性。