排序方式: 共有17条查询结果,搜索用时 0 毫秒
1.
2.
BP神经网络模型用于水质进行评价的研究已经很多,然而,传统的BP神经网络无法考虑相邻水质级别临界处的模型性,评价指标较多时运行速度慢,且训练样本少、代表性差,评价结果精度不高。为此,建立了基于AM-MCMC算法的BP模型。利用AM-MCMC算法模拟足够的代表性好的样本以为BP网络训练所需,用于灌区的水质评价。实例研究表明,与传统的BP网络相比,基于AM-MCMC的BP评价结果与实际水质比较更为客观、合理。基于AM-MCMC的BP模型能考虑相邻水质级别临界处的模糊性,克服训练样本少的缺点生成足够的代表性好的样本,快速有效地对灌区水质进行评价。此外,基于AM-MCMC的BP模型还可用于洪灾损失评价、地震灾害评价及其他评价问题,具有广泛的实用性。 相似文献
3.
4.
水资源是制约社会经济可持续发展的重要因素之一,故水资源有限的情况下,合理利用水资源,提高用水的经济效益就变得愈加重要。以黑龙江省为例基于投入占用产出理论建立水资源投入产出表,计算该省的用水效率和用水效益。基于两者的比较分析,对黑龙江省国民经济部门的用水特性进行了综合评价。研究结果表明,黑龙江省农业耗水量最大却效率低下,用水成本高,经济效益差;工业用水效率高,经济效益较好。因此,建议应提高农业内部用水效率,发展工业,调整全省的产业用水结构,提高用水的整体经济效益,为建立节水型社会提供科学的决策依据。 相似文献
5.
6.
基于AM-MCMC算法的贝叶斯概率洪水预报模型 总被引:8,自引:0,他引:8
本文在贝叶斯预报系统的框架下,利用BP网络能描述非线性映射的特性建立了基于BP网络的先验密度和似然函数的模型,并采用基于自适应采样算法(Adaptive Metropolis algorithm,简称AM)的马尔可夫链蒙特卡罗模拟方法(Markov Chain Monte Carlo,简称MCMC)求解流量的后验密度,最后给出流量的概率预报。实例表明,基于AM-MCMC的BP贝叶斯概率水文预报的精度高,且能给出预报的方差,使得防洪决策可以考虑预报的不确定性。 相似文献
7.
8.
为揭示黑龙江省八五三农场降雨量的变化规律,利用农场近50a(1959-2010年)的月降水量,通过线性趋势分析法、滑动平均法、累积距平法、年际极值比、Mann-Kendall(M-K)突变检验法,分析了农场年降水量和季节降水量的变化趋势及其突变点。研究结果表明:(1)八五三农场的年降水量在研究时段内,总体上呈减少的趋势,且年际变化较显著;对于各季节降水量,夏季下降趋势比较明显,冬季上升趋势显著,春季和秋季基本无趋势变化;(2)M-K突变分析显示,年降水量突变趋势明显,存在1986年和1999年2个突变点;而该区域四季降水突变点较多,其中春季和冬季上升趋势明显,夏季和秋季的下降趋势较明显。 相似文献
9.
10.