主成分分析法在地区综合实力评价中的应用

地区综合实力反映一个地区社会经济系统的发展水平。主成分分析法能够在保证原始数据信息损失最小的情况下,以少数的综合变量取代原有的多维变量,使数据结构大为简化,并且客观地确定权数,避免了主观随意性．因而是地区综合实力评价的一种有效方法。通过主成分分析,可以全方位地了解各个地区社会经济系统的发展水平及其差距。     

考虑不同影响因素的砂岩损伤特征及其卸荷破坏细观特性研究

实际赋存环境中损伤岩体普遍存在,选取典型砂岩进行蠕变、饱水损伤模拟,进行不同影响因素作用下的岩样损伤变量分析计算,并进行不同影响因素作用下的损伤砂岩卸荷破坏试验,利用ST400型三维表面形貌仪对损伤砂岩卸荷破坏表面进行形貌特征参数对比分析,探讨蠕变、饱水损伤对卸荷破坏面形貌变化影响机制。通过损伤变量分析表明:弹性模量法能较好地反映不同影响因素作用下的岩样损伤程度;而超声波检测法对水敏感性强,不能准确描述蠕变劣化岩样饱水后的损伤程度。不同损伤程度试样卸荷破坏面形貌高度特征参数及分形参数分析表明:蠕变、饱水损伤增加了破坏面的整体粗糙程度,使破坏面形貌的离散性和波动性较大;蠕变、饱水损伤导致试样破坏面形貌平整度较低、各向异性显著,且分形维数随着试样由负损伤向正损伤转化出现先减小后增大的趋势;对比分析两组试样可知,蠕变损伤后的饱水作用对试样破坏面形貌特征影响不显著,蠕变损伤仍起控制作用。     

水文双变量重现期分析及在干旱中应用

单变量水文统计中一些广为接受的概念在多变量环境下尚缺乏深入分析,也易被误解,如N年内重现期大于等于T的多变量事件发生的次数与N/T的关系。实践中,多变量联合重现期与其边缘分布变量重现期的一些经验关系被发现并通过了案例验证分析,但缺乏解释和推导。基于GH Copula推导了双变量联合重现期与边缘分布变量重现期的关系以及双变量事件发生次数与其重现期、变量相关程度间的定量关系。以昆明56年的逐月SPI(Standardized Precipitation Index)和SRI(Standardized Runoff Index)识别了干旱事件,采用GH Copula构建了干旱历时和烈度的联合分布函数,验证了双变量联合重现期与边缘分布变量重现期的关系以及多变量事件发生次数与其重现期的定量关系。表明不宜以“and”第1重现期是否接近于比该干旱事件的旱情更重的干旱发生的平均时间间隔来说明干旱特征值重现期分析的合理性。变量的相关性不强时,需谨慎采用边缘分布变量重现期的较大值近似代替“and”事件的第1重现期。     

基于偏微分方程的声波神经网络

神经网络是一种重要的机器学习算法,在地球物理学等领域的应用得到了迅速发展,这主要得益于其在数据建模、信号处理和图像识别等方面的强大能力.然而,神经网络的数学基础和物理解释仍然十分不足,模型内部复杂性使得难以解释其决策过程,限制了神经网络的进一步发展.利用数学和物理方法解释神经网络的行为仍然是一个具有挑战性的任务.本文目标是从声波偏微分方程和有限差分方法出发设计一个声波神经网络结构,该方法将一阶声波方程转化为基于有限差分的离散化声波方程,声波方程有限差分格式与神经网络传播函数具有近似的数学表达形式,可以构建一种基于声波传播物理模型的神经网络.声波神经网络的主要特点是：（1）具有压力-速度耦合结构和层间跳跃连接的神经网络;（2）主变量-伴随变量双流网络结构改善了训练中的梯度消失问题.从声波偏微分方程和有限差分算法出发建立的声波神经网络具有良好数学基础和清晰的物理解释,为在数学和物理方法框架内提高网络性能提供了可行性.数值计算结果表明,声波神经网络在CIFAR-10和CIFAR-100数据集的图像分类任务中性能有明显提升,优于传统残差神经网络.偏微分方程神经网络建模方法可以应用于许多其他类型...     

南京市秦淮区学区房特征价格影响因素

对南京市秦淮区实行"多校划片"的原秦淮区与实行"单校划片"的原白下区进行比较,运用空间计量模型分析教育特征、建筑特征、邻里特征、区位特征和税收特征等因素对不同区域住房价格的影响,并通过空间自相关检验及SLM和SEM模型进行比对。结果表明:秦淮区二手住房价格呈现空间负相关并且具有空间异质性;两区域小学教育质量和到小学的距离对房价的影响均不显著;"多校划片"区域中,初中教育质量对房价的影响显著,而在"单校划片"区域中,初中教育质量和到初中的距离对房价均存在显著影响;非教育特征因素对不同区域住房价格的影响不同,建筑特征、邻里特征、区位特征部分显著,税收特征不显著。     

加权EIV模型的经典最小二乘算法

采用GHM方法将EIV模型在最优解处线性化，得到解的近似方差。然后，将EIV模型表达成与Gauss-Markov模型相似的形式，利用标准最小二乘理论推导EIV模型的解及近似方差矩阵，得到与已有算法等价的结论。最后，推导观测值估值和残差的统计性质，建立起一整套EIV模型参数估计和精度评定的体系。     

非线性层析技术在琼东南天然气水合物成像中的应用

琼东南海域地震剖面上存在大量的含气特征,同相轴下拉、明显的速度横向变化等,因此水合物之下地层存在成像模糊且归位不准等问题,本文利用基于非线性层析的深度偏移方法提升成像精度。该方法采用全三维体的层析成像反演法建立深度域速度模型,通过对深度偏移道集拾取RMO量,并对其进行反偏移计算运动学不变量;在建立层位、倾角等骨架信息约束的混合模型基础上,利用运动学不变量进行速度层析,使得RMO最小以实现模型更新。该方法避免了常规速度更新的多次迭代偏移,能极大地提升层析效率,并能充分利用剖面骨架和倾角信息,获得高精度的速度模型。在琼东南水合物资料的实际应用中,有效地消除了含气对地层的影响,获得高精度的深度域成像结果。     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距，不仅可以快速获取地面物体的三维坐标，还可以获得多个波段的地物光谱信息，可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征，完成多光谱LiDAR的随机森林地物分类；并分析随机森林的特征贡献度特性，采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度，而且可以适当地去除部分冗余和相关的特征，从而有效提高分类精度。     

基于空间公平理论的公共交通服务评价——以深圳市为例

使用空间无关的公平性衡量指数评价公交服务时,会忽视公交服务需求与供给的空间分布特征。为解决此问题,论文提出基于空间公平理论的公交服务评价框架,即通过构建综合基尼系数与莫兰指数的空间公平评价方法,实现整体尺度公交服务评价;通过对分析单元上相对需求与相对供给变量的匹配关系、空间差距进行分析,实现局部尺度公交服务评价,对整体尺度结果进行补充。深圳市的案例研究表明：① 基于平等主义的整体尺度空间公平指数显示,空间公平性最好与最差的行政区均位于中心城区,分别为罗湖区与南山区;② 局部尺度分析结果进一步印证,单一使用基尼系数评价公交服务存在局限性,相同或接近的基尼系数可以对应完全不同的公交服务不公平状态与供需匹配情况。     

一种相关观测的Partial EIV模型求解方法

Partial errors-in-variables(Partial-EIV)模型作为EIV模型的扩展形式,其构造方式更有规律,解算方法更为简便,能有效应用于实际情况。针对已有Partial EIV模型方法未考虑观测向量和系数矩阵存在相关性这一情况,通过提取观测向量和系数矩阵组成的增广矩阵中非重复出现的随机元素,构建更具一般适用性的Partial EIV模型,在该模型的基础上,将特殊假定条件扩展到不限定观测数据相关性的一般情况,详细推导了观测向量和系数矩阵元素相关且不等精度情况下的加权总体最小二乘方法,通过算例试验,并与目前已有的解决EIV模型相关观测情况下的方法进行了比较分析,研究表明本文方法可以提高计算效率,更具一般性,特别是对于观测向量和系数矩阵中存在常数元素和重复元素的情况。