简介:根据国家气象中心制定的《对比观测期间监测资料评估技术方法》,对2008年嘉兴气象观测站能见度仪资料与人工观测能见度进行对比分析,结果表明,能见度仪资料与人工观测值在低能见度多发季节(秋、冬、春季)相关较好,而夏季(能见度总体较高)则相反。对能见度进行分级后的比较得出,低能见度(〈2km)时能见度仪观测效果较好,和人工观测值之间的对比差值及粗差率低、一致率高,具有很好的代替作用,而随着能见度的逐渐升高(2~5km,〉5km),两者之间的差距加大,能见度仪的可替代性降低。最后通过比较两种数据的各项统计指标发现,能见度仪数据序列离散度较低,精密度及精确度都要高于人工观测值,通过订正后未来有望取代人工观测。
简介:将改进的非线性技术(GA-SVM)应用于成矿预测,为成矿有利度预测方法提供一种新思路。在分析哈图矿集区成矿有利度基础上,选取28个学习样本、10个与成矿有关的地质变量,应用基于遗传算法(GA)寻优的支持向量机(SVM)方法,对成矿有利度进行建模,并与BP神经网络模型预测结果进行比较。结果表明,GA-SVM回归预测模型能很好地拟合成矿有利度与各地质变量间的非线性关系。样本数量有限时,GA-SVM比BP神经网络具较高的拟合精度,更适合非线性成矿预测工作,具较强的推广意义。
简介:摘要:近年来,随着社会的发展,我国的各行各业的发展也有了改善。传统的判断滑坡现象发生的可能性方法是基于求出坡体的安全系数来判断某一具体边坡的稳定性。传统的求安全系数的方法有极限平衡法、有限元强度折减法、有限元增量加载法、不平衡推力法等,这些现有方法都是从地质本身的特性来研究岩土坡体的安全系数,但是由于导致岩土坡体发生滑坡的因素的多样性和无规律性导致这些传统方法在判定一个坡体的滑坡稳定性具有一定的随机性和不可靠性。针对传统方法之中所存在的不足,提出一种能够进行智能学习的 BP神经网络算法, BP神经网络具有自适应学习、非线性映射、大规模并行处理、较强的容错性等优点。