预处理JFNK方法及其在大气方程中的初步应用

为提高数值求解大气方程的速度, 研究了预处理JFNK（Jacobian-Free Newton-Krylov）方法及其在大气方程中的应用。这是一种非线性外循环Newton迭代与线性内循环Krylobv迭代相结合的快速算法,其优点是进行外循环Newton迭代时不要求Jacobian矩阵的形成和存储;它的有效性取决于内循环中线性系统的预处理。首先介绍了JFNK算法,然后以浅水波方程为例,描述了非线性残值的形成、预处理矩阵的构造及其在JFNK算法中的应用。试验结果表明：对内循环线性系统进行适当的预处理,能大幅度提高JFNK算法的运算速度。因而,JFNK是一种值得在大气方程中推广应用的方法。     

一种关键帧的自动提取方法

本文首先介绍了2种主要透镜畸变及摄像机标定方法;然后结合摄像机内部参数和视频帧率推导出关键帧航向重叠度计算公式;在此基础上实现了指定航向重叠度关键帧从文件源或实时源中的自动提取,文件源中采用定位关键帧自动提取算法,实时源中采用定时自动提取算法;最后利用得到的标定参数完成关键帧影像矫正。实验结果表明本文采用的算法能够高效、准确地得到矫正好的指定航向重叠度关键帧。     

粘塑性海冰流变模型的稳定性分析

对Hibler 1977提出的具有粘塑性本构关系的海冰模型进行了修改和稳定性分析.在已有的工作中,应用这样一个粘塑性本构关系进行数值积分时大多都必须引入人工扩散项.这里我们用数值逼近技巧提出计算相邻浮冰之间相互作用力的新方法,并且证明修改后的模型无论是海冰的收敛还是发散流动都是稳定的,模式积分无需引入人工扩散项.以二维...     

铅锌矿床地质样品的Ge同位素预处理方法研究

目前Ge同位素研究主要局限于地球有机质(煤等)、火成岩及陨石样品,作为Ge重要储库之一的铅锌矿床,其Ge同位素的研究涉及较少。铅锌矿床样品中Ge的化学分离及提纯是Ge同位素研究的基础。本文详细考察了陨石样品中Ge同位素预处理方法(分离和提纯)对铅锌矿石样品的适用性。阴离子条件实验说明,目前普遍采用的离子交换树脂单柱法虽然对铅锌矿样品中Fe、Se等元素的剔除效果理想,但无法有效剔除其中的Zn,当Zn/Ge比值大于3时,样品必须经过阳离子交换树脂柱作进一步处理剔除Zn。通过对闪锌矿标准样品、锌矿石标准样品的条件实验以及实际闪锌矿样品对条件结果的验证显示,当闪锌矿的称样量为0.15 g左右时,仅需将前人对玄武岩等样品Ge同位素处理方法中阴离子树脂洗脱酸(1.4 mol/L硝酸)的用量6 mL调整为10 mL,而阳离子树脂洗脱方法保持不变,此方法即满足闪锌矿样品Ge同位素的化学分离和提纯要求。样品经过本文推荐的阴阳离子交换树脂双柱法处理后,主要干扰元素(Fe、Zn、Se、Ni)及基质元素的剔除率接近100%,Ge的回收率优于99%。而前人对玄武岩等样品的Ge同位素处理方法中,主要干扰元素(Fe、Zn、Se、Ni)及基质元素的剔除效果亦较好,但Ge的回收率仅为97.3%,比本文推荐方法的Ge回收率要差。利用MC-ICP-MS对Ge化学分离和提纯后的富乐铅锌矿床闪锌矿样品的检验结果显示,测试过程中未见同质异位素以及可能的多原子离子影响,样品中Ge同位素符合质量分馏定律,经过调整后的阴阳离子交换树脂双柱法满足闪锌矿样品的Ge同位素测试要求。     

改进D-LinkNet模型在国产卫星影像云检测中的应用

大部分国产卫星波段少,利用传统方法难以进行云检测。本文提出了基于改进D-LinkNet模型的云检测算法,并应用于国产卫星遥感影像的云检测。首先,利用自然资源部国土卫星遥感应用中心提供的人工勾云样本生成二值图标签;其次,对D-LinkNet50的编码器进行改进,使用带有通道注意力机制的ResNeSt50-Block替换原始的ResNet50-Block;然后,对损失函数进行加权,测试分析发现只用交叉熵损失作为损失函数时,检测精度更高;最后,使用条件随机场（CRF）对预测结果进行后处理。试验结果表明,改进D-LinkNet模型在测试集上的IoU提升了1.93%,精度提升了2.45%,保持了较好的云边缘信息,云检测效果高于原D-LinkNet模型。     

海洋条件下目标-背景对比度计算分析

推导了海洋条件下目标-背景对比度的计算公式,根据辐射传输方程,采用Eddington近似方法求解,建立了海洋条件下目标-背景对比度的表达公式。计算并分析了太阳高度、观测者角度、海水体衰减系数及目标所处深度对目标-背景对比度的影响。文中得出如下结论:垂直方向侦查时,太阳高度角在40°左右条件下的目标-背景对比度最大,最容易侦查到水下目标;目标-背景对比度随目标所在深度增大而减小,随海洋体衰减系数的增加而降低;太阳高度角为90°、观测者天顶角余弦在0.8~0.9范围时的目标-背景对比度存在较大尖峰值。研究结果为光学探测水下目标及水下航行器反光学探测提供理论支撑。     

����Bayesian����BP�������GPS�߳�ת��

?????BP?????????????????????????????????????Bayesian?????????BP??????????????????????????GPS??????????????????L-M????????????????????????Bayesian??????BP????????????????????????????????????     

浅海水域工程勘察钻探方法和技术措施

通过浅海水域工程勘察项目钻探施工实践，摸索出一套较实用、经济和安全的水上钻探方法和技术措施。     

基于加权指数函数模型的高光谱图像分类方法

高光谱图像的众多波段为地物分类提供了充分的特征信息,同时也为如何有效利用这些特性带来难题。为了充分利用高光谱图像的光谱信息实现地物目标的精确分类,根据其像素光谱曲线所呈现出的多峰特性,提出一种基于加权指数函数模型（Weighted Exponential Function, WEF））的高光谱图像分类方法。首先,采用WEF建立像素光谱曲线的理想模型,其中WEF模型由多个具有不同权重的指数函数相加而成。由于该模型中参数较多,导致参数求解较为困难。因此,为简单起见固定所有像素WEF模型中的峰值位置,并将由所有峰值位置构建矢量集。然后,根据最小二乘原理求解WEF模型的参数,以拟合光谱曲线。利用求得的参数集代替光谱测度矢量作为像素特征。最后,采用模糊C均值（Fuzzy C-means, FCM）算法实现图像分类。为了验证提出方法的可行性和有效性,分别以提出的分类方法、基于主成分分析（Principal Component Analysis, PCA）的分类方法、基于最小噪声分离（Minimum Noise Fraction, MNF）的分类方法和以光谱测度矢量为分类特征的FCM方法对Salinas和PaviaU图像进行分类实验,并据此对实验结果进行定性和定量评价。在Salinas图像中提出的分类方法比其它方法的分类精度从51%提高到了60%,在PaviaU图像中分类精度从43%提高到了51%。此外,提出的分类方法在降低了高光谱图像数据量的同时,保留了高光谱图像丰富的光谱信息。