基于SSA-BP神经网络的概率积分法预计参数求取研究

为解决BP(Back-ProPagation,BP)神经网络求取概率积分法预计参数出现的局部最优解和收敛速度慢的问题,采用麻雀搜索算法(Sparrow Search Algortihm,SSA)优化BP神经网络的结构,得到最优的权重值和偏置项,建立了基于SSA-BP神经网络的概率积分法预计参数求取模型。结合50组典型的实测数据,随机抽取45组数据输入SSA-BP神经网络模型进行训练,剩余数据输入训练好的模型求取概率积分法预计参数,并与实测数据对比,分析SSA-BP神经网络模型和BP神经网络模型的优劣;通过改变训练样本和测试样本的数量,讨论模型精度与训练样本数量的关系。研究表明:(1) SSA-BP神经网络模型预计下沉系数q、水平移动系数b、开采影响传播角θ、主要影响角正切值tanβ和拐点偏移距s/H的平均绝对百分比误差分别为1.33%、3.48%、0.49%、3.86%和9.33%,BP神经网络模型的相应取值分别为8.05%、7.34%、3.33%、9.82%和19.60%,可见前者求解精度更高。(2)两种模型求取的预计参数均与实测数据较接近,SSA-BP神经网络模型最大相对误差为21...     

高潜水位矿区土地利用和碳储量时空变化规律与预测

高潜水位矿区采矿活动及城镇化发展会导致土地利用类型明显变化,进而影响矿区的固碳能力。采用潘谢矿区2002—2021年5期土地利用数据,利用FLUS (Future Land Use Simulation)模型,选取了采矿、社会经济和气候环境等方面数据作为驱动因子,分别预测了自然发展和生态保护两种情景下2028年土地利用变化,再结合InVEST (Integrated Valuation of Ecosystem Services and Tradeoffs)模型,计算了潘谢矿区2002—2021年的历史碳储量以及2028年不同情景下的未来碳储量,并对潘谢矿区碳储量的时空变化特征进行了分析。结果表明：(1) 2002—2021年潘谢矿区土地利用变化表现为耕地不断减少,湿地和建筑用地持续增加,其中耕地减少了147.93 km²,湿地和建筑用地分别增加了71.01 km²和75.76 km²。在此期间,潘谢矿区碳储量减少了1.62×10⁵ t,减少幅度为3.83%,其中在2018—2021年碳储量下降最快...