一、地质灾害的非线性数据处理与建模技术(论文文献综述)
欧斌,吴邦彬,袁杰,李淑芳[1](2022)在《基于LSTM的混凝土坝变形预测模型》文中提出为提升混凝土坝变形预测的精度,采用具有出色的非线性数据挖掘能力与时间序列长、短期预测性能的长短期记忆网络(LSTM),提出了基于LSTM网络的混凝土坝变形预测模型。实例分析表明,相比于常用的逐步回归、多元回归等方法,基于LSTM网络构建的变形预测模型可有效挖掘大坝变形与影响因子间复杂的非线性关系,模型的建模与预测精度均得以显着提升。
何玉荣,宋志超,张燕明,肖元相[2](2021)在《机器学习在水力压裂作业中的应用综述》文中研究表明水力压裂是一种广泛使用的油气井增产技术,总结机器学习在水力压裂作业中的应用研究,重点讨论机器学习在工程实际中的应用价值。分析经典机器学习算法、机器学习对水力压裂作业中的参数预测与评估以及机器学习对水力压裂作业的产能预测与优化等。讨论机器学习算法辅助水力压裂分析,提高水力压裂产率,并通过机器学习算法将数据转换为可用信息辅助工程师决策。最后提出机器学习在水力压裂作业中的发展方向是建立数据集的公共平台,将机器学习算法、优化算法与物理建模混合使用,为基于机器学习的高效水力压裂技术发展提供支持。
吴玉霜,黄小燕,陈家正,赵华生[3](2021)在《机器学习在广西台风极大风速预报中的应用》文中认为以1980—2020年广西台风期间桂林、梧州、龙州、南宁、玉林等5个气象观测站的地面日极大风速为研究对象,采用多元线性回归(MR)、支持向量机(SVM)、模糊神经网络(FNN)等三种较为常用的线性和非线性方法分别进行预报建模,对2011—2020年共10a独立样本的检验。结果表明,在全样本风速预报的平均绝对误差上,FNN模型对桂林站、梧州站、龙州站、玉林站共4个站点预报的平均绝对误差最小,总体预报精度最好,MR预报模型则对南宁站有较好的预报能力,SVM模型预报效果总体偏差。对于6级以上大风的TS评分、命中率、空报率和预报偏差等4个评估指标的统计,FNN模型的预测精度最高且相对稳定,MR方案次之,SVM在三种方案中预报效果最差。FNN方法对广西台风期间地面日极大风速的预报有较好的参考作用。
吴思源,李守定,陈冬,李晓,杜爱民,张莹[4](2021)在《大闭环伺服控制随钻智能导向钻井方法》文中认为深层油气资源量巨大,是全球油气开发的重要方向.随着钻井朝着深层(>4500 m)和超深层(>6000 m)发展,地质条件更加复杂,深层钻井泥浆信号传输速率受限,井下随钻测井等数据传输延迟,增加了钻井事故的频率及钻出储层的风险.当前井场智能决策钻井的方法不适用,井下自主智能钻进是未来深层超深层高效钻进的发展方向.本文借鉴无人驾驶汽车的理论技术架构,提出了一种大闭环伺服控制随钻智能导向钻井方法,集旋转导向、地质导向、随钻地震、电磁前探、随钻测量、信号传输、自动钻机等技术于一体,利用"边钻边学"的人工智能评价与决策方法,智能识别钻头前方油气藏甜点,智能决策钻进方向和钻速,并利用大闭环伺服控制实现井下钻头的自主智能导向和钻进.大闭环伺服控制随钻智能导向钻井架构包括钻进感知、智能决策与大闭环控制3个部分.钻进感知部分通过随钻测井数据获取钻头定位信息、井周地层及钻头前方特性参数,智能决策部分依据钻进感知部分获取的信息通过人工智能决策模型修正轨道和优化钻进策略,大闭环控制部分根据智能决策指令调整钻进方向和速度.本文在钻进感知部分采用支持向量机算法利用随钻测井数据进行岩性智能识别,优选随机森林算法和长短期记忆(Long Short Term Memory, LSTM)循环神经网络对孔隙度、渗透率、饱和度和泥质含量进行评价.在智能决策部分优选随机森林算法对机械钻速进行预测与优化,均获得了高准确率.
程海勇,吴爱祥,吴顺川,朱加琦,李红,刘津,牛永辉[5](2022)在《金属矿山固废充填研究现状与发展趋势》文中研究指明介绍了以膏体+多介质协同充填、同步充填和功能性充填为代表的新兴充填理念.系统阐述了以流变力学和固体力学为主体的矿山充填力学架构,剖析了原位多场多因素扰动作用,并介绍了最新研发的充填体多场耦合监测系统.总结了全尾砂深度浓密、固液混合搅拌以及长距离浆体输送等充填核心环节的发展特点及研究进展.分析了充填智能化发展的必要性,梳理了充填领域涉及的智能化算法,提出了充填智能化未来发展思路.通过对矿山固废充填发展趋势分析,认为未来矿山固废充填需要深度拓展绿色发展内涵,进一步探索模块化、规模化和智能化之路,积极融入并服务深地开采需求,充填采矿法或将成为深部采矿和绿色采矿未来可期的唯一解决方案.
韦小丽[6](2021)在《基于多源数据协同融合的高分辨率AOD反演与PM2.5浓度估算研究》文中指出大气气溶胶作为空气中悬浮颗粒物的集合体,不仅能够通过消光改变大气辐射收支平衡影响区域气候,气溶胶中的细颗粒物还对人体健康产生严重威胁。气溶胶光学厚度(Aerosol Optical Depth,AOD)作为表征空气中气溶胶含量的重要指标,是空气质量遥感监测的关键参数。利用卫星遥感技术在全球或区域尺度上反演AOD,并据此估算近地面大气细颗粒物(PM2.5)浓度,已成为当前定量获取AOD和PM2.5污染时空分布的重要技术手段。然而,受卫星平台、传感器和反演算法等诸多方面的限制,卫星遥感反演AOD产品的时空分辨率仍整体较低。同时,受云和亮地表等因素的干扰,卫星遥感反演的AOD产品常存在大面积数据缺失,客观制约了基于AOD估算近地面PM2.5浓度数据的时空覆盖。上述不足造成现有AOD和PM2.5浓度估算方案难以适用于中小尺度区域(如城市)空气质量的全方位监测以及高精度污染暴露风险估算等研究。因此,如何提高AOD和PM2.5浓度产品的时空分辨率和覆盖度,仍是当前空气质量遥感监测领域亟待解决的重要问题之一。针对上述问题,本论文开展了高分辨率AOD卫星遥感反演、多源异构AOD产品融合、PM2.5浓度建模估算等研究,主要结果和结论总结如下:(1)为实现不同分辨率的异构遥感数据融合与缺失数据重建,提出了一种集成分位数匹配(Modified Quantile-Quantile Adjustment,MQQA)与贝叶斯最大信息熵(Bayesian Maximum Entropy,BME)的混合模型MQQA-BME,并将其用于融合中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,MODIS)和Landsat 8陆地成像仪(Operational Land Imager,OLI)观测的多尺度反射率数据。结果表明:MQQA-BME能够有效融合MODIS和OLI观测的多尺度反射率数据并实现缺失数据填补。相比较于经典的时空自适应反射率融合模型(Spatial and Temporal Adaptive Reflectance Fusion Model,STARFM),MQQA-BME方法具有更高的融合精度,尤其是AOD反演所需的蓝波段反射率数据。(2)基于MQQA-BME,融合Terra MODIS和Landsat 8 OLI观测的多源异构反射率产品,生产了AOD反演所需的逐日30m地表和表观反射率数据,并基于6S辐射传输模型构建查找表进行AOD反演。结果表明:蓝光波段融合重建精度,地表反射率的R2为0.63,RMSE为0.024;表观反射率的R2为0.54,RMSE为0.021;基于重建的高分辨率反射率数据反演所得的AOD与地面实测AOD相比,其R2为0.196,RMSE为0.108。通过对Landsat 8观测的真实地表反射率和表观反射率进行人为误差扰动,模拟分析了融合数据产品误差在AOD反演中的传递,结果证实融合反射率产品中的误差,在反演过程中的累积放大效应是造成AOD反演精度较低的重要原因。(3)同时,利用MQQA-BME算法将AERONET观测AOD数据与MAIAC、GOES-16、MERRA-2具有不同时空分辨率和覆盖度特征的AOD格点产品进行了融合,实现了高时空分辨率AOD数据资料的生产。结果表明:较于三套原始格点数据资料,AOD融合产品具有更高的产品精度且空间覆盖完整,其与AERONET数据的验证精度R2为0.69,RMSE为0.07。(4)基于高时空分辨率AOD融合产品,本文利用深度置信网络,开展了面域PM2.5浓度估算。同时,构建了能够较好刻画PM2.5浓度时空变异特征的高斯内核模型,将周边站点实测PM2.5浓度作为先验信息引入PM2.5浓度估算模型。交叉验证结果表明:先验信息的加入能够有效提高PM2.5浓度估算精度,R2从0.67提升至0.84,RMSE由10.46μg m-3降至6.84μg m-3。最后,基于格点PM2.5浓度数据,分析了森林火灾对的区域空气质量的影响。本文构建的MQQA-BME融合模型可为其他遥感数据产品融合提供方法参考,相关研究结果和结论可为利用数据融合技术开展高时空分辨率空气污染监测提供重要参考,生产的时空无缝PM2.5浓度数据资料可为PM2.5暴露风险估算等研究提供重要基础数据。
李文彬,范宣梅,黄发明,武雪玲,殷坤龙,常志璐[7](2021)在《不同环境因子联接和预测模型的滑坡易发性建模不确定性》文中提出拟深入探讨滑坡与其环境因子间的非线性联接计算以及不同数据驱动模型等因素,对滑坡易发性预测建模不确定性的影响规律.以江西省瑞金市为例共获取370处滑坡和10种环境因子,通过概率统计(probability statistics,PS)、频率比(frequency ratio,FR)、信息量(information value,IV)、熵指数(index of entropy,IOE)和证据权(weight of evidence,WOE)等5种联接方法分别耦合逻辑回归(logistic regression,LR)、BP神经网络(BP neural networks,BPNN)、支持向量机(support vector machines,SVM)和随机森林(random forest,RF)模型共构建出20种耦合模型,同时构建无联接方法直接将原始数据作为输入变量的4种单独LR、BPNN、SVM和RF模型,预测出总计24种工况下的滑坡易发性;最后分别使用ROC曲线、均值、标准差和差异显着性等指标分析上述24种工况下易发性结果的不确定性.结果表明:(1)基于WOE的耦合模型预测滑坡易发性的平均精度最高且不确定性较低,基于PS的耦合模型预测精度最低且不确定性最高,基于FR、IV和IOE的耦合模型介于两者之间;(2)单独数据驱动模型易发性预测精度略低于耦合模型,且未能计算出环境因子各子区间对滑坡发育的影响规律,但其建模效率高于耦合模型;(3)RF模型预测精度最高且不确定性较低,其次分别为SVM、BPNN和LR模型.总之WOE是更优秀的联接法且RF模型预测性能最优,WOE-RF模型预测的滑坡易发性不确定性较低且更符合实际滑坡概率分布特征.
王利,许豪,舒宝,义琛,田云青[8](2021)在《利用互信息和IPSO-LSTM进行滑坡监测多源数据融合》文中认为针对滑坡监测中的多源异构数据融合问题,结合互信息(mutual information, MI)、改进粒子群优化算法(improved particle swarm optimization, IPSO)和长短期记忆神经网络(long short-term memory,LSTM),提出一种新的多源异构监测数据融合方法。该方法基于互信息对影响滑坡变形的多个环境因子变量进行筛选,将筛选后的环境因子变量作为LSTM模型的输入变量,以滑坡累计位移量数据作为期望输出数据,并通过改进的粒子群寻优方法对模型进行参数寻优,获取模型的最优参数组合,进一步提高融合模型的预测精度。采用中国贵州省六盘水市水城县发耳滑坡的全球导航卫星系统(global navigation satellite system,GNSS)实测数据进行实验,结果表明:基于互信息和IPSO-LSTM的数据融合算法适用于具有多源异构监测数据的滑坡变形预测,且基于互信息的环境因子变量筛选方法优于Pearson相关系数筛选方法,经改进粒子群算法参数寻优后,融合模型的均方根误差(root mean square error,RMSE)达到2.6 mm,平均绝对误差达到1.7 mm,拟合优度达0.994。
周利敏,韦莉温莎[9](2021)在《面向人工智能时代的城市危机治理——基于多案例的比较研究》文中研究说明日益复杂的、可能发生的与不可预知的城市危机已成为各国高度关注的重要议题,人工智能提供了一种颠覆性的治理技术与治理理念。城市危机人工智能治理包括数字治理、智能治理、融合治理和全生命治理四个基本内涵,它由数字、决策、智慧、全生命与平台五个维度构成,国内外已出现一些典型案例。数字治理是人工智能治理的另一种表达,可以称为"默认的智能化",它为城市危机提供了前所未有的治理速度。人工智能以智慧方式治理城市危机,灾害智慧治理是智慧城市的重要组成内容。治理者需要以智能危机信息系统为支撑,以智能危机决策支持系统为核心,以智慧城市发展为契机,构建新的治理体系。但人工智能也可能存在"算法黑箱"、无法自主判断人类设定以外的信息及可能会造成种族歧视风险等局限,故人类智能必须学会控制人工智能,使其为城市危机治理保驾护航。为此,制定可靠的人工智能战略对于城市危机治理极为必要,对于促进城市永续发展也有重要意义。
程泽凯,闫小利,程旺生,袁志祥[10](2021)在《基于梯度提升决策树的焦炭质量预测模型研究》文中认为焦炭是高炉炼铁的重要原料,其质量是影响铁水质量和高炉顺行的重要因素,针对焦炭质量存在检验难、滞后性、预测误差大等问题,提出一种基于梯度提升决策树算法的焦炭预测模型;结合专家经验与相关性分析方法,深入研究配合煤质量对焦炭质量的影响;最后利用配合煤质量指标对焦炭质量指标灰分、硫分、耐磨强度、抗碎强度进行建模预测;根据某焦化厂历史生产数据对模型进行评估,实验结果表明:基于梯度提升决策树的焦炭质量预测模型相较于线性回归模型、随机森林模型,决策树模型误差小、准确率高,可以为焦化厂配煤炼焦提供一定的理论依据。
二、地质灾害的非线性数据处理与建模技术(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、地质灾害的非线性数据处理与建模技术(论文提纲范文)
(1)基于LSTM的混凝土坝变形预测模型(论文提纲范文)
1 混凝土坝变形预测原理 |
2 基于LSTM的混凝土坝变形预测模型 |
2.1 LSTM原理 |
2.2 LSTM网络结构 |
3 工程案例 |
3.1 工程背景 |
3.2 建模预测 |
4 结 论 |
(2)机器学习在水力压裂作业中的应用综述(论文提纲范文)
1 经典机器学习算法 |
1.1 线性回归 |
1.2 树型算法 |
1.3 神经网络 |
2 机器学习在水力压裂作业中的应用 |
2.1 水力压裂作业中参数预测与评估 |
2.2 水力压裂作业中产能预测与优化 |
3 结论与展望 |
(3)机器学习在广西台风极大风速预报中的应用(论文提纲范文)
引言 |
1 研究方法 |
1.1 多元线性回归 |
1.2 支持向量机方法 |
1.3 模糊神经网络 |
2 台风极大风速预报试验 |
2.1 预报资料 |
2.2 预报因子初选 |
2.2.1 物理量预报因子 |
2.2.2 台风预报因子 |
2.3 构建预报模型 |
3 三种机器学习方法预报结果对比分析 |
4 结论与讨论 |
(4)大闭环伺服控制随钻智能导向钻井方法(论文提纲范文)
0 引言 |
1 大闭环伺服控制随钻智能导向钻井方法架构 |
2 钻进环境感知智能反演算法 |
2.1 岩性识别智能算法 |
2.2 储层物性智能反演算法 |
2.2.1 随机森林 |
2.2.2 LSTM循环神经网络 |
3 钻进参数智能决策算法 |
3.1 钻进参数智能决策 |
3.2 轨道智能修正方法 |
4 结论 |
(5)金属矿山固废充填研究现状与发展趋势(论文提纲范文)
1 充填采矿发展现状 |
1.1 充填采矿发展历史 |
1.2 充填采矿设计理念与技术革新 |
2 矿山固废充填力学 |
2.1 充填采矿法与充填力学 |
2.2 充填流变力学 |
2.3 充填固体力学 |
3 充填材料制备与输送 |
3.1 充填材料要求 |
3.2 全尾砂深度浓密 |
3.3 固液混合与搅拌制备 |
3.4 多尺度浆体长距离输送 |
4 充填智能化 |
4.1 充填智能化发展特点 |
4.2 智能化算法 |
4.3 充填智能化发展思路 |
5 矿山固废充填发展趋势 |
(6)基于多源数据协同融合的高分辨率AOD反演与PM2.5浓度估算研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究进展 |
1.2.1 地基AOD和PM_(2.5)浓度观测 |
1.2.2 AOD卫星遥感反演 |
1.2.3 数据融合算法 |
1.2.4 近地面PM_(2.5)浓度估算 |
1.3 研究目标和研究内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 拟解决的关键问题 |
1.5 论文组织结构 |
第二章 多源数据融合方法精度对比及适用性评估 |
2.1 引言 |
2.2 研究区域和数据资料 |
2.2.1 研究区域 |
2.2.2 数据资料 |
2.3 融合算法 |
2.3.1 STARFM算法 |
2.3.2 BME算法 |
2.3.3 MQQA算法 |
2.3.4 MQQA-BME算法 |
2.4 精度评价指标 |
2.5 结果分析 |
2.5.1 MQQA系统偏差校正和BME协方差模拟 |
2.5.2 空间域内算法对比分析 |
2.5.3 时间域内算法对比分析 |
2.5.4 计算效率对比分析 |
2.6 本章小结 |
第三章 基于MQQA-BME融合算法的高分辨率AOD反演 |
3.1 引言 |
3.2 研究区和数据 |
3.2.1 研究区域 |
3.2.2 数据产品 |
3.3 研究方法 |
3.3.1 反射率数据融合和评估方法 |
3.3.2 AOD反演 |
3.3.3 AOD反演结果误差订正 |
3.3.4 地基AERONET AOD的计算和时空匹配 |
3.4 反射融合结果与验证 |
3.4.1 地表反射率产品的融合与验证 |
3.4.2 大气层顶反射率产品的融合与验证 |
3.5 高分辨率AOD反演结果与校正 |
3.6 反演结果误差分析 |
3.6.1 误差传递效应 |
3.6.2 原始数据覆盖率对估算精度的影响 |
3.6.3 误差传递效应模拟 |
3.7 本章小结 |
第四章 多源异构AOD数据产品时空融合 |
4.1 引言 |
4.2 数据资料和方法 |
4.2.1 研究区域 |
4.2.2 AOD数据资料 |
4.2.3 地面数据资料 |
4.2.4 MQQA-BME算法 |
4.3 多源多尺度AOD产品融合与验证 |
4.3.1 基于MQQA算法的系统偏差校正 |
4.3.2 AOD产品的协方差拟合模型 |
4.3.3 多源AOD产品精度评价 |
4.3.4 基于地面观测数据的融合结果校正 |
4.4 融合结果误差分析 |
4.5 本章小结 |
第五章 高时空分辨率PM_(2.5)浓度制图 |
5.1 引言 |
5.2 数据产品和建模方法 |
5.2.1 数据产品 |
5.2.2 PM_(2.5)建模方法 |
5.3 高时空分辨率PM_(2.5)浓度估算 |
5.3.1 气象要素对AOD–PM_(2.5)关系的影响分析 |
5.3.2 基于AOD融合产品的高分辨率PM_(2.5)浓度估算 |
5.4 不确定性分析 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 主要研究结论 |
6.2 主要贡献和创新点 |
6.3 展望 |
参考文献 |
致谢 |
科研经历及在学期间所取得的科研成果 |
(7)不同环境因子联接和预测模型的滑坡易发性建模不确定性(论文提纲范文)
0 引言 |
1 滑坡易发性建模分析 |
1.1 滑坡与环境因子的联接方法 |
1.1.1 概率统计法 |
1.1.2 频率比法 |
1.1.3 信息量 |
1.1.4 熵指数 |
1.1.5 证据权 |
1.2 数据驱动模型简介 |
1.2.1 LR模型 |
1.2.2 BPNN模型 |
1.2.3 支持向量机 |
1.2.4 随机森林 |
1.3 不确定性分析方法 |
1.3.1 ROC曲线精度分析 |
1.3.2 易发性指数统计规律分析 |
2 瑞金市简介及环境因子分析 |
2.1 瑞金简介及滑坡编录 |
2.2 环境因子分析 |
2.2.1 数据源 |
2.2.2 环境因子及其联接分析 |
3 瑞金滑坡易发性预测建模 |
3.1 数据准备 |
3.2 滑坡易发性预测结果 |
3.2.1 LR模型预测易发性 |
3.2.2 BPNN,SVM和RF预测易发性 |
3.3 滑坡易发性制图表达 |
4 建模结果不确定性分析 |
4.1 ROC精度评价 |
4.2 滑坡易发性指数分布规律 |
4.3 各建模工况下易发性指数的差异性 |
5 讨论 |
5.1 不同联接方法的建模不确定性 |
5.2 不同数据驱动模型的建模不确定性 |
5.3 建模不确定性的综合分析 |
5.4 研究的普适性及存在的问题 |
6 结论 |
(8)利用互信息和IPSO-LSTM进行滑坡监测多源数据融合(论文提纲范文)
1 基于MI和IPSO-LSTM的多源异构数据融合方法 |
1.1 MI及m RMR算法 |
1.2 基于IPSO算法参数寻优的LSTM模型 |
1.3 MI-IPSO-LSTM融合模型 |
1.3.1 模型结构 |
1.3.2 模型评价指标 |
2 发耳滑坡监测数据融合实验及结果分析 |
2.1 发耳滑坡概况 |
2.2 环境因子变量筛选 |
2.3 融合模型性能对比分析 |
2.3.1 实验1 |
2.3.2 实验2 |
2.3.3 实验3 |
2.3.4 实验4 |
3 结语 |
(9)面向人工智能时代的城市危机治理——基于多案例的比较研究(论文提纲范文)
一、引言:人工智能驱动城市危机治理变革 |
二、模型建构:城市危机人工智能治理的基本内涵 |
(一)数字维度:数据融合与数据简化 |
(二)决策维度:智能代理与人机协作 |
(三)智慧维度:智慧城市与智能技术 |
(四)过程维度:全程治理与均衡应用 |
(五)平台维度:智能模型与开放可视 |
三、典型案例:人工智能在城市危机治理中的应用 |
(一)新冠疫情智能防控创新 |
(二)杭州交通危机:城市大脑智能监测 |
(三)洛杉矶城市犯罪:智能系统危机监测 |
(四)卡拉布利亚洪灾:自然灾害智能响应 |
(五)旧金山火灾:城市灾害智能疏散 |
四、案例比较与研究发现 |
五、小结:理论反思与应用展望 |
第一,以人工智能理念推进城市危机治理创新。 |
第二,以人工智能技术推进城市危机治理。 |
第三,以数字化推进城市危机治理。 |
第四,以智能化推进城市危机治理。 |
第五,以避免人工智能陷阱推进城市危机治理。 |
(10)基于梯度提升决策树的焦炭质量预测模型研究(论文提纲范文)
0 引言 |
1 焦炭质量预测模型 |
1.1 梯度提升决策树算法原理 |
1.2 数据预处理 |
1.3 焦炭质量预测模型输入输出变量的确定 |
2 梯度提升决策树模型训练及实验结果 |
3 结论与讨论 |
四、地质灾害的非线性数据处理与建模技术(论文参考文献)
- [1]基于LSTM的混凝土坝变形预测模型[J]. 欧斌,吴邦彬,袁杰,李淑芳. 水利水电科技进展, 2022(01)
- [2]机器学习在水力压裂作业中的应用综述[J]. 何玉荣,宋志超,张燕明,肖元相. 中国石油大学学报(自然科学版), 2021(06)
- [3]机器学习在广西台风极大风速预报中的应用[J]. 吴玉霜,黄小燕,陈家正,赵华生. 气象研究与应用, 2021(04)
- [4]大闭环伺服控制随钻智能导向钻井方法[J]. 吴思源,李守定,陈冬,李晓,杜爱民,张莹. 地球物理学报, 2021(11)
- [5]金属矿山固废充填研究现状与发展趋势[J]. 程海勇,吴爱祥,吴顺川,朱加琦,李红,刘津,牛永辉. 工程科学学报, 2022
- [6]基于多源数据协同融合的高分辨率AOD反演与PM2.5浓度估算研究[D]. 韦小丽. 华东师范大学, 2021
- [7]不同环境因子联接和预测模型的滑坡易发性建模不确定性[J]. 李文彬,范宣梅,黄发明,武雪玲,殷坤龙,常志璐. 地球科学, 2021(10)
- [8]利用互信息和IPSO-LSTM进行滑坡监测多源数据融合[J]. 王利,许豪,舒宝,义琛,田云青. 武汉大学学报(信息科学版), 2021(10)
- [9]面向人工智能时代的城市危机治理——基于多案例的比较研究[J]. 周利敏,韦莉温莎. 郑州大学学报(哲学社会科学版), 2021(05)
- [10]基于梯度提升决策树的焦炭质量预测模型研究[J]. 程泽凯,闫小利,程旺生,袁志祥. 重庆工商大学学报(自然科学版), 2021(05)