高级合成孔径雷达(ASAR)具有穿云透雾全天候工作的能力，可在恶劣天气下快速获取积雪覆盖信息，监测危害程度优势明显。通过分析积雪的微波散射机理，利用ENVISATASAR交替极化数据，采用BP神经网络分类方法进行雪盖信息提取，针对山区特殊地形影响的情况，预处理中采用DEM等辅助数据进行地形校正，然后对校正后的多极化数据进行监督分类。通过实测数据对比验证，实验对雪盖的划分精度达到了87.143%,表明恶劣天气下，SAR数据用于雪盖信息提取与传统光学及被动微波遥感方法相比，具有较大优势。
高级合成孔径雷达(ASAR)具有穿云透雾全天候工作的能力，可在恶劣天气下快速获取积雪覆盖信息，监测危害程度优势明显。通过分析积雪的微波散射机理，利用ENVISATASAR交替极化数据，采用BP神经网络分类方法进行雪盖信息提取，针对山区特殊地形影响的情况，预处理中采用DEM等辅助数据进行地形校正，然后对校正后的多极化数据进行监督分类。通过实测数据对比验证，实验对雪盖的划分精度达到了87.143%,表明恶劣天气下，SAR数据用于雪盖信息提取与传统光学及被动微波遥感方法相比，具有较大优势。
现有宏观控制因素作用下对冻土宏观强度的研究主要采用试验手段，在实践中已取得较好的成果。室内外试验普遍存在试验周期长、成本高的特点，随着新技术手段的涌现，探索更为简便的方法和构建预测模型，成为了科研工作者长期努力的方向。同时宏观控制因素对冻土宏观强度的影响借助土体内部特征这一媒介发挥作用。由于超声波是岩土介质物理力学性质等相关信息的良好载体，利用超声波检测具有的无损、快速、简便等特点，可反映土体内部特征。因此，本文从两种思路出发，设计出包含不同类型参数的强度预测模型：思路1，宏观控制性因素到宏观强度特性；思路2，宏观控制性因素到超声波速反映的土体内部特征再到宏观强度特性。基于此，首先通过试验获取不同含盐量土体经历不同冻融循环次数的超声波速和单轴抗压强度作为基本数据，再将思路1参数设置为试验控制变量，将思路2参数设置为纵、横波速构造的超声特征参数群，即联合两思路参数作为模型输入，建立单轴抗压强度的BP神经网络预测模型，并采用缺省因子检验法评估该模型。结果表明，随冻融次数、含盐量增加，单轴抗压强度总体减小；冻融初期波速波动明显，中期趋缓，后期恢复至初始值附近，且控制性因素作用下强度随波速增加...
现有宏观控制因素作用下对冻土宏观强度的研究主要采用试验手段，在实践中已取得较好的成果。室内外试验普遍存在试验周期长、成本高的特点，随着新技术手段的涌现，探索更为简便的方法和构建预测模型，成为了科研工作者长期努力的方向。同时宏观控制因素对冻土宏观强度的影响借助土体内部特征这一媒介发挥作用。由于超声波是岩土介质物理力学性质等相关信息的良好载体，利用超声波检测具有的无损、快速、简便等特点，可反映土体内部特征。因此，本文从两种思路出发，设计出包含不同类型参数的强度预测模型：思路1，宏观控制性因素到宏观强度特性；思路2，宏观控制性因素到超声波速反映的土体内部特征再到宏观强度特性。基于此，首先通过试验获取不同含盐量土体经历不同冻融循环次数的超声波速和单轴抗压强度作为基本数据，再将思路1参数设置为试验控制变量，将思路2参数设置为纵、横波速构造的超声特征参数群，即联合两思路参数作为模型输入，建立单轴抗压强度的BP神经网络预测模型，并采用缺省因子检验法评估该模型。结果表明，随冻融次数、含盐量增加，单轴抗压强度总体减小；冻融初期波速波动明显，中期趋缓，后期恢复至初始值附近，且控制性因素作用下强度随波速增加...
为了实现冻土的应力-应变关系的准确预测，研究采用遗传算法（GA）、思维进化算法（MEA）和麻雀优化算法（SSA）对反向传播（BP）神经网络的初始权重和阈值进行优化。以温控三轴试验中冻土的温度、围压和轴向应变3个主要参数为输入，以其轴向应变所对应的偏应力为输出，建立了基于3种优化算法优化的BP神经网络预测模型。结果表明，MEA对于BP神经网络模型的优化性能最佳；MEA-BP均方根误差最小，预测值和实际值的拟合度（R2）接近于1,能够有效地对冻土的应力-应变关系进行预测。
为了实现冻土的应力-应变关系的准确预测，研究采用遗传算法（GA）、思维进化算法（MEA）和麻雀优化算法（SSA）对反向传播（BP）神经网络的初始权重和阈值进行优化。以温控三轴试验中冻土的温度、围压和轴向应变3个主要参数为输入，以其轴向应变所对应的偏应力为输出，建立了基于3种优化算法优化的BP神经网络预测模型。结果表明，MEA对于BP神经网络模型的优化性能最佳；MEA-BP均方根误差最小，预测值和实际值的拟合度（R2）接近于1,能够有效地对冻土的应力-应变关系进行预测。
为了探究不同低温不利条件下再生微粉ECC材料力学性能的影响,本文采用控制变量法,以再生微粉种类和取代率为研究变量,探究了再生微粉ECC在冻融循环和恒低温两种低温不利条件下的抗压和抗折强度试验。分析了再生微粉种类、再生微粉取代率、冻融循环次数、恒低温温度对再生微粉ECC力学性能的影响。最后基于BP神经网络,建立了3-6-1的冻融循环和3-3-1的恒低温BP神经网络结构抗压强度预测模型。研究结果表明:在相同的冻融循环条件下,再生混凝土微粉ECC的力学性能要高于再生砖粉ECC,且均随再生微粉取代率的增加先小幅度下降后剧烈下降,在经历150冻融循环后力学性能损失20%左右。而经历恒低温保温后的再生微粉ECC力学性能呈现出相反的变化趋势,随着低温保温温度的降低再生微粉ECC的力学强度反而呈现上升趋势,从常温到-40℃恒低温状态下力学性能提高22%左右。建立的两个低温不利条件下BP神经网络预测模型,平均相对误差分别为1.43%、1.28%,并以质量损失率和相对动弹模量为评判标准,预测试验范围内不同配合比的再生微粉ECC可经受的最大冻融循环次数。
为了探究不同低温不利条件下再生微粉ECC材料力学性能的影响,本文采用控制变量法,以再生微粉种类和取代率为研究变量,探究了再生微粉ECC在冻融循环和恒低温两种低温不利条件下的抗压和抗折强度试验。分析了再生微粉种类、再生微粉取代率、冻融循环次数、恒低温温度对再生微粉ECC力学性能的影响。最后基于BP神经网络,建立了3-6-1的冻融循环和3-3-1的恒低温BP神经网络结构抗压强度预测模型。研究结果表明:在相同的冻融循环条件下,再生混凝土微粉ECC的力学性能要高于再生砖粉ECC,且均随再生微粉取代率的增加先小幅度下降后剧烈下降,在经历150冻融循环后力学性能损失20%左右。而经历恒低温保温后的再生微粉ECC力学性能呈现出相反的变化趋势,随着低温保温温度的降低再生微粉ECC的力学强度反而呈现上升趋势,从常温到-40℃恒低温状态下力学性能提高22%左右。建立的两个低温不利条件下BP神经网络预测模型,平均相对误差分别为1.43%、1.28%,并以质量损失率和相对动弹模量为评判标准,预测试验范围内不同配合比的再生微粉ECC可经受的最大冻融循环次数。
为分析青藏铁路路基高程不规则变形问题，以青藏铁路唐古拉南—安多区间冻土路基沉降变形监控数据为依据，提出一种基于灰色BP神经网络的路基沉降预测模型，利用GM （1,1）模型拟合数据的残差进行BP神经网络训练，并通过训练后的残差序列得到新的路基沉降预测值。研究结果表明：建立隐含层为5层、训练次数为1 000次、训练精度为10-7的灰色BP神经网络模型，对青藏铁路冻土区沉降量进行预测，平均相对误差为1.201 555×10-6，精度较GM （1,1）模型更高，可有效预测路基沉降。基于灰色BP神经网络模型，分别预测3年后、10年后的路基沉降危险点，并提出相关路基养护措施建议。
为分析青藏铁路路基高程不规则变形问题，以青藏铁路唐古拉南—安多区间冻土路基沉降变形监控数据为依据，提出一种基于灰色BP神经网络的路基沉降预测模型，利用GM （1,1）模型拟合数据的残差进行BP神经网络训练，并通过训练后的残差序列得到新的路基沉降预测值。研究结果表明：建立隐含层为5层、训练次数为1 000次、训练精度为10-7的灰色BP神经网络模型，对青藏铁路冻土区沉降量进行预测，平均相对误差为1.201 555×10-6，精度较GM （1,1）模型更高，可有效预测路基沉降。基于灰色BP神经网络模型，分别预测3年后、10年后的路基沉降危险点，并提出相关路基养护措施建议。