在土地评价中应用人工神经网络专家系统的理论与实践

利用人工神经网络模型构建的土地适宜性评价专家系统克服了传统的基于规则的专家系统的许多缺陷,具有自组织性和自适宜性。针对ＢＰ模型的训练时间过长,无法自动确定拓扑关系,难以对结果进行解释等缺陷提出了新想法和解决方案     

铝电解企业财务风险评价方法及应用

近几年,随着我国经济的快速增长,市场竞争日益激烈,铝电解企业在面临巨大的发展机遇的同时,也存在着经营不确定性。在国家节能减排政策下,技术落后、产能低下、高能耗的小型铝电解企业被淘汰,但保留下来的大型铝电解企业在新经济形势下所面临的风险比其它任何时期都要复杂。市场竞争使铝电解企业不得不面临能源危机所带来的原材料价格上涨和产品价格下跌的双重影响,财务风险管理始终贯穿于公司经营过程当中。因此,对铝电解企业财务风险进行分析、评价,建立铝电解企业财务风险评价体系是一项紧迫而现实的任务。本文以焦作万方铝业公司为例,试通过构建公司财务风险评价体系,探讨铝电解公司财务风险的评价方法。     

人工神经网络产量定量评价模型在县域耕地地力评价中的应用

以辽宁省彰武县为研究对象,在AHP-模糊评价方法的基础上尝试建立耕地地力的ANN-产量定量评价模型。与传统方法相比,模型不需要确定权重,并且能够反映耕地地力评价的非线性特征,消除了传统方法确定权重时人为因素的影响,增加了评价结果的客观性。通过与传统方法的对比发现,得到了较为一致的评价结果,为耕地地力的定量评价探索了一条新的道路。     

城市土地集约利用程度的人工神经网络判定——以深圳市为例

研究目的:探索适合城市土地集约利用综合评价的非线性定量方法。研究方法:人工神经网络(ANN)模型及实证分析。研究结果:深圳市土地集约利用ANN模型评价结果显示,全市土地集约利用水平基本分4类。即集约利用-效益均衡型、集约/适度利用-效益偏好型、适度/低度利用-效益不均衡型和低度利用型。研究结论:基于ANN的城市土地集约利用评价模型,在处理不同量纲指标和减少人为主观因素上具有优势,其结果不仅能反映土地集约利用程度的区域差异,也能反映各指标对土地集约利用水平的贡献     

基于matlab实现人工神经网络在股票评级中的应用研究

股票评级系统衡量方法科学、评分简单易懂,是非常好的指导投资行为的指标,在股票市场发展中有着特殊的作用,对上市公司业绩评价、投资指导和促进市场优胜劣汰有着重要的意义。目前对股票评级的方法研究较少,学者们用回归分析等数理统计算法进行了极为有限的探索。用神经网络等智能算法对股票评级分类的研究尚属空白。旨在对该领域做出初步尝试,尽可能选择具有代表性的指标,通过人工神经网络模型来实现股票评级,并计算该模型预测的精确程度。最终,从结果来看,BP神经网络模型摆脱了传统方式的局限,突破了依赖线性模型的限制,用非线性模型模拟了实际数据,实现了在股票评级应用研究中方法的创新。     

BP神经网络在土地集约利用评价中的应用——基于MATLAB的实现

将BP神经网络应用于城市土地集约利用评价研究中,可以排除人为设定权重的主观因素对评价结果的影响,能够准确评价土地集约利用类别,使评价结果更加客观、科学、合理。将评价等级分为集约利用、适度利用、低度利用和粗放利用,从土地利用、土地投入、土地产出三方面,选择9个评价指标构建评价指标体系,并利用MATLAB中实现的人工神经网络模型对唐山市土地进行集约利用评价。结果显示:唐山市低度利用的土地占26.4%,适度利用的土地面积占22.7%,集约利用的土地占40.6%,过度利用的土地占10.3%,土地利用强度较低,还有一定的挖掘潜力。     

基于人工神经网络旅游竞争力分析

在过去的二十多年里,我国的旅游业得到了迅猛的发展.在世界各国快速发展旅游业的大背景下,我国的旅游产业随着改革开放的深入和社会经济的繁荣,也受到世界各国的普遍关注.随着旅游业理论研究的不断深入,学者们逐渐将视角转向了旅游竞争力的研究.     

基于ANN的城市居住用地集约利用水平评价研究

从集约利用水平评价的角度将ANN技术应用于城市居住用地研究中,提出了区别于传统集约利用水平评价的方法,并在此基础上详细阐述了ANN技术在城市居住用地集约利用水平评价的应用优势.以江苏南部某市中心城区为实验区,应用ANN技术对其集约利用水平加以评价,证明了其评价结果的客观性、合理性与科学性.     

人工神经网络在渠系优化设计中的应用

通过分析我国灌区和渠系现状,提出有关渠系优化的必要性,将Hopfield神经网络引入灌溉渠系密度优化过程中,进一步将货流问题与渠道输水问题的基本思想进行对比,初步提出Hop-field神经网络应用于渠系密度优化中的可行性,建立渠系优化的网络能量函数。     

基于固定翼无人机的黄河三角洲民居建模研究

无人机低空航摄作为新型数据采集手段,具有仪器灵活机动、作业效率高等优点,被广泛应用于数字城市建设、村庄规划等方面。以固定翼无人机为载体,以黄河三角洲某村庄建模为研究对象,阐述其数据采集、空三解算与模型生产的相关流程,获取了数字表面模型DSM,为采用固定翼无人机开展相关的建模研究提供参考。     

基于BP神经网络模型的宿州市人均生态足迹预测研究

利用人均生态足迹对宿州市生态形势进行评价,发现1997-2004年生态环境趋于恶化,经济快速发展过度消耗资源,并对环境造成一定程度危害,而2005～2007年生态环境趋于好转且态势平稳;并发现人均生态足迹的变化是宿州市生态安全形势的表征因子.在此基础上利用BP神经网络模型对宿州市1997-2005年生态足迹变化的影响因...     

基于RBF神经网络的高光谱遥感影像降维及分类

高光谱遥感影像数据量大,针对该特点,为尽可能保留数据中有价值的信息,首先采用线性判别分析(Linear Discriminant Analysis,LDA)方法对高光谱遥感影像数据进行降维,接着应用径向基函数(Radial Basis Function,RBF)神经网络方法对其进行分类处理。实验结果表明,分类精度可达到70%以上,具有良好的分类效果,证明了该方法的可行性。     

基于模糊神经网络的台风灾害损失模型及应用

利用海南省1992-2011年台风灾害损失数据,采用主成分分析法确定了台风灾害损失的致灾因子及灾情指标因子。借助广义动态模糊神经网络(GD-FNN)在学习过程中逐渐形成模糊规则的优点,设计了一种模糊神经网络模型并应用于台风灾害损失的预测预警中,定量地研究了台风灾害致灾因子与灾情指标因子之间的规律。训练结果表明实际样品值与训练结果拟合较平滑,受台风影响较大的局部降雨量峰值增强了间接经济损失预测值。将建立的预测模型应用201119"尼格"台风的灾害损失预测,实验结果表明该模型能较好地预测台风灾害中倒塌房屋、受灾农作物面积、受灾人口及间接经济损失。     

基于人工神经网络的城市土地可持续利用评价研究--以武汉市为例

城市土地可持续利用是一个多因素相互作用的过程,要建立一个既简单又能反映城市土地可持续利用的普遍规律的评价方法难度很大,而传统的评价方法又不同程度地存在着人为的痕迹.以武汉市为例,基于人工神经网络的城市土地可持续利用理论和基本思路,构建城市土地可持续利用评价的反向误差传播(BP)模型,结果表明与武汉市实际情况是相符的,证明该方法具有很强的实际应用价值.     

基于进化神经网络的电力变压器故障诊断

提出了基于进化神经网络（ENNs）的电力变压器故障诊断方法。基于文中所提算法,ENNs能自动调整神经网络的网络参数以达到最佳模型。应用进化算法的全局搜索能力和神经网络的高度非线性映射性质,ENNs可以识别变压器油中溶解气体含量和相应故障类型之间的复杂关系。文中所提的ENNs以某电力公司的诊断记录为依据进行测试,并与模糊诊断系统、人工神经网络和传统方法进行对比。测试结果证明ENNs比现有的方法更能准确诊断故障,所需学习时间更少。     

结合Landsat 8和GF 1数据的冬小麦种植空间分布提取

[目的]为探讨多源中等分辨率数据在冬小麦种植时空分布上的应用。[方法]利用2017年冬小麦关键生育期的Landsat8 OLI(抽穗期)和时间序列的GF-1 WFV(2016—2017生育期)数据,在分析各个行政分区的地表覆盖状况、作物结构和地块破碎度差别的基础上,将行政区划分为3种类型不同的提取单元并建立了适合于各自分区的提取模型:(1)利用关键生育期的OLI数据,采用监督分类—神经网络方法提取结构单一、地块齐整的怀远县种植区;(2)基于WFV数据构建五河县及城区种植区的冬小麦全生育期NDVI时间序列曲线,根据NDVI的时间特征构建冬小麦提取的决策树分类模型提取结构较复杂、混合像元明显的五河县及城区种植区;(3)在对关键生育期OLI-NDVI数据合理分割的基础上,采用最大似然的面向对象分类法获取种植密集、地块破碎的固镇县种植区。[结果]提取结果采用混淆矩阵和当年度统计数据相结合的方法进行精度评价,结果表明:(1)怀远县提取出的冬小麦提取总体精度为97.91%,五河县及城区提取出的精度为97.62%,固镇县的精度为97.42%;(2)全区域冬小麦提取的总体精度为86.82%,Kappa系数为0.84。与当年度统计数据对比的结果表明:2017年蚌埠市的准确提取面积精度可达97.91%,提取面积数据小于蚌埠市统计年鉴提供的统计数据,与调查的实际种植地块基本一致。[结论]采用不同方法提取不同空间分布特征的冬小麦种植面积具有较好的精度,该方法可以为市域冬小麦面积提取提供技术参考。     

基于SOFM神经网络的土地整治时空配置分区研究

研究目的:探索与完善土地整治时空配置分区的相关理论与方法,为新时期生态文明建设、"三生"空间重构等背景下土地整治的实施提供科学依据。研究方法:以江西省湘东区为例,从土地整治生态风险、迫切性和适应性三个维度,系统分析土地整治时空配置分区的影响因素,运用自组织特征映射(Self-organizing Feature Mapping,SOFM)神经网络方法实现土地整治时空配置分区。研究结果:(1)湘东区土地整治生态风险、迫切性和适宜性空间差异显著;(2)湘东区140个行政村被划分为8个项目区,并与传统分区方法进行对比分析,结合分区影响因素,将8个项目区归纳为近期优先、近期适度、中期紧缩和远期限制4个土地整治时空配置分区。研究结论:考虑生态风险的土地整治时空配置分区结果较传统未考虑生态风险的结果更具实地符合性;基于SOFM神经网络的土地整治时空配置分区方法将地理位置和空间属性有机结合,具有更强的科学性和应用性,将为新时期的土地整治时空配置分区研究提供新思路。     

基于BP神经网络的矿产资源综合区划功能分区方法研究

开展矿产资源综合区划功能分区研究,对进行差别化管理政策的制定、空间分区管理有理论和实践意义。在分析矿产资源综合区划影响因素的基础上,构建以资源条件、开发基础、生态条件、区域经济潜能为准则层的矿产资源综合区划二级区划的指标体系和分区体系。分析和讨论了矿产资源综合区划二级区划分区方法,并采用BP神经网络方法对甘肃省矿产资源综合区划二级区划进行分类研究,将甘肃省划分为重点发展、一般发展、限制发展和禁止发展4类功能区。结果表明,BP神经网络分类结果符合实际,是对传统区划方法的重要补充。     

基于BP神经网络的城市增长边界预测——以北京市为例

研究目的:构建城市增长边界预测模型,以北京市为例,研究该模型的可行性。研究方法:尝试采用BP人工神经网络方法,结合GIS和RS技术,并选定绿地、建筑物、行政中心、主要道路、次要道路、坡度、坡向和海拔8个对城市边界扩张影响较大的因子,建立城市增长边界模型(UGBM),并应用该模型预测了北京市2020年城市增长边界,同时用面积匹配值法评估了模型的精度。研究结果:使用UGBM模型预测城市增长边界,总的面积匹配值为106%,稍微高估了城市扩张面积。研究结论:基于BP神经网络的UGB划定方法对确定城市未来扩张方向有指导作用,可为城市规划和发展政策的制定提供指导。