一種基於BP網絡非線性耦合作用識別的全局敏感性分析方法及其在...

2020-11-25 吉林大學

報告題目：一種基於BP網絡非線性耦合作用識別的全局敏感性分析方法及其在水文學中的實踐

覆蓋學科：機器學習、應用數學、水文學

主講人：李鴻雁 新能源與環境學院

時間：2020年11月13日（周五）下午兩點

地點：吉林大學前衛北區理化樓一階

主辦單位：吉林大學研究生工作部

報告人簡介

李鴻雁，吉林大學新能源與環境學院教授/博士，吉林大學水利工程一級學科負責人、吉林省一流學科水利工程首席負責人，主要從事流域中長期水文預報理論與方法研究。

自1999年以來，採用智能算法進行水文循環系統複雜過程模擬與預報研究，先後完成了《人工神經網絡與遺傳算法在洪水預報中的應用》博士論文和《智能算法在防洪減災中的應用》博士後出站報告，出版專著《神經網絡和遺傳算法在水科學領域的應用》。長期專注於流域中長期徑流預報理論與方法研究，2010年起，研究成果在第二松花江流域推廣應用，2017年起，其研究作為吉林省水文水資源局定製諮詢項目，每年汛前進行預報結果發布，為吉林省防汛抗旱減災提供技術支持。

講座介紹：敏感性分析（Sensitivity Analysis）是一種定量研究自變量變化導致因變量變化程度的分析技術。自變量之於因變量的作用機理對於敏感性分析至關重要，當物理過程明確時，可以抽象為數學表達或物理模型，但在大多數實際問題中，自變量和因變量之間的作用機理和映射關係尚不明確，如何構建映射關係是敏感性分析的前提和基礎。這裡，首先給出表徵物理過程的自變量和因變量Y（X），依據自變量耦合變化導致因變量變化率的敏感度定義，採用泰勒中值定理進行非線性多項式展開，推導出因變量變化率依自變量及其增量的非線性映射∂Y/∂X(X, ΔX)，並採用BP網絡識別該映射關係；引入自變量增量ΔX=0擾動，計算∂Y/∂X(X, ΔX)和∂Y/∂X(X,0)的差值，即為自變量擾動導致因變量的變化率。依據該方法，識別出吉林省第二松花江流域汛期徑流受太陽活動影響的時滯為3個月；太平洋海溫12區與吉林省颱風暴雨洪水密切相關，影響時滯為2個月；白山水庫匯水區融雪徑流主要氣象影響因素為降雨、太陽輻射、風速和氣溫，時滯分別為0天、0天、0天和2天。識別出物理影響因素的作用時滯，就可以確定預報因子，例如，3月太陽黑子相對數與豐滿水庫匯水區汛期（6-9月）徑流敏感度最高，由於每年4月發布汛期來水預報，綜合考慮太陽活動作用的過程性，選擇1月、2月和3月太陽黑子相對數作為汛期來水的預報因子。

研究生工作部

2020年11月11日

相關焦點

  • 蒙特卡羅方法在靈敏度分析中的應用及其優勢
    通常，敏感性分析研究數學模型中不同的不確定性來源如何影響模型的整體不確定性。 例如，假設我們要基於其輸入電平（靈敏度）來分析D類放大器的性能。在這種情況下，我們可以檢查每次調整輸入電平時發生的輸出更改。最簡單的形式包括敏感性分析。
  • 車牌識別系統中車牌定位方法的研究
    主要的車牌定位方法：基於灰度圖像的車牌定位方法[1]、基於小波變換的車牌定位方法[3]、基於形態學的車牌定位方法[4]、基於神經網絡的車牌定位方法[7]、基於支持向量機的車牌定位方法[8]等。雖然這些算法在某些特定條件下識別效果較好，但綜合一些諸如天氣、背景、車牌磨損和圖像傾斜等幹擾因素的影響，暫時還不能完全滿足實際應用的要求，有必要進行進一步的研究。
  • 基於改進神經網絡的非線性系統觀測器設計
    近年來，鑑於神經網絡的特性和發展潛力，神經網絡成為研究的熱點之一。伴隨著控制對象複雜性的提高，系統存在的不確定因素和難以確切描述的非線性特性也隨之增多，神經網絡的研究和發展顯得尤為重要。
  • 基於粒子群優化算法的結構可靠度敏感性分析方法:相對收斂率
    ，研究優化過程中粒子收斂速率與隨機變量敏感性的關係，提出可靠度敏感性分析新方法。根據PSO尋優過程中粒子在不同維上收斂速率不同，提出採用收斂速率表徵隨機變量的敏感性；2. 建立最優化策略組避免粒子群收斂過程中產生波動，保證最優化策略組內粒子在不同維上連續收斂，定義相對收斂率表徵隨機變量敏感性。方法：1.
  • 非線性電路的分析方法_非線性電路分析舉例
    打開APP 非線性電路的分析方法_非線性電路分析舉例 發表於 2018-03-13 15:30:41 對非線性元器件電路的分析和計算，是電子技術教學中的一大難點。下面介紹幾種分析非線性電路的分析方法。
  • IJCAI 2018|海康威視:分層式共現網絡,更好的動作識別和檢測
    本論文關注的是基於骨架的人體動作識別和檢測問題（圖 1）。骨架的相互作用和組合在描述動作特徵上共同發揮了關鍵性作用。儘管 LSTM 網絡就是為建模長期的時間依賴關係而設計的，但由於時間建模是在原始輸入空間上完成的，所以它們難以直接從骨架上學習到高層面的特徵 [Sainath et al., 2015]。而全連接層則有能力聚合所有輸入神經元的全局信息，進而可以學習到共現特徵。[Zhu et al., 2016] 提出了一種端到端的全連接深度 LSTM 網絡來根據骨架數據學習共現特徵。
  • 論文推薦 | 呂棟，歐吉坤，於勝文：基於MEA-BP神經網絡的衛星鐘差預報
    針對常用模型衛星鐘差在短期預報中隨時間增加誤差積累，以及傳統BP神經網絡不穩定，容易出現過擬合等問題，本文提出一種基於思維進化算法（MEA）優化的BP神經網絡鐘差預報模型和算法。針對衛星鐘差的特性和BP神經網絡的局限性，利用思維進化算法(MEA)良好的全局搜索能力和較強的收斂性，本文引入思維進化算法來選擇BP神經網絡所需要的最優權值和閾值，將兩者結合建立了基於思維進化算法優化BP神經網絡(MEA-BP)的鐘差預報模型，計算中對衛星鐘差數據作一次差處理，利用一次差後的數據進行建模，預報得到新的一次差值，再將一次差值還原得到預測鐘差數據。
  • 基於MOPSO-SA混合算法的礦山微震震源定位方法
    而微震是採礦活動引起的誘發地震，是煤巖介質在礦區應力作用下，聚集的彈性應變能釋放，造成採掘空間周圍巖體破裂的現象。 因此，通過監測煤礦微震來進行衝擊礦壓的預防預警是一種有效的手段。微震監測的主要技術包括:臺網優化布置、微震信號識別、微震震源定位、 震源機制分析和微震活動預測等。 其中，震源位置是微震監測中需要確定的最關鍵和最基本的參數之一 。
  • BP神經網絡
    其實在其他領域也是一樣，隨著神經網絡學習資料庫的範圍變大，學習程度的深入，使得神經網絡在更多領域得到運用，神經網絡正在成為一種有效的工具。由於財務風險預警的複雜性以及對決策的重要影響，國內外有大量的研究預測工作，採用各種方法來優化財務風險預警模型。
  • 基於DSP的語音識別系統的實現及分析
    針對發音人範圍來分，分為特定人語音識別、非特定人語音識別、自適應語音識別。　　本文主要研究非特定人小詞彙量連續語音實時識別系統。　　1.1 語音識別系統　　語音識別本質上是一種模式識別的過程，即未知語音的模式與已知語音的參考模式逐一進行比較，最佳匹配的參考模式被作為識別結果。
  • 一種基於鏡像原理修正傳感器非線性誤差的方法
    的鏡像曲線為一個三次多項式，即：（Yi，Xi/ Yi）為例來說明非線性誤差修正的具體方法基於其輸入 （1） 由表1數據，並根據上文所述非線性誤差修正方法可得到標定點（0.2, 0.1871由表1知，採用本方法經軟體修正後，傳感器非線性誤差由原來的6.79%降低到0.02%，即降低了近339倍，可見修正結果非常理想。的修正值。
  • 基於聯合頻率分析的數位訊號自動調製識別
    [1]；Gardner將循環譜分析用於信號調製識別[2]；Assaleh等人把信號建模為一個兩階AR過程，並利用參數統計方法識別CW、PSK、FSK三類信號[3]。信號調製識別一般包括兩個重要的部分，即類間（Inter－class）識別和類內（Intra－class）識別，本文著重研究FSK、PSK和多音FDM三類信號的類間識別問題，由於多音FDM是多載波信號，需採用時頻方法進行分析，但單純使用時頻不能很好地反應信號的特徵，為此，本文首先介紹了將傅氏變換應用於時頻分布各頻帶的聯合頻率分析方法，並通過DSP信號闡述了該方法的特性，然後根據譜相關循環頻率軸譜表徵信號循環平穩特性的優點
  • 基於網絡組合CRISPR-Cas9篩選識別人類細胞中的協同模塊
    摘要中文：腫瘤發生是一個複雜的過程，由基因和環境因素的網絡共同驅動；然而，缺乏有效的方法來識別受腫瘤發生過程幹擾的功能網絡。在這項研究中，我們為炎症誘導腫瘤發生中起決定因素的功能性協同模塊的系統性發現提供了一種基於網絡的綜合策略。我們的方法通過整合基於臨床和基於網絡的全基因組基因預測方法，優先選擇候選基因，並組合CRISPR-Cas9篩選策略識別功能協同模塊。
  • 一種基于波導H面的Ka波段寬帶功率合成網絡詳細教程
    打開APP 一種基于波導H面的Ka波段寬帶功率合成網絡詳細教程 工程師2 發表於 2018-04-18 15:20:00 1 引言
  • 基於神經網絡算法 羊毛_基於pso算法和bp算法訓練神經網絡 - CSDN
    3D 視覺中，點雲數據是一種十分常見的數據表示方法。，基於 GNN 的方法可以更好地捕捉三元組鄰域複雜而隱含的模式信息，這種優勢對完成關係補全任務具有十分重要的作用。過去這幾年，推薦系統由早期的協同過濾算法發展到 MF 模型、再到之後的 Wide&Deep，以及基於 Network Embedding 的方法，可以明顯地看到基於神經網絡的方法正在逐漸佔據主要位置，而 GNN 的出現，又一次大大加速了這個技術趨勢。
  • 一種基於地面遙感延時圖像的咖啡花識別方法
    年10月，Plant Phenomics刊發了浙江大學遙感與信息技術應用研究所題為」Coffee Flower Identification Using Binarization Algorithm Based on Convolutional Neural Network for Digital Images「的研究論文，本文介紹了一種基於地面遙感延時圖像的咖啡花識別方法
  • 基於PVANet卷積神經網絡模型的交通標誌識別算法
    但是， 當檢測圖像中目標物體很小時， 主流卷積神經網絡的檢測能力仍然較弱， 這是其在目標檢測應用方面的主要瓶頸問題之一。吳雙忱等［8］基於SEnet（Squeeze-and-Excitation network）提出了一種解決紅外小目標檢測問題的深度卷積網絡。趙慶北等［9］對Faster R-CNN網絡進行改進， 引入候選區域方案提高了公司徽標的檢測性能。
  • 學術簡報︱基於同步擠壓小波變換的抗混疊低頻振蕩模態參數識別
    廣東電網有限責任公司佛山供電局的研究人員謝家安，在2019年第12期《電氣技術》上撰文，針對經驗模態分解法對低頻振蕩信號模態提取時，存在相鄰頻率分量混疊而導致分析結果不正確的問題，本文提出基於同步擠壓小波變換的抗混疊低頻振蕩模態參數識別新方法。
  • 如何從信號分析角度理解卷積神經網絡的複雜機制?
    前兩種觀點主要集中在純數學分析，它們試圖分析神經網絡的統計屬性和收斂性，而第三種觀點信號嘗試解決以下問題：1）為什麼非線性激活函數（activation function）對所有中間層的過濾式輸出（filter output）是必不可少的？2）雙層級聯繫統（two-layer cascade system）比單層系統的優勢在哪裡？
  • JMC|基於網絡的方法在藥物研發中的應用
    將網絡理論應用於藥物發現的方法有很多，在藥物化學/藥物設計領域中，使用基於網絡的方法的主要方向是靶標識別（target identification）和藥物重利用（drug repurposing），進一步的應用還有化學空間的分析和藥物不良反應或毒性的預測。