���ø���������Ϸ�ȷ���ضϲ���������ֵ��������

??????????????????????????ì????????????μ???????????????????????????????????????????·???????????????????????????????????????????????????     

病态平差模型直接解算方法的研究

基于矩阵的SVD理论，通过修改设计阵的奇异值，提出了若干种直接解算病态(满秩或秩亏)观测方程的方法，以改善设计阵的病态性，提高参数估值的稳定性和准确性。理论分析和数值计算的结果验证了这些解算方法的优良性。     

Matched field localization based on CS-MUSIC algorithm

The problem caused by shortness or excessiveness of snapshots and by coherent sources in underwater acoustic positioning is considered. A matched field localization algorithm based on CS-MUSIC (Compressive Sensing Multiple Signal Classification) is proposed based on the sparse mathematical model of the underwater positioning. The signal matrix is calculated through the SVD (Singular Value Decomposition) of the observation matrix. The observation matrix in the sparse mathematical model is replaced by the signal matrix, and a new concise sparse mathematical model is obtained, which means not only the scale of the localization problem but also the noise level is reduced; then the new sparse mathematical model is solved by the CS-MUSIC algorithm which is a combination of CS (Compressive Sensing) method and MUSIC (Multiple Signal Classification) method. The algorithm proposed in this paper can overcome effectively the difficulties caused by correlated sources and shortness of snapshots, and it can also reduce the time complexity and noise level of the localization problem by using the SVD of the observation matrix when the number of snapshots is large, which will be proved in this paper.     

100hPa环流变化与川渝地区旱涝异常分析

应用ＳＶＤ技术,诊断分析了北半球１００ｈＰａ高度场与川渝地区夏季降水的关系。结果表明：高度场与降水场具有密切的时空相关性,第一模态反映了两场间的主要耦合特征;南亚高压活动地区前期１０～１２月、１～４月高度场变化,通过影响未来夏季南亚高压强度、位置,导致川渝地区夏季旱涝异常。高度场与降水场的这种非同步联系,物理意义明确,时空相关显著,是一种有价值的预测川渝地区夏季旱涝异常的强信号。     

�����SVD�ֽ����ʼ������ȿ���ƽ���е�Ӧ��

??????????????(SVD,Singular Value Decomposition)????????????????????????????M-P??????????????????ó????????????????????????M-P??????;??????????????????????????С??????С?????????????????????????????????????????????????????????;?????????С??????С??????????????????????????????????????δ???????С??????С?????;????????????????????????????????????????????????Ч???     

Long-term variabilities of thermodynamic structure of the East China Sea Cold Eddy in summer

Based on more than 30 years observed sectional temperature data since the 1960s, and compared with multi-year wind and Changjiang (Yangtze) River discharge data, spatial-temporal variations of the East China Sea Cold Eddy (ECSCE) in summer was analyzed in relationship to ocean circulation and local atmospheric circulation. Empirical Orthogonal Function (EOF) and Singular Value Decomposition (SVD) analyseswere applied to this study. The results show that: l) The ECSCE in summer possesses significant interannual variabilities, which are directly associated with oceanic and atmospheric circulation anomaly. Main fluctuations demonstrate their falling in basically with E1 Nino events (interannual) and interdecadal variability. 2) The ECSCE in summer is closely related to the variation of the Yellow Sea Warm Current (YSWC) and the Changjiang River discharge. The stronger the YSWC, the more intensive the ECSCE with its center shifting westward,and vice versa. However, a negative correlation between the Changjiang River discharge and the ECSCE strength is shown. The ECSCE was strengthened after the abrupt global climate change affected by the interdecadal variation of the YSWC. 3) SVD analysis suggested a high correlation between the variation of the ECSCE in summer and the anomalous cyclonic atmospheric circulation over the ECS. Intensification of the cyclonic wind strengthens the ECSCE, and vice versa. 4) The cyclonic atmospheric circulation has dominant influence on the interannual variation of the ECSCE, and the influence of the ocean circulation takes the second in. The ECSCE was usually stronger in E1 Nifio years affected by strong cyclonic circulation in the atmosphere. The variation in strength of the ECSCE resulted from the joint effect of both oceanic and atmospheric circulation.     

局部SVT算法的遥感反演场数据恢复实验分析

 遥感反演场数据会由于云雾、地物的遮挡,传感器性能等原因造成部分区域数据的缺失而影响遥感反演场数据的应用。矩阵填充理论针对低秩矩阵,利用矩阵的低秩性,即数据的高相关性,可以高精度地对低秩矩阵中的缺值数值进行恢复,其中矩阵填充理论中的SVT(Singular Value Thresholding)算法可以对矩阵中缺失数值进行快速、高精度的估计,应用广泛。本文应用矩阵填充理论的SVT算法,以缺值点为中心,方差最小作为窗口尺度选择的标准,这样可以保证区域数据的高相关性,建立局部窗口,对窗口进行SVT算法填充。本文也针对相同缺值区域进行了距离反比加权插值、Kriging插值法插值和整体SVT算法插值,整体SVT算法插值即并未对缺值点进行相关性窗口判断,而是直接对整个区域进行SVT填充。并对这几种方法的精度进行比较,得到局部SVT算法的精度相比整体SVT算法和距离反比加权插值算法的精度要高,与Kriging算法相比,其精度变化趋势相似,在锋面区域局部SVT算法精度比Kriging方法要高。     

基于多传感器信息融合的城市边坡监测数据异常事件检测

为预防和管控城市突发地质灾害造成的人民生命和财产损失,国家针对城市地质灾害易发地区部署了大量的各类传感器,用来感知和监测城市边坡等地质体的变化情况,以支持对地质灾害的预警。从边坡监测数据特点和时序数据分析技术出发,针对监测数据噪声混杂、模式分析困难、预警阈值的不确定性等问题,给出了一种基于多传感器信息融合的边坡监测数据异常事件检测方法。主要工作包括：(1)边坡监测数据变化模式可以归结为周期项、趋势项以及噪声项的叠加,实践中在预处理基础上对边坡监测数据进行周期为24 h的重采样,同时趋势项可以近似看作是经典的牛顿运动,以此构建形变运动模型,为卡尔曼滤波的状态转移提供理论支持;(2)采用集中式衰减记忆卡尔曼滤波,引入衰减记忆因子,对多传感器边坡监测数据进行特征级融合,降低了噪声的影响,提高了边坡监测数据的可靠性;(3)引入惩罚系数,应用改进的动态时间弯曲算法对于周期序列数据进行相似性度量。在此基础上基于K-means聚类和局部异常因子分析对边坡监测数据进行异常检测,并基于3σ准则确定预警阈值。该方法能将正常模式和异常模式的时序数据进行区分,有效检测出边坡监测数据的异常,为灾害预防提供支持。...     

���ö̻��߲�ָ�����ͼ�����ر��α䳡

????????????????????????е?????????????????????????????????????????????α???????м??α???????????????????????????????????????????????????????????????????????????????????????????Delaunay??????????????С?????????????λ????????????????????λ???????????????????????α???λ???н?????С???????????α?????????????С????????????????α??????????????????????????????α????仯?????????Ч??     

面向复杂地形的坡位K-means聚类划分研究

土壤植被研究建立在精准坡位划分的基础上。但现有的坡位大多采用手工划分的方式,存在着自动化程度低、划分精度不高且耗时较长等问题。本文提出一种顾及复杂地形的坡位自动划分算法,尝试采用机器学习K-means方法解决高海拔山区坡位划分的问题,并在山峰区域提取、聚类数确定、以及初始聚类中心选取等关键技术进行了算法的优化。为了验证算法的有效性,以云南省姚安县为研究区,运用提出的算法对研究区坡位进行自动划分,再采用Calinski-Harabasz聚类评价指标、调整兰德系数ARI和误差平方和SSE等一系列方法对坡位K-means聚类划分实验进行分析和评价。研究结果表明,利用该算法所生成的复杂地形坡位与研究区实测等高线相匹配。其次,再从姚安县规划风电场任选4个场址,比较13×13、25×25、37×37三种适宜窗口下坡位自动划分结果,结果表明选取25×25适宜窗口进行坡位划分可靠性最强。再者,计算的规划风电场内山脊、坡肩及背坡比例高达57.13%,也从一个侧面证实了利用该算法划分的坡位结果良好。     

基于卷积神经网络的ICESat-2光子点云去噪分类

ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R²和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R²分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。     

基于K均值聚类EEMD的CORS高程时间序列信号分析方法

针对传统EEMD进行信号分解时信噪比低和部分模态混叠的问题,提出基于K均值聚类的CORS高程时间序列改进分析方法。通过添加正负白噪声的EEMD提高信号分解信噪比,基于K均值聚类方法对EEMD迭代过程中分解的各个IMF分量进行聚类分析。实验结果表明,该方法提高信噪比3%以上,基于正交指数的分解精度提高26%以上,聚类结果能够解决IMF中近似的0.5 a、1 a、2 a周期信号的模态混叠问题。     

ICA在合成孔径雷达抗噪声干扰中的应用研究

将ICA（Independence Component Analysis）消噪原理应用于合成孔径雷达抗噪声干扰技术中,用噪声信号和受到干扰的SAR回波数据作为扩展的虚拟观测信号,对扩展的多维加噪观测信号进行分离, 得到源雷达回波信号, 从而实现噪声的有效消除.通过对条带式SAR点目标成像进行仿真试验, 结果表明这种消噪方法在消除SAR噪声干扰中是有效的.     

可控震源参数选择及在煤田勘探中的应用

介绍了如何选择可控震源的扫描长度和震源台数、振动次数以及扫描频宽等参数 ,指出采用数台可控震源组合 ,增加扫描的总时间和利用相关技术是提高可控震源地震资料信噪比的有效方法 ,也是可控震源取得成功的关键。     

陶乐地震台地表与井下地震计记录波形对比研究

为定量研究地表与井下背景噪声的异同,在同一台站地表架设地震计,与井下地震计进行同步观测。首先选取样本数据计算背景噪声功率谱密度,分析不同类型地震计安装在不同深度时功率谱密度及平均噪声RMS值的变化特征。通过对比分析3种地震计记录的近震和远震波形发现,地表宽频带、短周期和井下短周期地震计记录的近震波形都比较清晰,震相易于识别,且地表宽频带与井下短周期地震计记录的远震波形更清晰;而地表短周期地震记录的远震波形较差,失真严重,震相不易识别。在进行震源频谱对比分析中发现,相对于地表地震计,井下地震计记录的近震波形在7~12 Hz频段受干扰较为严重,远震波形则在4~7 Hz频段受干扰严重,震相分析时需慎重处理。     

基于交通轨迹数据的三维动态噪声地图

噪声信息具有空间传播和随距离衰减变化的特征,采用三维动态可视化形式表达噪声地图可以体现该特征。本文针对噪声的空间分布与强度变化提出一种噪声地图表达的方法,基于Bertin符号参量分析,以具有高度可变的方柱并配以深浅变化的颜色作为噪声符号,动态传递噪声信息。为进行多尺度地图展示,在不同地图等级下设有相应细节层次的符号尺寸和定位排列方式。噪声地图以Web端Mapbox为展示平台,基于交通噪声模型和GPS轨迹数据,对上海黄浦区某区域一时间段内的噪声情况进行模拟表达,实现噪声数据的立体动态化显示。三维动态的表达扩展了噪声数据的表现维度,多维度、多参量的立体动态符号不仅可准确刻画噪声的分布,而且从视觉观感上提高了受众的兴趣度和专注度,这为研究噪声的热点分布、传递趋势等空间规律提供了可视化参考。     

基于经验模态分解与神经网络的信号预测

利用经验模态分解在处理非线性、非平稳信号以及人工神经网络可以较好地处理非线性问题的优点,通过经验模态分解把加入噪声的仿真信号分解成几个本征模态函数分量和一个趋势项,在分解过程中采用两种方法处理端点效应问题,结果表明两种方法都能很好的解决端点问题,然后对每个分量分别运用径向基函数神经网络进行预测,并重构出最后的预测结果。与不经EMD处理直接运用神经网络进行预测及真实数据进行对比,结果表明,相对于直接预测,该方法具有更好的预测效果。     

基于随机森林的光子计数激光雷达点云滤波

新一代星载激光雷达卫星ICESat-2首次采用了微脉冲光子计数激光雷达技术,由于单光子探测的灵敏性导致数据在大气和地表下层产生了大量噪声,因此对光子计数激光雷达点云数据实现信号和噪声的分离是开展进一步应用研究的前提和基础。本文选择美国俄勒冈州和弗吉尼亚州2个研究区,采用MATLAS数据,根据光子点云数据的特点构造了12个光子点云特征,对所构造的特征利用随机森林进行变量筛选,用机器学习方法对光子点云进行分类,并将建立好的模型推广到整个研究区。研究结果表明,本文构建的分类器分类总精度达到了96.79%,Kappa系数为0.94,平均生产者精度和用户精度分别为97.1%和96.8%。在相对弱噪声、平坦地形区域和强噪声、复杂地形区域都取得较好的分类结果。本文结果显示了基于少量样本通过机器学习的方法构建模型,可以推广到较大范围区域的光子点云分类应用中。     

重力数据约束的二维地震层析成像在台湾海峡南部的应用

地震-重力联合反演可以降低多解性,针对大勘探范围内岩石波速-密度关系存在较大散布的问题,引入交叉梯度结构约束构建统一的目标函数是一种有效的解决方案。利用台湾海峡南部HX-13测线进行验证:由于火成岩侵入体的存在,部分区域难以拾取可靠的地震初至,常规的走时反演无法准确恢复基底面的形态。搜集研究区的船测重力资料,根据地震地质条件和数据特点设置合适的反演参数,实现基于物性和结构双重约束的重力-地震联合反演。由对反演结果的分析和解释可以看出,该方法可在很大程度上弥补地震数据不完备的缺陷,使反演过程稳定,并提高模型的可靠性。     

复杂观测环境下GNSS信号分类及精度评估

基于高度角、信噪比和伪距残差3个指标,采用K均值(Kmeans⁺⁺)、迭代自组织数据分析法(ISODATA)和基于密度带有噪声的空间分类法(DBSCAN)对复杂城市观测环境下的GNSS数据进行分类,并采用伪距单点定位模型(SPP)评估不同算法的分类精度。结果表明,Kmeans⁺⁺算法分类精度最优,在E、N、U 3个方向上的定位精度分别达2.56 m、3.25 m、9.73 m;相较于未采用Kmeans⁺⁺算法的定位精度分别提升57.86%、47.64%、60.98%。为进一步验证算法性能,将Kmeans⁺⁺算法与信噪比、高度角阈值法进行精度对比,结果表明,Kmeans⁺⁺算法的平面和三维定位精度均有显著改善,分别提升24.87%、39.07%（信噪比阈值法）和41.36%、59.91%（高度角阈值法）。