应用最大熵方法改进克里金负权系数

针对基于地统计学的克里金数学模型,利用最大熵原理分析模型系统对空间权重系数的依赖度增设非负约束条件,研究消除构建格网ＤＥＭ时的负权问题。通过ＭＡＴＬＡＢ编程验证算法的正确性、准确性,并与拟牛顿法、内点算法解算二次规划的结果进行了比较。对比结果显示,最大熵法得到的权系数大小比例与点位关系相适应,且其估值精度优于后两者。     

基于遗传算法的杨赤中插值权系数解算

针对杨赤中插值法数学模型解算权系数时存在负权现象,在分析了负权分布规律的基础上,增设非负约束条件,利用遗传算法（ＧＡ）在全局范围内求解最优解的性能,研究消除格网ＤＥＭ插值的负权问题,通过ＭＡＴＬＡＢ编程验证算法的正确性、准确性,并与其加速罚函数法进行了比较。对比显示,遗传算法估值精度、运算速度优于加速罚函数法     

基于LST-VI特征空间的喀斯特地区土壤水分时空变化研究

地表土壤水分是陆地系统地气能量交换的关键参数,而喀斯特地区地表土壤水分是推动岩溶作用,影响土壤流失,造成喀斯特石漠化的重要因子,准确确定喀斯特地区地表土壤水分的分布及其动态变化对喀斯特地区生态地质环境安全及区域气候变化意义重大。以广西典型喀斯特地貌区为研究对象,利用MODIS地表温度数据和植被指数数据,构建LST-VI特征空间,首先比较不同植被指数（NDVI、EVI、SAVI、FVC）在喀斯特地区的适用性,得出FVC为研究区LST-VI特征空间的最优植被指数因子,而后在归一化的T*-FVC特征空间内分析得出森林、农田和喀斯特山区3种典型的下垫面类型下土壤水分指标M0随时间的运动轨迹和规律,以及其空间分布变化及原因。结果表明：相同的下垫面类型下土壤水分指标M0在T*-FVC特征空间中随时间的运动轨迹和规律相似,说明下垫面类型是影响土壤水分变化的重要因素。空间分布上,广西M0值域分布具有夏季小于冬季,西南部小于东北部,喀斯特地区小于非喀斯特地区的特征,农田M0季节变化较明显。总体上,利用归一化的T*-FVC特征空间实现了喀斯特地区土壤水分的时空动态变化监测。     

基于EEMD-GA-BP模型的大坝变形监测数据预测

针对大坝自动监测数据序列存在的不稳定性和测值漂移问题,提出了基于集合经验模态分解(EEMD)和遗传(GA)BP神经网络的大坝变形监测数据预测方法。采用EEMD技术提取反映大坝真实变形的低频信号,剔除自动监测系统数据中存在的噪声和野值,利用遗传算法优化的BP神经网络对真实信号进行学习与外推,据此构建EEMD-GA-BP模型。利用本文模型计算得到大坝变形的预测值,将其与实测变形值进行对比,并根据残差大小比较了本文方法与其它方法的预测效果。算例表明,本文提出的组合模型能有效地提高大坝变形预测精度。     

小波分解层数及分量组合对滑坡预测的影响

针对滑坡变形具有非平稳性、非线性与随机性变化特点,提出将小波分解与ＲＢＦ神经网络相结合应用于滑坡变形预测。通过实验进行小波分解及不同低频－高频分量组合的预测,着重分析了不同的小波分解层数、分量组合形式以及预测步长对滑坡变形预测的影响。实验分析结果表明：只有选取适当的分解层数、合理的低频－高频分量组合与预测步长,才能得到最优的预测效果。同时也验证了本文方法的正确性,对于滑坡变形预测具有一定的参考意义。     

基于GA-PSO-BP 的大坝变形监测模型

提出了一种基于GA-PSO 混合优化BP 神经网络的大坝变形监测模型, 将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合, 利用GA 算法的全局性和PSO 算法收敛速度快的特点,通过迭代选取最优的粒子作为BP神经网络的连接权值和阈值,以减小网络输出误差, 提高其收敛速度和加强网络泛化能力。运用GA-PSO-BP 模型对大坝自动监测数据进行预测分析, 实验结果表明GA-PSO-BP 模型优化了BP 神经网络的连接权值和阈值, 能有效提高网络训练精度与收敛速度, 有效避免早熟收敛, 使模型的整体预测效果得到提高。