山东省汶泗河冲洪积扇地下水开采潜力分析

汶泗河冲洪积扇位于济宁市主北部及安市宁阳县、东平县一带,是由多个小冲洪积扇组合而成的山前倾斜平原,该区地下水资源丰富.浅层孔隙地下水现状开采量为7.15亿m3/a,中深层孔隙水开采量为2.62亿m3/a,岩溶水开采量为1.36亿m3/a.地下水大量开采形成了地下水降落漏斗,引发了地面沉降等不良环境地质问题.利用开采指数法按行政区划对地下水资源进行潜力评价,结果显示汶上县和兖州市为开采潜力中等区,其中汶上县剩余可采资源量为1.22亿m3/a,充州市剩余可采资源量为0.67亿m3/a.     

山东省商品房价格预测研究

本文基于山东省近23年商品房价格及其影响因素数据,建立多元线性回归模型、BP神经网络模型和时间序列模型,以期找到最合适的房价预测模型。首先对选取的影响商品房价格的12个自变量进行变量选择,然后建立上述三个模型,对比分析三种不同模型的拟合效果预测山东省商品房均价,最后得出结论：多元线性回归模型拟合效果最好,比较适合用于房价预测;BP神经网络模型预测值最准确,但从模型的拟合效果看不太适合用于长期预测;时间序列模型拟合效果较好,预测能力相对另外两个模型是比较差的,预测的精度相对较低。     

灰色马尔可夫模型的建设用地预测

通过对灰色系统理论GM(1,1)模型的算法改进,将改进后的灰色模型与马尔科夫模型结合,既发挥了灰色系统预测精确的特点,又利用了马尔科夫模型对预测波动性数据准确的优势.以陕西省实例,对于在时间序列上展开的具有一定波动性的建设用地数据进行预测,达到了很高的预测精度,可以用于土地利用规划的预测数据,为规划年合理配置土地资源提供依据.     

BP神经网络在耕地减少预测中的应用研究

由于耕地资源的有限性,因此有必要掌握陕西省的耕地面积减少趋势.利用前向多层神经网络的反向传播算法,即BP算法.采用MATLAB软件建立用于预测的BP神经网络,将已知陕西省的耕地资源年减少量通过BP神经网络进行训练,建立陕西年耕地面积减少的时间序列的预测模型.此BP神经网络在对陕西的耕地资源年减少量进行预测时精度较高,可靠性较好.表明BP神经网络用于耕地减少的预报具有一定的可行性.     

基于Gompertz模型和Arrhenius模型预测卤豆干的货架期

采用传统菌落总数测量技术,结合货架期加速实验（Accelerated Shelf Life Testing,ASLT）的Gompertz模型和Arrhenius模型,建立卤豆干的货架期预测模型。对4℃、12℃和20℃下的卤豆干样品贮存过程中菌落总数进行了测定,分析了卤豆干在不同温度下菌落总数与贮藏时间之间的变化。以菌落总数为主要指标,利用Gompertz模型和Arrhenius公式建立货架期模型。结果显示,以菌落总数为指标,利用修正的Gompertz模型预测的4℃、12℃和20℃下货架期分别为7 d、3 d和3 d,且精确度较高（R2> 0.98）;利用Arrhenius公式拟合的货架期模型预测在4℃、12℃和20℃条件下的卤豆干货架期分别为9 d、6 d和4 d。这两种方法均可以有效对卤豆干的货架期进行检测,可为卤豆干的加工、生产和销售提供一定的支持。     

农村三产融合背景下基于ARIMA模型对陕西省农村就业人数的分析与预测

运用时间序列预测方法,对1998—2017年陕西省乡村就业人数序列进行分析,建立了1998—2017年陕西省农村就业人数的求和自回归移动平均模型（ARIMA）。结果显示,ARIMA(1,1,0)模型能够提供较为准确的预测结果,可为陕西省农村就业状况提供参考数据,并据此提出政策建议。     

基于GIS和BP神经网络技术的建设用地适宜性评价研究

提出在地理信息系统(GIS)和BP神经网络技术支持下,对建设用地适宜性进行评价的一种新方法.阐述了建设用地适宜性评价的评价原则与体系,并提出了新方法的技术路线.最后以珠海市横琴岛为研究实例,基于GIS平台,利用BP模型,对横琴岛建设用地的适宜性进行了评价.     

征地冲突后果评价与预警

研究目的：构建征地冲突后果评价和预警的指标体系,利用BP神经网络检验征地冲突后果评价和预警的可行性。研究方法：文献法,神经网络。研究结果：征地冲突后果评价BP神经网络模型精度较高,预警BP神经网络模型精度也较为乐观。研究结论：征地冲突后果评价和预警指标体系的构建基本合理,BP神经网络适合在这一领域应用。     

BP神经网络在社会经济非线性时间序列预测中的应用

应用神经网络的基本原理,介绍了对非线性时间序列进行预测的方法。并通过社会经济系统实例验证该方法的科学合理性。     

基于混沌—神经网络时间序列的农村能源消费预测研究

农村能源是农村地区经济发展的重要基础,本文通过对农村能源消费时序的混沌辨识,指出我国农村能源消费时序是一个具有类似随机现象的混沌系统.为此,建立运用混沌神经网络时间序列的预测模型,并结合遗传算法优化神经网络权重,对我国农村能源消费进行预测得知:2010年我国农村能源消费总量为127633.07万吨标煤,预测误差较小.最后就农村能源发展提出了相关政策建议.     

深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

基于BP神经网络的水环境承载力评价

在充分理解水环境承载力概念的基础上,选取水环境承载力评价指标,确定分级评价标准,引入神经网络理论,构建了3层BP神经网络评价模型,并将其应用于山西省2004年、2010年水环境承载力评价;结果表明,山西省2004年、2010年水环境承载力处于弱承载状态;建立的评价模型结构简单、计算简便,具有很好的适用性。     

水资源评价方法及其应用

水资源具有多种用途。其使用价值的评估对水资源的规划与利用至为重要;探讨不同水资源用途依其经济属性的评价方法及其应用范围和限制;所讨论的评价方法包括：旅行成本法、特征价格法、假设条件评估法、以及生产函数法等５种。     

基于小波神经网络的鱼类价格预测研究

鱼类市场价格是影响渔民收益的重要因素,因此如何能够准确分析和预测鱼类的价格是一个十分重要的问题.论文在考虑了BP网络原形的一些缺点和不足,尝试在传统BP算法的基础上将网络神经元中的激励函数换成小波子函数,组建成的小波神经网络.通过对鲈鱼价格的预测,验证了小波神经网络的可行性,然后基于阿里巴巴的鲈鱼价格的历史数据,验证了该方法的合理性.最后开展对新疆乌伦古湖水产综合基地三类主要鱼类价格预测的实证研究,研究结果表明河鲈和梭鲈的价格会有小幅的波动,但高白鲑的价格会有大幅的提升.因此,小波神经网络作为一种传统神经网络的改进,可用于预测鱼类价格的短期预测,为水产基地的决策提供依据.     

基于BP神经网络的农村饮用水水源地水质评价

通过构建BP人工神经网络模型,进行训练识别,应用于评价水源地水质。结果表明：基于BP人工神经网络的农村饮用水水源地水质评价能够改善其他水源地水质评价方法带来的不足,较好地改善评价对全局性的寻优能力,做到合理全面地评价水源地水质。同时,模型反映出了水源地水质变化的复杂性和可模拟性,提高了对水源地水质评价的可靠性和有效性。     

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.     

基于层次熵分析法的云台山风景区旅游资源评价

旅游资源评价是一个综合的、多准则的、多因素的复杂问题,它对于地区旅游资源的开发和合理利用具有重要作用。本文利用层次分析法和熵技术相结合,构建出包含资源价值、景区环境和旅游条件等3个准则层因子和13个子准则层因子的云台山风景区旅游资源评价模型。通过科学系统的评价,得到了相对准确的评价结果,观赏性、休闲性、环境质量等因素在旅游资源开发中扮演着越来越重要的角色。     

基于BP网络的水利建设项目社会评价

选取水利建设项目社会评价中的12个评价指标作为学习样本,建立3层BP神经网络模型,用8组数据对所建网络模型进行训练,选取两个水利建设项目数据来检验已经训练好的网络模型,最后将此模型应用到湖南省江垭水利枢纽工程社会评价中,与模糊层次分析法的评价结果相比较,表明BP神经网络用于水利工程社会评价的优越性。     

基于三角白化权函数的重庆市水资源承载力灰色聚类评价

水资源可持续承载力是区域可持续发展综合评价的重要指标。文章从重庆市水资源系统、社会经济系统及生态环境系统等3个方面考虑,选取24个水资源承载力影响因子建立了水资源可持续利用评价指标体系。基于三角白化权函数的灰色评估是灰色聚类分析法中划分对象类别的一种新方法,将这种方法应用于重庆市水资源可持续承载力评价中,把重庆市2000~2009年的水资源可持续承载力状况分成劣、差、中、良、优等5个灰类进行综合聚类评估。结果表明:(1)2000~2009年间,重庆市水资源可持续承载力总体上处于上升趋势,排列顺序为:2008200020092004200220032007200520062001;在2000年、2008年及2009年属于优灰类,2001年属于劣灰类,2002年、2003年、2004年及2007年属于良灰类,2006年属于差灰类,2005年属于中灰类;(2)基于三角白化权函数的灰色评估评价得出的结果比较客观,重庆市水资源可持续承载力对水资源子系统依赖程度较高,制约重庆市未来水资源可持续利用的主要因素在于年际间的干旱灾害,应引起相关部门的高度重视。