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:新的钻井工艺或钻井液体系的使用在保证钻井施工顺利进行的同时,也给录井岩屑的岩性识别带来了极大的挑战,其中以膏盐岩地层尤为突出。以塔里木油田大北X井为例,提出了主成分分析(PCA)与径向基函数(RBF)神经网络相结合的膏盐岩地层岩性识别方法,利用主成分分析法去除指标变量间的相关性,将原始指标变量重新线性组合为4项综合变量作为RBF神经网络的输入向量;最后建立适于识别膏盐岩地层岩性的RBF神经网络模型。实际识别结果表明,该PCA-RBF神经网络模型对于膏盐岩地层岩性的识别具有较高的准确性,完全可以满足实际应用的要求,具有进一步推广的价值。
简介:于2013年7月20日、8月23日和10月17日,在小兴凯湖内布设13个采样点,采集水样,测定水样的氮、磷含量;采用综合营养状态指数法,对小兴凯湖水体富营养化程度进行分析,同时对其沼泽化程度进行评价。结果表明,7月20日、8月23日和10月17日小兴凯湖水体中总氮质量浓度分别为0.38~3.12mg/L、0.40~2.05mg/L和0.38~1.14mg/L,分布在北岸河流入湖口采样点水体总氮含量较高。8月23日,水体中的总氮含量明显高于其它采样日;7月20日、8月23日和10月17日小兴凯湖水体中总磷质量浓度分别为0.05~0.11mg/L、0.06~0.12mg/L和0.09~0.18mg/L;7月20日、8月23日和10月17日水体中的氮磷比分别为7.76~63.57、7.05~25.56和3.42~12.29,表明该湖属于磷营养限制性湖泊。各采样点综合营养状态指数为52.52~66.57,表明小兴凯湖整体处于轻度富营养状态;沼泽化综合指标为0.143~4.000,表明小兴凯湖大部分区域已处于重度沼泽化状态。
简介:探讨了专项地理信息数据库的集成方式,开发了地理信息数据库管理系统集成框架程序.通过应用实践证明,该框架可有效解决各专项测绘成果分别建库和管理带来的各种问题,推动各数据库的集成应用.
简介:利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-OrganizingMaps,简称SOM)的统计降尺度方法,对江淮流域夏季(6-8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(BrierScore)均近似为0,显著性评分(SignificanceScore)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。
简介:以MicrosoftVisualStudio2010为开发工具,以DotNetBar和ArcEngine10.1为开发组件,设计并实现了一套原型ArcGIS供水管网地理信息系统。该系统具有图形基础操作、空间选择、空间编辑、空间分析等基本功能,用户还可根据自身需求进行相应的功能裁剪,可为城镇地区供水管网的智能化、网络化设计与更新提供软件支持。