简介：树木径向生长动态监测工作有助于更好地理解树木生长对气候变化的响应机理。前期调查发现中国福建的马尾松年轮晚材比例较高,本研究调查了福州地区马尾松晚材的年内径向生长规律,并以晚材率的变化作为指标。研究发现6月底7月初为马尾松晚材形成时段;11月中旬马尾松形成层细胞结束分裂,但晚材细胞仍在进一步成熟,表现为细胞壁加厚、细胞颜色变深;在晚材形成阶段,7月初到8月上旬与10月初到11月中旬为晚材细胞缓慢生长阶段;8月中上旬到9月下旬晚材细胞为快速生长阶段。该研究对于在福建开展树轮气候重建具有一定的参考意义。

简介：对福州市国家森林公园木荷马尾松群落凋落物养分归还量年变化格局进行了分析．群落通过枯枝落叶形式每年向林地归还养分（N、P、K、Ca、Mg、Fe、Mn、Cu、Zn）总量为217．310kg·hm^-2．其中5种大量元素年归还量顺序为N〉Ca〉K〉Mg〉P，4种微量元素的为Fe〉Mn〉Zn〉Cu．群落通过落叶归还于林地的养分量占总量的80．49％，并以木荷叶为主，它主导了中亚热带木荷马尾松林凋落物的年凋落量及养分归还量．9种营养元素归还量在不同月份间的变化很大，在4月N、P、K、Mg、Mn达到第一个归还高峰，8月N、P、K、Ca、Mg、Fe、Mn又出现第二个归还高峰；Ca、Fe、Cu、Zn的第一个归还高峰在5月，Cu和zn的第二个归还高峰在7月，在11月除Cu外各养分元素又有一个小归还峰．凋落物的C／N年变化量在27．38～40．29之间，C／P年变化值在1045～1703之间．在4种组分中，以落叶对N、K、Mg、Mn年归还的贡献最大，落枝对Ca、Cu、Zn年归还的贡献最大，落果对P的年归还贡献最大，而花及杂物对Fe的年归还贡献最大，养分利用效率以P和4种微量元素的较大，它们（特别是P）较易成为中亚热带木荷马尾松林生长的限制因子．

简介：运用树木年代学的基本原理和方法，研究三明地区马尾松（Pinusmassiniana）径向生长对气候要素的响应。结果表明：夏季温度限制着马尾松的径向生长，年轮宽度与上一年和当年7-8月平均气温均呈显著负相关（P＜0.01）；马尾松的径向生长受到降水和湿度的影响较大，与上一年1-3月降水量和2-3月平均相对湿度显著负相关（P＜0.01），与当年6-11月平均降水量和7-8月相对湿度显著正相关（P＜0.01）；同时宽度年表与上一年2-3月太阳日照时数显著正相关（P＜0.01）；另外，宽度年表与6-11月PDSI显著正相关（P＜0.05），生长季的干旱胁迫抑制了马尾松的生长。研究说明本地区限制马尾松树木生长的因素较多，1年中不同时期限制马尾松径向生长的气候因子不同。

简介：利用细胞遗传学技术，研究Cu^2＋对马尾松根尖细胞遗传损伤效应．实验结果表明：Cu^2＋会导致马尾松根尖细胞产生遗传损伤，出现微核、染色体断片和落后染色体．随着Cu^2＋浓度的提高，马尾松根尖细胞的微核率和染色体分离异常率不断上升，在浓度为10．0mg·L^-1时到达最高峰；处理时间在24h时，微核率和染色体分离异常率到达最高．此外，还分析了微核率和染色体分离异常率的相关关系，发现采用Linear模式二者的相关性最佳，此时r=0．909．二者的相关性达到显著相关水平.

简介：本文根据神经网络的基本原理，利用实测数据建立了用于大断面隧道收敛变形预测的BP神经网络模型。基于神经网络的预测模型具有预测精度高，使用方便灵活，适合于复杂系统的特点，是解决隧道变形预测问题的一种崭新途径。

简介：介绍了人工神经网络原理和卫星云图估计降水的原理.从GMS红外卫星云图资料中抽取12个降水云图特征量,构造了网络结构为12-98-7的降水估计人工神经网络模型,并用1993年的小时地面雨量资料和GMS数字云图资料对神经网络模型进行训练,用1992和1994年资料对该神经网络模型分别进行测试.在日面降水估计试验中,地面雨量计值和卫星估计降水之间的相关系数分别为0.94和0.97,相对误差分别为41%和32%.

简介：利用探井资料,采用神经网络方法,研究了新井产能的预测神经网络方法。实际气田的应用表明,该方法具有需要资料少、精度高等特点。

简介：通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。

简介：ＢＰ人工神经网络是摸拟人脑机理和功能的一种新型计算机和人工智能技术，它在数据处理中可避免数据分析和建模中的困难，采用拟人化的方法进行处理，特别适用于不确定性和非结构化信息处理，因而对地质学中各种未知信息的预测有着较好的适用性。

简介：小波神经网络对建筑物变形预报具有较高的模型拟合及预报精度.从小波神经网络算法原理出发,阐述了使用该方法对所获得的桥梁变形监测数据进行模型建立及预报的过程,并利用Matlab实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法具有很强的可行性和实用性,可及早为桥梁变形预警,避免或减少灾害的发生.

简介：为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP算法的一个四层模糊神经网络模型.将模糊神经网络（FNN）技术引入赤潮预测研究,并与普通BP网络、RBF网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能.

简介：为了能够客观地对海水水质进行综合评价，在分析人工神经网络概念和原理的基础上，从阈值角度出发，通过对各类海水水质污染指标浓度生成样本的方法，生成了适用于BP人工神经网络模型训练的样本，并应用基于误差反向传播原理的前向多层神经网络，建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价，通过模型的计算，得到该海域的水质类别。结果表明，2004-2007年，渤海湾近岸海域污染指标总体上在河流丰水期时比枯水期时高，2005年和2006年污染较为严重，2007年有所好转。经训练的评价模型应用于实例的评价结果表明，该模型设计合理、泛化能力强，对海水水质评价具有较好的客观性、通用性和实用性。

简介：在分析传统测井岩性解释中存在的一些问题的基础上，从神经网络的机理、特点出发，探讨了利用神经网络技术进行测井岩性识别的可行性及优越性，并以找矿目的层为对象，进行了岩性分析与对比，为该方法的进一步应用开拓了前景。

简介：利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性，建立了动量BP人工神经网络水深反演模型，并对长江口南港河段水深进行了反演。结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况：由于受长江口水体高含沙量的影响，模型对小于5m的水深值反演精度较高，而对大于10m的水深值反演精度较低。

简介：首先简要介绍了BP网络及其算法的基本原理,然后,详细讨论了GPS高程拟合系统的研制,并结合某GPS首级施工控制网实例,将该高程拟合系统中的BP网络算法具体应用于GPS高程拟合中。结果表明,BP网络算法在GPS高程拟合中是完全可行的,该高程拟合系统在工程实践中具有一定的实用价值。

简介：为了掌握洪湖水质未来的变化情况以及预防污染事件的发生,建立了一个BP神经网络水质指标预测模型。利用洪湖1990~2014年的水质指标实测数据作为学习样本,选取了pH、溶解氧（DO）、铵态氮（NH4＋—N）、硝态氮（NO3-—N）、总氮（TN）、总磷（TP）6项指标作为预测参数,建立了BP神经网络模型,并运用该模型对洪湖水质指标进行了预测,同时引入一元线性回归模型与GM（1,1）灰色预测模型与该模型进行对比。结果表明,BP神经网络模型预测的水质指标的相关性系数都在0.998以上,平均相对误差都控制在2.5%以内,对单个指标的预测相对误差也都小于9%,明显优于一元线性回归模型和灰色预测模型;BP神经网络模型预测精度较高,预测速度快,能够相对准确地预测大部分水质指标,可以有效地应用于洪湖以及其它水域水质指标的预测和水质趋势的预警预报系统中。

简介：【摘要】本文所研究的空气质量预测工作，利用有效的数据集以及建立 BP神经网络预测算法模型对降雨量，城市生产总值，温度，经度，纬度，海拔高度，人口密度，是否沿海，绿化覆盖率，焚烧量 等 11个与空气质量指数有关的因素与空气质量指数进行相关性分析。然后利用 PAC算法进行降低维度，以便找出和空气质量指数有重要关联的 9个主要特征。利用 BP-GA神经网络算法进行和数据集中的数据进行预测，并且利用 MATLAB进行预测仿真，观察空气质量预测的效果图。最后总结 BP-GA神经网络算法是较适用于空气质量预测的。

简介：简述BP神经网络的基本原理,通过实例阐述BP神经网络在矿产资源GIS评价应用方法,提出注意事项及如何提高评价应用效果.

简介：

简介：摘要：BP神经网络通过训练得到模型中的一个神经网络模块来进行计算时对网络中输入参数进行微调使得模型更具精度。利用这样一种模型来进行工程造价控制也是非常合适的。而使用 BP神经网络进行工程造价分析是现在比较常用的方法。