新疆绿洲内乡村聚落空间格局特征及类型划分——以泽普县为例

以新疆喀什地区泽普县为研究耙区,采用泽普县第二次土地利用调查数据为基础数据源,利用GIS空间分析方法及景观韵律指数,研究了泽普县乡村聚落在空间上的分布特征,并对其类型进行划分.结果表明:泽普县乡村聚落整体分布较为密集,但又存在显著的空间差异性,在空间上大致呈现出"中南密北疏"的分异特征;泽普县乡村聚落的规模分布在空间上存在显著的集聚特征,大致呈现出北高南低且北部地区出现"中部低四周高"的环形围绕特征;依据景观韵律指数,将泽普县乡村聚落划分为四种类型:中等规模中高密度分布、小规模高密度分布、中等规模中低密度分布、大规模低密度分布.     

浙江县域经济发展影响因素空间分异研究

浙江县域经济发展差异明显,探究其空间分异成因是破解区域不均衡发展问题的关键。以浙江69县(市)为研究单元,在普通线性回归(OLR)模型的基础上,运用地理加权回归(GWR)方法研究浙江县域经济发展及其影响因素的空间非平稳特性。研究发现：浙江县域经济发展与其影响因素关系的空间分异特征明显,即人均固定资产投资、人均规模工业总产值和人均出口总额对经济发展的影响存在边际递增效应,而人均农业机械总动力和专利申请授权量对经济发展有正面也有负面影响,并随地理位置的不同而发生变化。     

基于BP神经网络与熵值法的浙江省城市韧性评估研究

以浙江省为例, 利用BP神经网络与熵值法综合建模, 对2011—2020年间浙江省各地级市的城市韧性进行定量评价, 分析经济、社会、环境、设施4项城市单系统韧性及其复合韧性, 从而揭示浙江省城市韧性的空间分布特征与发展规律. 研究表明: 浙江省韧性发展趋势较为平稳, 韧性水平的空间分布差异较大, 内部存在发展不均衡现象; 核心地区与边缘地区的韧性水平均呈现缓慢上升势态, 且分异格局短期内不会发生改变.     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

长三角城市创新产出与城镇化耦合协调的时空分异及影响因素研究

本文运用耦合协调模型、探索性空间分析法、空间面板分析等方法分析了2007～2016年长三角26个核心城市创新产出和城镇化耦合协调度的时空分异及影响因素,结果显示:创新产出与城镇化的耦合协调度在研究期内缓慢上升,协调度的空间分异较为明显,呈现出"东部高、西部低"的发展趋势;整体地区的耦合协调度呈现空间集聚的态势,以Moran指数I来衡量的集聚强度在时间上"V"型发展,形成了以上海为中心的高高集聚区向南北扩散与西部低低集聚区缓慢缩小的空间态势;经济发展水平、市场发展水平、对外开放和政府干预程度对于提高城市创新产出和城镇化互动水平具有显著推动作用,信息化水平的推动不明显,工业化对于互动的作用仍需探讨.     

BP神经网络性能与隐藏层结构的相关性探究

利用BP神经网络对多个给定的复杂非线性系统控制进行定量研究,着重讨论了BP神经网络因隐藏层层数和网络学习率之间差异从而引起对复杂非线性系统控制性能上的影响.通过实验数据的对比分析发现,BP神经网络隐藏层层数的递增与系统控制性能的提升并不成正相关性,网络学习率的选取范围可控制在0~2.0之间,具体参数因控制对象而异,可采用分段调试和二分法运算以确定最佳网络学习率参数.     

出境旅游网络关注度时空演变及影响因素研究——以泰国为例

网络关注度是测量潜在旅游者对目的地旅游关注情况及需求变化的重要手段之一。基于百度指数,以我国31个省（区、市）（不含港、澳、台）的泰国旅游网络关注度为研究对象,运用季节性强度指数、地理集中度指数、赫芬达尔-赫希曼指数、地理探测器等方法,探讨我国居民对泰国旅游网络关注度的时空演化规律及其影响因素。结果表明：从时序演化上看,2011—2019年泰国旅游网络关注度呈波动上升态势,可划分为快速上升期和平稳发展期2个阶段,地区季节性差异显著,3月、7月、12月为泰国旅游网络关注度的高峰时段;从空间分异上看,泰国旅游网络关注度空间分异变化不大,空间集聚趋于分散状态,整体呈“东高-西低”的阶梯状递减特征,高关注度地区主要集中在东部地区及四川省,低关注度地区则主要分布于除四川省外的西部省份;从影响因素上看,经济发展水平（人均可支配收入、GDP）、交通便利程度、贸易开放度以及国际旅游开放度共同影响泰国旅游网络关注度的空间分布格局。     

基于空间自回归神经网络模型的空间插值研究

基于空间距离计算的空间自相关权重系数是经典空间插值方法的核心,然而由于空间距离与自相关权重之间复杂的非线性关系,反距离权重（IDW）法和克里金（Kriging）法等传统空间插值方法,在求解权重精准解时存在一定的局限性。由此,利用神经网络超强的非线性拟合能力,通过融合神经网络与空间自回归方法,建立了空间自回归神经网络（SARNN）模型,实现了空间自相关权重的精准计算并将其应用于空间插值研究。为验证SARNN模型的有效性和可行性,采用两类模拟数据及海洋环境数据进行交叉验证,并与IDW法和Kriging法进行精度对比。实验结果表明,SARNN法显著提升了R²、RMSE、MAE、MAPE等统计指标,插值结果明显优于IDW法和Kriging法;同时,SARNN法在空间插值中对突变数据和极值数据的预测较为准确,改善了传统插值方法空间平滑过渡差,易出现“牛眼”、锯齿现象等问题,显著提高了空间插值结果的准确性与合理性。SARNN法提供了一种空间插值的新思路,具有较为广泛的应用价值。     

基于空间自回归神经网络模型的空间插值研究

基于空间距离计算的空间自相关权重系数是经典空间插值方法的核心,然而由于空间距离与自相关权重之间复杂的非线性关系,反距离权重（IDW）法和克里金（Kriging）法等传统空间插值方法,在求解权重精准解时存在一定的局限性。由此,利用神经网络超强的非线性拟合能力,通过融合神经网络与空间自回归方法,建立了空间自回归神经网络（SARNN）模型,实现了空间自相关权重的精准计算并将其应用于空间插值研究。为验证SARNN模型的有效性和可行性,采用两类模拟数据及海洋环境数据进行交叉验证,并与IDW法和Kriging法进行精度对比。实验结果表明,SARNN法显著提升了R²、RMSE、MAE、MAPE等统计指标,插值结果明显优于IDW法和Kriging法;同时,SARNN法在空间插值中对突变数据和极值数据的预测较为准确,改善了传统插值方法空间平滑过渡差,易出现“牛眼”、锯齿现象等问题,显著提高了空间插值结果的准确性与合理性。SARNN法提供了一种空间插值的新思路,具有较为广泛的应用价值。     

巫山县乡村地区公路网通达性空间格局研究

以巫山县为研究区域,运用GIS技术,以乡镇和行政村为节点单元,采用公路网密度、乡镇间直达性指数、乡镇内直达性指数、居民点道路临近性、乡镇间节点可达性指数、乡镇内节点可达性指数、干线衔接距离、地形位指数8项指标,引入熵权-TOPSIS模型,综合分析和评价巫山县乡村地区公路网通达性及其空间分布格局。研究表明,各项指标对巫山县乡村公路网的影响程度由高到低为：公路网密度＞地形位指数＞干线衔接距离＞居民点临近性＞乡镇内直达性指数＞乡镇间节点可达性指数＞乡镇内节点可达性指数＞乡镇间直达性指数;除中心城区外,各乡镇贴近度为0.170 0＞0.831 9,区域差异明显,其中铜鼓最高,当阳最低;整体上,巫山县乡村公路通达性以中等、较好等级为主,通达性空间格局总体以铜鼓、建平、三溪为核往外围扩散,与交通干线骨架吻合度较高,呈现“三核、一环、一域”的空间格局。研究成果对巫山县山区乡村公路网建设和优化有一定的指导作用,在一定程度上完善了乡村地区公路网通达性分析和评价方法。     

k-means-RBF集成神经网络在工业尾气检测中的应用

神经网络是工业尾气检测系统的一个重要组成部分. 为提高神经网络的预测精度和收敛速度, 建立k-means-RBF集成神经网络模型. 首先, 通过选取不同的径向基函数神经网络参数, 得到一组RBF神经网络; 然后, 利用k-means算法对生成的RBF神经网络进行聚类, 并筛选出各类中精度较高的神经网络; 最后, 通过简单平均法对筛选出的神经网络进行集成, 得到高性能的k-means-RBF集成神经网络模型. 为验证模型有效性, 搭建基于k-means-RBF集成神经网络模型的工业尾气检测系统进行验证. 结果表明, 与粒子群算法优化后的Back Propagation (PSO-BP)神经网络模型相比, k-means-RBF集成神经网络模型的平均预测精度提高78.27%, 收敛时间节省99.65%     

用RBF神经网络确定上海股市的分形维数

从预测能力的角度采用径向基函数（radial basis function，简称RBF）神经网络方法计算我国上海股票市场的分形维数，并通过RBF神经网络的实验，得到上海股市的最小嵌入维数为6，验证了股市分形维数在2-3之间，从而进一步确定了我国上海股票市场是一个具有混沌现象的系统，最后探讨了利用股票市场的混沌特性进行短期预测的效果的可行性。     

基本养老保险基金失衡风险预警方法的选择研究——基于新疆数据的实证分析

纵观现下中国基本养老保险的发展,如何建立可持续发展的养老金制度,实现养老金的长期财务平衡,降低养老金运行中的风险等问题突出的摆在社会面前.本文尝试通过BP神经网络构建的基本养老金运行风险预警系统预测结果与多元回归模型的比较,进行基本养老金失衡风险预警方法的选择研究.在建立基金运行的风险指标体系基础上,搜集整理源于新疆的具体数据,首先进行多元回归模型的基金风险预警结果分析,然后通过MATLAB实现BP神经网络模型的反复训练、学习,并通过预警值与实际值的比较,检验BP神经网络预警模型的有效性,最后通过两种模型结果的比较,选择出BP神经网络预警方法更有优势.     

高应变率下高聚物本构模型的BP神经网络辨识

利用SHPB技术和自编的BP神经网络程序,以尼龙为代表性研究对象,对高聚物在高应变率下的本构模型进行了辨识,研究表明：在应变小于7％范围内,以应变与应变率作为输入,以应力作为输出,BP神经网络能满意地辨识高聚物的动态本构模型;而当应变大于7％时,除应变和应变率外可取时间作为表征损伤演化的反函数共同作为输入,以应力作为输出,能获得满意的结果。     

前馈神经网络在水厂混凝投药中的应用

为了解决自来水生产过程中混凝投药量难以控制的问题,提出了一种将神经网络前馈控制与反馈控制相结合的控制策略。神经网络前馈控制器采用三层结构的BP神经网络模型,输入层神经元分别是原水的流量、浊度、温度、pH值及浊度的设定值,输出层神经元为混凝投药量。反馈控制采用传统     

基于熵权法与协调度模型的宁波市生态文明评价

生态文明评价研究是评估城市或区域生态文明建设进程、诊断生态文明建设问题的重要环节, 是探索科学生态文明实践模式的理论前提. 从经济转型、社会和谐、环境友好、空间优化四方面构建生态文明评价指标体系, 采用熵权法确定指标权重, 并运用协调度模型从时、空双维度实证评价宁波10年来的生态文明水平及其演化. 研究发现: (1)2002~2011年宁波生态文明水平呈上升趋势, 生态文明发展趋向科学化, 但稳定性较差, 尚未形成持久动力; (2) 10年间宁波的社会、环境、空间子系统整体趋好, 但经济子系统协调度较低; (3)2011年宁波各行政单元的生态文明综合协调度呈市区高于外围, 北部高于南部的分布特点; (4)聚类将6个县区归为4类, 即宁海与象山亟待全面提升型、余姚与奉化低水平环境友好型、慈溪高水平环境友好型、市区生态文明高质型.     

基于人工神经网络的区域经济子系统可持续发展指标预测研究

可持续发展系统是“黑箱”,至少是“灰箱”,各因素是间否存在因果关系还十分清楚,人工神经网络可以较为逼真地模拟该系统,本文以人工神经网络BP模型为工具,借助Matlab语言对区域可持续发展经济子系统指标进行预测研究,通过数据采集、网络结构模型设计、程序设计、网络训练等给出指标预测图并进行分析,最后提出建议,结果表明,用人工神经网络来模拟持续发展经济子系统是可行的。