环境评价的人工神经网络方法

简要讨论了神经网络的基本原理，介绍了多层前馈神经网络模型及ＢＰ算法解决问题的基本思路与方法，分别对两个地方的大气质量及水质进行了评价，同时分别采用模糊数学法及灰色聚类法对这两组数据进行了处理，所得结果一致。

基于论文相似网络拓扑结构的聚类方法比较

以R语言中的复杂网络处理包igraph为工具,基于语义相似性算法构建论文相似网络,采用随机游走法、标签传播法、最大模块度法、边介数法等4种代表性网络聚类算法对论文相似网络进行聚类分析,结合金标准和网络社团划分评价指标D函数比较4种算法的准确性和稳定性,发现随机游走算法最为卓越,复杂网络的预处理也是一个影响聚类效果的重要因素。

系统聚类-BP神经网络分光光度法同时测定地质样品中的钼钨锡锑

根据比尔定律,利用多组分分析的数学模型,将系统聚类法与人工神经网络相结合,同时测定了地质样品中的Mo(Ⅵ)、W(Ⅵ)、Sn(Ⅳ)、Sb(Ⅴ),结果令人满意.对神经网络隐层节点数的确定、样本及其个数的选择,以及过拟合现象等问题进行了讨论.

区间二型TSK模糊逻辑系统的混合学习算法的研究

基于A1-C1型区间二型TSK模糊逻辑系统的设计算法展开研究,将模糊聚类、神经网络、模糊逻辑系统相结合设计系统,首先应用模糊K均值聚类方法筛选规则,其次将模糊逻辑系统融入神经网络中设计6层模糊神经网络系统,最后通过合并最小二乘法和BP算法来调节系统前后件参数,使系统取得更好的性能。

基于聚类算法和神经网络的客户分类模型构建

银行客户分类的实施离不开数据挖掘技术。本文首先筛选了14个关键变量作为影响客户是否购买定期存款的影响因素,并对重要特征进行初步分析;其次,根据数据特征利用k-means聚类算法对银行的客户群进行分类,从而得出三类最有可能购买定期存款的客户群,剖析每一类客户群的特征,从而有针对性地为其提供差别化的产品;最后,针对客户是否购买定期存款,构建了有效的BP神经网络预测模型。

基于相似日和相似时刻的变压器顶层油温预测方法

变压器顶层油温受天气状况、潮流负荷等诸多因素影响,其预测精度难以提高。为解决此问题,文中提出一种基于相似日和相似时刻的变压器顶层油温预测方法,在相似日内进一步选择待预测日各时刻所对应的相似时刻,进而利用相似时刻预测变压器顶层油温。首先采用基于气象因素的K-means聚类和时间“近大远小”原则,从历史样本中选择得到待预测日的相似日。然后在充分研究相似时刻定义描述和判断依据的基础上,基于反向传播(BP)神经网络和线性加权方法给出了顶层油温预测方法的计算步骤,并将其应用到江苏某特高压主变顶层油温的预测工作中。最后,结果表明该方法预测变压器顶层油温的精度较高,从而验证了该方法的有效性与可行性。

裂缝性页岩储层水力压裂多簇裂缝扩展的FEM-DFN数值模拟

为有效模拟裂缝性页岩储层中水力裂缝的随机扩展并准确描述其拉张、剪切和混合损伤行为,建立渗流-应力-损伤耦合的裂缝扩展有限元-离散裂缝网络模型,并通过黏性主导的解析模型进行验证。研究不同天然裂缝逼近角、簇间距、水平应力差和压裂泵注排量下的多簇裂缝扩展数值模拟,探讨天然裂缝对水力裂缝扩展的影响机制。研究表明:(1)水力裂缝与天然裂缝主要存在水力裂缝穿过天然裂缝、水力裂缝开启天然裂缝和水力裂缝被天然裂缝阻止3种相互作用机制;(2)随逼近角越大,天然裂缝越容易使水力裂缝扩展方向发生偏转甚至阻止水力裂缝扩展;(3)簇间距、水平应力差和泵注排量的提高均能在一定程度上促进多簇裂缝扩展的均匀程度。本文模型能更加准确地描述水力压裂多簇裂缝的扩展行为,可为裂缝性页岩储层的水力压裂数值模拟提供新手段。

人工神经网络的设计方法

目前人工神经网络模型学习与训练时间长，收敛性难以保证，网络鲁棒性差，存在局部极小。尤其当网络规模增大时，上述缺点变得尤为严重。为克服上述缺陷，提出了一组新的方法，即利用训练样本集提供的全局知识，通过不同数学工具，设计网络的结构与参数。结果表明，这套方法可以达到很好的效果，是改进人工神经网络性能的一种有效途径。

基于Sentinel-2的丛生竹林信息提取方法比较及分布特征

滇西南地区拥有丰富的丛生竹林景观和珍稀特有竹种资源,但竹资源分布储量不清、监测技术缺乏等问题很大程度限制了竹资源开发与利用。基于Sentinel-2A影像数据,采用反向传播神经网络、支持向量机、随机森林三种机器学习分类方法进行沧源县丛生竹林信息提取及精度评价,利用Google Earth影像和DEM数据对竹资源分布的空间和地形特征进行了分析。结果表明,随机森林分类精度优于支持向量机和反向传播神经网络,分类总体精度达90%,Kappa系数达0.87,竹林用户精度达81%。沧源县共有竹林138.07 km2,主要分布于城镇村庄、道路、水系和耕地周边,以四旁竹和防护竹林为主,采用Sentinel-2A10 m的分辨率很好地提取了空间上分布分散的丛生竹林。沧源县竹林主要分布在海拔900~2000 m,坡度范围大都位于缓坡和斜坡。研究结果可为沧源县竹资源开发利用提供数据支持,研究方法可作为大型丛生竹遥感监测的参考。