基于RBF神经网络模型的土地生态安全预警——以甘肃省张掖市为例

以张掖市为研究区域,在借鉴国内土地生态安全研究成果的基础上,依据PSR模型,结合2001—2012年土地利用的相关数据,建立土地生态安全预警指标体系。运用RBF神经网络模型对张掖市2013—2017年土地生态安全演变趋势进行预测,并结合预警指数和警度标准对2001—2017年的安全警况进行分析。结果表明:2001—2012年张掖市土地生态安全的压力系统的警度呈波动上升趋势,状态系统和响应系统的警度呈下降趋势,2013—2017年的压力系统将逐步由"中警"转变为"重警",状态系统将基本维持在"中警"水平,响应系统将处于"无警"状态;2001—2017年,张掖市土地生态安全警度呈略有下降态势,2013—2017年的预警指数将处于0.46左右,警度将处于"中警"状态。

基于RBF神经网络的网络安全态势预测方法

针对现有网络安全技术不能对网络未来安全态势进行预测的问题,利用网络安全态势值具有非线性时间序列的特点,借助神经网络处理混沌、非线性数据的优势,提出了一种基于RBF神经网络进行态势预测的方法。该方法通过训练RBF神经网络找出态势值的前N个数据和随后M个数据的非线性映射关系,进而利用该关系进行态势值预测。通过实验测试表明,该方法能够准确获得态势值预测结果,辅助网络管理者做出安全防护的决策。

基于HHGA-RBF神经网络的网络安全态势预测模型

针对网络安全态势感知中的预测问题,提出了采用径向基函数(RBF)神经网络对态势值进行预测的方法。为了提高RBF神经网络的预测精度,使用混合递阶遗传算法(HHGA)对RBF神经网络进行训练,获得了神经网络结构参数。实验结果说明了此预测方法的有效性,并通过与已有的预测方法进行对比实验,验证了所提算法在精度方面的优越性。

基于RBF神经网络的道路交通安全预测模型研究

为建立道路交通安全量化指标与人、车、路和环境之间的预测模型,对国内外研究现状进行了分析,发现目前的预测模型在预测准确度不高。本文通过对道路交通安全影响因素和量化指标的统计分析,将其中9种影响因素作为主要的研究对象与事故进行关联性分析,建立了基于RBF神经网络的道路交通安全预测模型,并以2010年至2017年的统计数据作为样本数据和2018年统计数据作为测试数据,模型误差均在5%以内,满足应用要求,为管理部门决策提出提供依据。

基于BP神经网络的区域生态安全模拟研究

日益增强的人类活动严重影响区域生态安全,如何科学预测和模拟区域生态安全已成为学者关注的焦点之一。该研究基于PSR(Pressure-State-Response)模型构建生态安全指标体系,分析陕西省2005-2015年间生态安全的时空分异;以Maxout为激活函数构建BP神经网络模型,且以栅格作为最小评价单元,预测和分析陕西省生态安全时空分异及其等级的时空序列变化规律。研究结果表明:①2005-2015年陕西省生态安全综合状况逐步好转。生态安全等级空间格局由"南低北高"向"南北高、中间低"转变,即北部和南部大部分区域转向安全状态,中部局部仍处于不安全状态,但有缓解趋势。②构建的BP神经网络预测模型精度为83.98%,能够对陕西省生态安全进行预测。③预测结果表明,2016-2021年陕西省生态安全综合状况持续好转,且中部向高安全状态转变。文中研究结果可为区域生态安全研究提供理论依据和决策支持。

基于SVM和RBF神经网络的民航不安全事件组合预测方法

为提高航空业安全水平,预测飞行过程中存在的主要事故风险,本文基于2002年2月至2014年2月的民航事故数据统计,采用SVM和RBF神经网络加权组合模型对民航不安全事件发生原因及飞行阶段事故数量进行了预测。通过对3种典型预测方法的均方根误差比较,证明了此方法的可行性与有效性,结论可为民航安全管理提供科学依据。

基于RBF神经网络模型的资源型城市生态安全预警——以榆林市为例

运用SDI(状态—胁迫—免疫)模型构建资源型城市生态安全预警指标体系,基于RBF神经网络模型及警情评判标准对榆林市2010—2016年的生态安全状况进行分析,并对榆林市2017—2021年的生态安全演化趋势进行动态预测。研究结果表明:(1)RBF神经网络模型能够有效地用于资源型城市生态安全预警分析,拟合精度较高;(2)2010—2016年,榆林市整体生态安全警情指数不断上升,但是仍处于临界安全状态;(3)根据未来趋势预测结果,到2020年,榆林市生态安全"状态"子系统警情指数将有大幅提升,"胁迫"子系统生态安全警情指数呈略微下降趋势,"免疫"子系统呈波动趋势。由此表明,快速提升榆林市生态安全状况,首先要改善胁迫子系统的状况,其次是加强免疫子系统的免疫能力,据此提出了针对榆林市提升生态安全状况的四条响应措施。

边坡安全系数的RBF神经网络预测

RBF神经网络方法以其训练速率快,避免局部极小,拟合精确度好,预测准确度较高等优点,在边坡稳定性预测中得到了广泛应用。根据RBF神经网络的基本结构与理论,引入高斯函数作为隐含层的核函数,将114组低维的边坡实例数据归一化,并转换到高维空间,应用最近邻聚类法逐个添加神经元以达到允许误差精度,最终用训练过的RBF神经网络预测另外8个边坡实例的安全系数,均得到了较为满意的结果,体现出了RBF神经网络在边坡安全系数预测中的应用价值。

基于混沌的大坝监测序列小波RBF神经网络预测模型

本文结合混沌理论、小波分解与重构,以及径向基函数(RBF)神经网络的优点,提出了一种基于混沌的大坝监测序列小波RBF神经网络预测模型。该模型主要利用小波分析将大坝监测序列分解为趋势项和细节时间序列,并利用RBF神经网络和基于RBF神经网络的混沌理论对两种时间序列进行预测,最后通过小波重构得到预测值。实例分析表明,本模型能够克服监测序列中的噪声干扰,反映大坝监测序列的多尺度特性,对监测数据的预测精度较高,可应用于实际工程。

遗传算法优化径向基神经网络的尾矿库安全预测

在研究径向基(RBF)神经网络的基础上,利用遗传算法对其进行优化,并结合尾矿库系统安全状况与各影响因素之间的非线性关系,将优化的RBF神经网络应用于尾矿库安全预测中。为证明该优化网络的优越性,将优化后的RBF网络和传统RBF网络进行仿真实验,结果表明优化后的RBF网络较传统RBF网络在尾矿库安全预测的精度和速度效果更好。

基于RBF神经网络的网络安全态势感知预测研究

针对网络安全态势的感知问题,结合巨龙山和者磨山风电场的运行情况,文章提出了基于径向基函数(RBF)神经网络的网络安全态势预测模型,采用K-means聚类算法对网络参数进行优化并感知网络安全态势,并采用训练数据来训练该模型。训练结果表明,该方法能较准确的获得态势预测结果,具有较高的检测准确率,与BP神经网络预测对比也显示出更高的精度与更好的适应性。

大坝变形蚁群聚类径向基函数神经网络安全监控预测模型

本文研究了蚁群聚类法和径向基函数神经网络的基本原理,结合大坝变形安全监控的要求,探讨了大坝变形监测数据聚类处理方法,构建了径向基神经网络隐层基函数,由此表征了大坝变形规律的影响因素与变形之间的非线性映射关系.通过上述研究,建立了大坝变形蚁群聚类径向基函数神经网络(ACC-RBF)安全监控模型.实例分析表明,所提出的模型比传统的径向基神经网络模型预测精度更高.

基于多因素影响的BP-RBF神经网络渗流预测模型

为提高大坝坝基渗流的预测精度,把BP神经网络较强的模糊推理和自学能力与RBF神经网络在函数收敛中的快速性和绝对性相结合,以避免BP神经网络陷入局部最小或不收敛,构建了以水库大坝库水深、降雨量和温度三参数为主要影响因素,大坝渗流量为观测值的函数关系。通过与汾河水库实测资料对比分析表明,基于BP-RBF神经网络模型的坝基渗流预测模型预测效果良好,可以为大坝的安全监测与病险防护提供数据支持,为大坝原型观测资料处理提供了新途径。

基于RBF神经网络的网络安全态势感知

为了提高网络安全态势感知预测的精确度,文中提出了基于径向基函数(RBF)神经网络的网络安全态势预测模型。利用网络安全态势值具有非线性时间序列的特点,使用RBF神经网络找出网络安全态势值的非线性映射关系。采用混合递阶遗传算法(HHGA)对RBF神经网络的拓扑结构以及参数进行寻优,引入模拟退火算法(SA)提高遗传算法的全局搜索能力。通过实验,将所提算法与已有的预测方法进行对比,验证了所提算法在网络安全态势感知中的可行性以及预测结果的准确性。

基于生态位视角的陕西省区域创新生态系统安全测度及预警

[目的]分析陕西省区域创新生态系统安全发展状况并对其安全演变趋势进行预警,为实现陕西省区域创新生态系统的经济可持续的高质量发展提供科学依据。[方法]基于生态位视角构建了一个包含开放性、生长性、协同性和可持续性4个维度的区域创新生态系统安全测度指标体系,利用生态位适宜度模型对2011—2020年陕西省区域创新生态系统安全状况进行了测度分析,并利用BP神经网络模型预测2020—2024年陕西省区域创新生态系统安全警情演变趋势。[结果]①陕西省区域创新生态系统安全水平在2011—2020年间总体呈现出稳定上升的态势,表明区域创新发展具有良好的基础和潜力。②陕西省区域创新生态系统安全警情在2020—2024年间将继续保持向好的趋势,但仍呈南北低、中部高的分布特征。[结论]陕西省区域创新生态系统安全状况整体呈现良好的演变趋势,但仍需采取相关措施进一步缩小其区域间的差距从而实现陕西省区域创新生态系统的安全发展。

基于GIS和RBF的城郊区生态安全评价及变化趋势预测——以成都市龙泉驿区为例

以成都市龙泉驿区为研究区,基于PSR模型构建区域生态安全评价指标体系,在GIS空间分析方法中嵌入综合评价指数模型,对2000-2014年研究区生态安全空间状况进行评价,在此基础上集成RBF神经网络和克里格插值法,提出一种生态安全空间变化预测方法,对2015-2028年研究区生态安全空间变化进行预测。结果表明:2000-2014年,研究区生态安全状况呈现恶化态势,整个区域主要处于风险、敏感、良好3种生态安全状态,大部分区域生态安全水平较低;2015-2028年,敏感安全水平以下区域占比多年均值上升至62.45%,区域生态安全严峻形势不会得到根本转变,良好生态安全高等级区和风险生态安全低等级区将大幅缩减,绝大部分地区将处于敏感生态安全状态,未能摆脱生态安全威胁困境。RBF神经网络生态安全综合指数预测平均绝对误差和误差均方根多年均值小于0.05,较好地实现了研究区生态安全变化预测。

基于神经网络的网络安全态势预测模型研究

介绍了网络安全态势预测方法和人工神经网络,然后分别对基于径向基函数神经网络、小波神经网络和Elman神经网络的网络安全态势预测模型及结构组成进行了研究,该方法对网络安全管理员预防网络攻击、维护网络稳定具有重要作用。

区域植被恢复对生态安全的影响预测——以岷江上游干旱河谷为例

退化生态系统恢复是保障区域生态安全的重要途径之一。在生态系统结构功能严重受损,威胁到区域生态安全时,通过引入物种进行主动的植被恢复可以有效地加速生态系统恢复进程,维护区域生态安全。但是区域尺度的植被恢复是一项规模浩大的工程,其效果和影响难以立即显现。为了评估区域植被恢复的生态风险,根据岷江上游干旱河谷区域植被恢复格局的设计结果,预测了区域植被恢复对生态安全的影响。通过对比分析现状植被盖度及生物多样性与植被恢复格局预测结果的差异,对区域植被恢复的效果进行评价,认为尽管植被恢复格局设计使部分区域生物多样性下降,但它整体提高了地表植被覆盖度,增强了抵御土壤侵蚀的能力,对保障区域生态安全具有积极的效果。

普陀山岛旅游生态安全发展趋势预测

科学地预测海岛目的地旅游生态安全发展趋势,对促进海岛旅游经济和生态环境协调发展具有重要的理论意义和实践价值。基于可持续发展的视角,建立了由承载力-支持力-吸引力-延续力和发展力(CSAED模型)子系统构成的普陀山旅游生态安全指标体系,并在灰色系统GM(1,1)模型和RBF神经网络模型比较选优的基础上,对普陀山岛旅游生态安全发展趋势进行了预测。研究结果表明:(1)和灰色系统GM(1,1)模型相比,RBF神经网络模型的Pearson相关系数和误差均方根值更优,可更精确地拟合普陀山岛旅游生态安全发展趋势;(2)2015—2020年,普陀山岛旅游生态安全指数的RBF神经网络模型预测结果由0.7017增加至0.8135,安全等级由比较安全上升至非常安全。研究结果可为维护普陀山岛旅游生态安全提供决策依据。

区域粮食安全性分析与预测——以陕西省关中地区为例

本文根据最小人均耕地面积和耕地压力指数理论,应用趋势预测分析和回归分析方法,建立研究区域粮食安全状况预测模型,进行预测分析研究。论文主要以陕西省关中地区为例进行分析与实践论证。结果为,1999年关中地区粮食处于安全状态,对于各个地区而言,西安和铜川的粮食状况不容乐观;而宝鸡、咸阳、渭南和杨陵区粮食状况相对安全。特别是杨陵区,在农业科技不断进步的作用下,耕地生产力水平提高,因此粮食状况最安全。到2015年如果人均粮食消费以小康水平记,关中地区耕地承受压力明显增加,甚至超过了耕地压力安全警戒线。关中地区各地耕地压力指数都比1999年的要大,特别是西安和铜川。另外,在粮食增长的同时,需加大灌溉用水,机械、化肥等物质生产资料的投入,必将导致粮食价格上涨,从而影响社会经济;而且,大量的化肥使用威胁生态系统安全。为防止关中出现粮食及相关问题,应限制耕地流失,加大农业科技投入,发展高效生态农业,促进农民产粮积极性。