高斯-牛顿法在滑坡预测预报模型参数优化中的应用

对滑坡预测预报的非线性模型,存估计其参数时,传统的方法是将非线性模型在参数的近似值处展开成泰勒级数.并仅取至一次项,然后冉应用线性模型参数估计理论进行参数估计.因线性化时略去了,二阶及二阶以上的各高次项.所以必然会产生模型误差.介绍了高斯-牛顿法的基本原理,并以洒勒山新滑坡为例,在建立该滑坡厌色GM(1,1)模型和Verhulst模型的基础上,运用高斯牛顿法对两个非线性模型的参数进行优化.计算结果表明,参数优化后各模型的预测精度比优化前各模型的精度有显著提高.说明采用高斯-牛顿法优化非线性模型参数是提高滑坡预测预报精度的一种有效且切实可行的方法.     

滑坡的多模型综合预测预报研究

由于滑坡的复杂性以及预报模型和方法的局限性,简单地利用单一的滑坡预测预报模型准确地预报滑坡的滑动时间还很困难。为了提高滑坡预报的准确度,提出了在滑坡原型调研和机制研究的基础上,以滑坡的监测资料为依据,通过监测点的选取、监测信息的处理和变形阶段的判别,选择多个与所预报滑坡相适宜的预测预报模型对滑坡的滑动时间进行预测预报,并对多个模型的预报结果进行综合评判得出预报结果,最后以黄龙西村滑坡实例进行了应用。     

动态调整粒子群-霍尔特模型在径流预测中的应用

为了提高水库和河流中长期径流预测精度,针对粒子群算法存在的缺陷,提出了动态调整粒子群算法（DAPSO）。借助霍尔特-温特斯线性季节性模型的预测功能,应用DAPSO算法求解和优化霍尔特-温特斯线性季节性模型组合参数,形成动态调整粒子群-霍尔特-温特斯线性季节性模型组合算法,对石泉水库进行中长期径流预测。仿真计算表明,动态调整粒子群-霍尔特-温特斯线性季节性模型算法收敛速度快于霍尔特-温特斯线性季节性模型算法、粒子群-霍尔特-温特斯线性季节性模型算法。该组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预报精度显著提高,置信度为95%时的预测相对误差小于6%。该算法可应用于水库和河川中长期径流预测。     

基于Logistic回归和MCMC方法评价地震滑坡敏感性

Logistic回归模型(Logistic Regression,LR)在滑坡敏感性评价上应用广泛,但目前对于模型参数不确定性的研究较为缺乏。马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)方法能够结合参数的先验信息得到其后验分布,从而对估计参数的不确定性进行分析。为探索MCMC方法在Logistic滑坡敏感性模型构建中的有效性; 量化模型参数估计值的不确定性,以西南地区2013年4·20芦山地震,2017年8·8九寨沟地震和2014年8·3鲁甸地震为例,基于MCMC方法对Logistic回归模型的回归系数进行估计。构建了区域的地震滑坡敏感性模型,对模型参数的估计值进行了不确定性分析,并绘制了区域的滑坡敏感性图。结果表明:在芦山地震案例中,模型参数估计值的不确定性都比较低; 在九寨沟案例中,岩性因子的参数估计值不确定性较高; 在鲁甸地震中,岩性、剖面曲率和平面曲率的参数不确定性较高。总的来说,模型中的大多数参数估计值不确定性都较低。所构建的Logistic回归模型在三次地震滑坡事件中的预测精度都较高,AUC(Area Under ROC Curve)值均在0.9以上,这证明了MCMC方法对Logistic模型参数估计的准确性。在三次地震滑坡事件中,因子相对重要性最大的为高程,其次为距离断层的距离以及修正麦卡利烈度。研究为利用LR模型进行滑坡敏感性评价提供了一种新的思路和方法。     

温室环境温度预测自适应机理模型参数在线识别方法

温室小气候模型具有非线性、强干扰、时变等特性,常用的线性化模型或离线辨识模型无法有效预测温室环境动态变化规律,模型精度不高直接影响温室环境控制性能。针对模型的这种复杂特性,该文以温度模型为例,提出利用连续-离散递推预测误差算法,对非线性模型参数和状态进行在线估计,以提高模型精度。首先,考虑加热和通风2种控制输入,建立了温室温度模型。然后,论述了该算法的原理和优势,算法通过引入并调整增益矩阵,对系统噪声进行在线更新,减少了系统噪声初始化偏差对参数估计收敛性的影响。最后,基于试验温室实测数据,对温室温度模型进行了在线辨识仿真,结果表明,利用连续-离散递推预测误差算法辨识模型拟合度为93.7%,扩展卡尔曼滤波器拟合度为89.5%,该文提出的算法在预测温室温度方面更为有效。     

单元聚类分析法在滑坡分析中的应用

在滑坡灾害分析时应用单元聚类分析法,从单因素相关分析过渡到多因素相关分析,从而找出规律,建立滑坡灾害预测预报模型。运用该方法对承德市滑坡进行分析得出预报模型,经调查资料反算,误差在10％～30％范围之内。介绍了单元聚类分析步骤。     

土壤学中非线性数学模型参数估计的探讨

本文介绍了非线性数学模型参数的估计的一般方法，运用实例说明将非线性模型化为线性模型进行拟合所得参数未必是最佳参数，并对含有隐函数的非线性模型的参数估计提出了行之有效的处理方法。     

四川省典型区域滑坡、泥石流致灾临界雨量阈值确定方法

[目的]确定四川省滑坡泥石流典型区域各个子区最关键的降雨因子,建立典型区域各子区临界阈值模型,为该区对滑坡、泥石流灾害进行有效预报提供科学依据.[方法]利用1999 2014年四川滑坡泥石流灾情资料,确定出滑坡、泥石流的典型区域,根据典型区域各个子区的气候和下垫面条件,比较不同降雨因子组合的阈值模型,得到各子区最关键的降雨因子,建立典型区域各子区临界阈值模型.[结果]平均降雨强度和峰值降雨强度是典型区域滑坡、泥石流阈值模型中的重要指标;诱发雨量多作为滑坡典型区域致灾临界阈值模型雨量指标,激发雨量只作为泥石流典型区域致灾临界阈值模型雨量指标;有效雨量可以在滑坡、泥石流典型区域值模型中应用.典型区域多采用多因子预报模型,只有汶川震区采用单因子预报模型,其临界阈值在震后呈现上升趋势.[结论]不同降雨参数对诱发滑坡泥石流灾害的作用不同,典型区域中各子区建立的预报模型及得出的临界阈值也不同.多因子预报模型考虑了多种降雨参数,比单因子模型更客观.     

基于矩阵奇异值分解约束型无迹粒子滤波的滑坡位移预测模型研究

[目的]通过对滑坡位移预测模型进行研究,为政府部门实施更加可靠的灾害防治决策提供科学依据。[方法]提出了一种矩阵奇异值分解(SVD)约束型无迹粒子滤波(IUPF)方法,建立基于位移参数的滑坡位移预报模型。[结果]利用改进的SVD方法有效提升了无迹粒子滤波方法中Sigma点计算的鲁棒性,从而提升了算法的预测精度,对滑坡的稳定趋势能够做出更准确的预报。将该算法在镇江市跑马山滑坡体监测工程、京港澳高速公路雨花互通南侧护坡体滑坡监测工程相关数据进行了应用和分析验证。[结论]实例验证结果表明,加入SVD约束后的无迹粒子滤波算法,能够使得滑坡位移预测更加准确,预测的数据更加准确地反映了滑坡的变形趋势。     

黄土滑坡稳定性评价的集合卡尔曼滤波同化方法

[目的] 为提升区域滑坡稳定性评价模型的预测精度,解决传统滑坡稳定性分析基于静态的物理模型过度简化滑坡发生机理与力学机制,导致过度预测的缺点,以及模型参数通常具有的时空变异性、不确定性的问题。[方法] 基于集合卡尔曼滤波的数据同化方法,以甘肃省兰州市北环路周边区域为例,构建了基于TRIGRS模型和SBAS-InSAR观测数据的区域滑坡数据同化方案,对模型中的安全系数(F_s)进行同化,更新模型参数内摩擦角,进而修正滑坡稳定性,并利用均方根偏差(RMSD)检验同化值的精度。[结果] 同化后研究区域滑坡安全系数明显高于模型预测的结果,不稳定区域的面积比例由12 %降低至7 %,与实际观测更为接近;试验使内摩擦角参数逐渐向观测值方向改正,实现了模型参数的动态更新;均方根偏差从0.33减小到0.04左右。[结论] 基于集合卡尔曼滤波的数据同化方法有效修正了模型稳定性预测结果,可以更准确体现当前区域滑坡实际情况,具有更高的预测精度。     

土壤属性空间预测中变异函数套合模型的表达与参数估计

针对当前地统计学方法中理论变异函数的参数估计多集中于对单一理论模型的参数估计,而缺乏对多尺度套合模型参数估计的研究现状,该文首先根据多尺度套合模型的特征,提出其在计算机中的统一叠加表达形式,从经验半方差散点图判断模型类型及参数取值范围,然后用遗传算法进行参数估计,并用Matlab R2010a开发了应用程序,最后以土壤养分（有机质和全钾）为例,与当前流行的地统计软件对比,证实了所提方法不仅在理论模型参数估计精度上优于传统估值方法（对比R2,分别提高6.32%和83.47%）,而且后期的Kriging插值结果的精度上更是大大优于传统方法的插值精度,证明该文所提方法在精度和套合结构支持方面均具有优势。     

西南岩溶山区水资源可持续利用评价指标选取及权重确定

降雨径流是引起土壤侵蚀的主要动力,因此准确预测不同下垫面条件下的径流量是进行土壤侵蚀预报和水土流失治理的关键.SCS-CN方法是目前国际上预测无径流观测资料地区降水产流的主要模型.利用黄土高原地区6个试验小区的153场径流试验资料,选取3种具有代表性的土地利用方式:谷子、苜蓿和高粱,对SCS-CN方法在黄土高原的适应性进行了初步检验,优化出了适应黄土高原地区3种土地利用方式的模型参数.结果表明,优化后的模型参数对降雨径流的预测精度明显优于标准SCS-CN法;优化后的λ值为0.01,优化的谷子、苜蓿和高粱地CN2 值分别是74,74,72.     

参数优化方法对微生物模型预测土壤有机碳时空演变的影响

准确把握土壤有机碳（SOC）的时空演变规律对于土壤资源的高效持续利用、发挥土壤生态系统服务功能，以及应对气候变化等均具有重要意义。以江苏省南部为研究区，以明确表达微生物分解作用的微生物模型MIMICS为对象，以模型参数敏感性分析为切入点，分析了不同参数优化方法对MIMICS模型预测苏南农田表层（0 ~ 20 cm）SOC时空演变动态的影响。结果表明，批处理和点对点两种参数优化方法下，MIMICS模型均能较好地模拟1980─2015年苏南农田表层SOC密度先增加后减少的总体趋势；采用考虑模型参数空间异质性的点对点参数优化方法时，MIMICS模型预测精度最高，其预测误差（RMSE）较采用默认参数值时分别降低22.2%（2000年独立验证）和14.7%（2015年独立验证），但2015年SOC密度预测精度依然偏低（R2 = 0.13，RMSE = 1.22 kg?m–2）。上述结果表明进一步改进微生物模型的结构、提高模型输入数据的精度及分辨率，将是微生物模型建模区域尺度SOC时空动态所面临的重要挑战。     

PID优化算法在分布式水文模型参数优化计算中的应用研究

采用PID优化算法对分布式水文模型VIC模型进行参数自动优化计算,并对比分析参数优化前后对分布式水文模型模拟精度的影响。结果表明:参数优化后,分布式水文模型VIC模型在年尺度和小时尺度的水文模拟精度均有所改善,误差减少13.8%和13.2%,拟合度提高0.28和0.14。研究成果对于分布式水文模型参数优化方法提供参考价值。     

BP-GA神经网络模型在径流预报中的应用

为阐明实施中长期径流预报时预报因子与预报对象间非线性相关关系,通过平均影响值(MIV)筛选预报因子,辨识出对区域年径流量影响较大的年平均气压、年平均湿度以及年降水量3项重要影响因子,探索构建以其为自变量并由GA优化后的BP网络径流预报模型。应用实例表明,基于平均影响值算法的BP-GA径流预报模型预测精度较高且稳定性较强。     

一种基于回归分析与时序分析的降水预报模型

中长期降水预报存在的问题是资料不足和预报精度较低.运用回归分析与时序分析相结合的方法,将实测降水序列分解成趋势、周期、随机3种成分,并分别构建各分量的子模型;将3个子模型线性叠加,并对拟合的纯随机序列进行修正,得到降水预报的第三类模型;进而给出了模型精度评价方法.实例分析表明,运用修正后的模型进行降水预报,可以缩小峰值处的误差,预报精度比其余两类模型有所提高.该方法可仅根据历史资料进行降水预报,对资料要求较低,精度可靠,是一种实用的方法.     

基于机器学习算法的蒸发量模型评估

[目的]探讨合理的气候因子个数,建立蒸发量模型,提出基于特征选择算法筛选最优特征集。[方法]以陕西榆林、泾河和汉中3个气象站16年(2005-01至2021-03)的逐小时观测资料为研究对象,利用特征选择函数和遍历循环方法对模型参数、特征变量个数进行优化。基于最佳参数结合随机森林模型和多元线性回归模型两种机器学习算法建立榆林、汉中和泾河地区蒸发量模型,采用平均绝对误差、均方根误差和平方相关系数三项指标评估模型的预测精度。[结果]特征变量和随机森林模型中的决策树个数分别是8,61时,模型预测效果最佳。采用优化的随机森林模型、多元线性回归模型评估3个地区的平均绝对误差均为0,均方根误差除泾河地区相等外,榆林、汉中地区的均方根误差均小于优化的多元线性回归模型。优化的随机森林模型预测榆林、泾河和汉中地区蒸发量拟合效果分别为0.85,0.90,0.86,优化的多元线性回归模型的拟合效果分别为0.77,0.83,0.79。[结论]整体而言,优化的两种模型都具有良好的预测效果且随机森林模型的预测效果优于多元线性回归模型。     

多元自回归模型在区域中长期水文预报中应用研究

采用多元自回归模型,综合多要素对辽宁西部区域中长期水文进行自回归预测。研究结果表明:多元自回归模型相比于单一自回归模型,可综合考虑多个要素对自回归方程求解目标的影响,提高模型收敛和求解精度;在区域中长期水文预报精度也明显好于单一回归模型,相比于单一模型,多元自回归模型预测的降水和水量值与实测值之间的相关系数均值分别提高0.20和0.31。研究成果对于区域中长期水文预测方法提供参考价值。     

预报土壤盐分动态的多层递阶时序法

文中将多层递阶时间序列方法用于土壤盐分动态的预报,方法简单,计算工作量小,预报精度高,而且避免了利用确定性方法预报时所遇到的困难。实例分析表明,本方法通过对于时变参数的追踪和预报,加上模型本身可修复的特点,使对土壤盐分动态的预测精度得以提高。     

基于GA-SVM的耕地土壤重金属含量高光谱反演方法的研究

为提高耕地土壤重金属含量高光谱反演模型精度,以岳阳县某地区耕地土壤重金属铁（Fe）、砷（As）、铬（Cr）为例,提出了一种遗传算法（GA）优化支持向量机（SVM）的重金属含量反演模型。在对光谱进行SG平滑和10 nm重采样后,利用一阶/二阶微分、倒数对数和连续统去除光谱变换方法增强光谱特征,通过相关性分析筛选最优变换光谱,使用皮尔森相关系数与主成分分析提取各重金属光谱特征变量,分别建立SVM和GA-SVM土壤重金属高光谱反演模型并进行精度验证。结果表明,二阶微分变换光谱与各重金属含量相关性整体最突出;三种重金属在可见光波段490 nm、500 nm、510 nm和530 nm具有共同敏感特征;经GA算法优化SVM参数后,对比SVM回归模型,预测精度有明显提高,其重金属Fe、As和Cr的验证集R2分别为0.968、0.821和0.976;研究结果可为应用遥感技术反演耕地土壤重金属含量提供新的参考。