基于SMOS卫星数据的海表面盐度模型

海表面盐度是研究海洋对全球气候影响以及大洋环流的重要参量之一,而卫星遥感技术是获取海表面盐度数据的最有效方法.目前,L波段的SMOS和Aquarius/SAC-D遥感卫星正在用于探测海表面盐度,并根据卫星观测数据和物理机制反演出海表面盐度的产品.但在某些近陆地区域,由于淡水流入及陆地射频(RFI)等因素影响,卫星反演盐度的产品精度较低.文中利用“东方红2号”科学考察船的实测数据、SMOS卫星数据,首次针对中国南海海域提出了用贝叶斯网络模型计算海表面盐度,并用验证数据集(实测Argo盐度)对模型进行适应性评估.经过计算,模型误差和验证误差分别为0.47 psu和0.45 psu,而相应的SMOS Level 2产品的精度分别为1.90 psu和1.82 psu.此模型为海表面盐度的计算提供了一个新方法.     

融雪洪水跳跃变异对其参数估计不确定性影响分析

利用Pettitt非参数检验法和Mann-Kendall非参数趋势检验法,分析年最大洪峰流量序列的非一致性,确定序列的变异形式,采用“分解-合成”理论对其进行一致性修正,得到过去、现状两种条件下年最大洪峰流量序列,根据贝叶斯理论对序列一致性修正前后参数不确定性进行估计,并对其预报区间优良性进行评价。研究结果表明：年最大洪峰流量序列变异点发生在1993年,序列整体上升趋势不显著,在1957-1993年子序列呈显著下降趋势,而1994-2006年子序列变化趋势不显著,跳跃变异为序列主要变异形式;给出了实测、还原及还现序列参数后验分布估计值及95%置信区间,将其结合优化适线法进行P-Ⅲ型频率分析,得到修正前后设计频率年最大洪峰流量预报区间估计值;还原、还现序列与实测序列相比,预报区间覆盖率均提高24%,平均带宽分别减少39.59%、23.17%,平均偏移幅度分别减少28.45%、11.39%。通过对非一致性年最大洪峰流量序列还原/还现计算,可减小参数估计不确定性对其计算产生的影响,从而提高预报区间的可靠性。     

基于模糊集理论的贝叶斯网络水利工程项目进度完工概率研究

工程项目建设风险随着水利工程复杂程度的提升而逐渐增大,水利工程效益受项目施工进度的影响日趋突出。据此,本文在详细分析了模糊集理论的基础上提出了水利工程项目进度完工概率的贝叶斯网络模型,并以此为项目决策者提供进度风险评判依据。文中首先对项目进度根节点利用专家模糊语言描述进行了确定,采用积分值法得到了项目进度各节点的条件概率,然后以新疆某水利工程为例,利用各节点进行工程项目网络计划完工概率的计算,并对模型的有效性与可行性利用NETICA进行了验证分析。研究表明:相对于传统的完工概率分析方法基于模糊理论的SBN模型可显著提高其准确性,研究成果可为水利工程项目进度风险提供一定决策依据和参考。     

基于相似度排名的天气雷达故障案例检索

为了进一步发挥历史案例对于台站有效排除故障的指导作用,提出一种以朴素贝叶斯(Naive Bayes)为核心的天气雷达故障案例相似度检索算法,对天气雷达故障描述的向量化表示、故障特征提取、相似案例检索等关键技术进行分析,开发实现基于CINRAD/SA历史案例相似度排名的天气雷达案例推理系统。经测试应用表明,系统对于新故障信息,以相似度排名给出历史参考故障解决方案指导诊断维修,正确率达到78%左右,在故障发生时提供第一手的故障排除参考方案,有效提高天气雷达保障维护效率。     

人工智能在冰雹识别及临近预报中的初步应用

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。      

运用贝叶斯原理作晚稻品种选择决策

运用贝叶斯原理从寒露风长期预报错误造成晚稻产量损失最小的角度来进行晚稻品种选择决策，可使农业生产部门直接依据寒露风长期预报作晚稻品种选择的困难得以解决。     

地震危险性评估中局部地震烈度概率的贝叶斯估计

引言地震危险性评估的关键是烈度衰减问题,许多学者曾提出过经验衰减公式,即参照震中烈度值I_0确定局部烈度值为I_2。该公式参数的确定使用简单的点源辐射(radiation)模型(Ambraseys,1985)和最小二乘法。考虑到资料的不确定性以及某些关系的不准确性,通常用一个分布(标准偏     

基于主成分分析和贝叶斯正则化方法的神经网络年最大洪峰流量预测模型探讨

针时水文预测建模中输入因子过多而导致神经网络结构规模过大,泛化能力差的问题,利用主成分分析和贝叶斯正则化方法对神经网络进行改进,优化网络结构,从而提高泛化能力。以洮儿河流域镇西站年最大洪峰流量预测为例,研究结果表明,改进的神经网络预测方法与传统的神经网络方法相比,泛化能力有显著提高,而且网络的收敛也比较稳定,实际预测中效果良好。     

基于标点随机过程的遥感影像道路提取

在分析贝叶斯方法用于遥感影像目标提取技术的基础上．基于标点随机过程方法，利用线状地物的整体几何约束和地物之间的空间结构及相关关系对目标构建数学模型．提取线状地物．并以道路网的自动提取为例，详细阐述了此算法。