0-1测试方法的径流时间序列混沌特性应用

径流时间序列混沌特性识别的常用方法是基于相空间重构的关联维数法、最大Lyapunov指数法和Kolmogorov熵法。引入一种新的时间序列混沌特性识别方法:0-1混沌测试方法。该方法直接应用于时间序列不需要相空间重构,并且通过量化指标K_c是否接近于0或1来识别时间序列的混沌特性。以Logistic映射生成的序列、金沙江流域和美国Umpqua河多年日径流序列为研究对象,首先利用0-1混沌测试方法进行了混沌特性识别和判定;然后基于相空间重构,运用相空间重构、伪最近邻点法、关联维数方法、最大Lyapunov指数法和Kolmogorov熵5种非线性研究方法分析了这两列径流时间序列混沌特性。研究结果表明0-1混沌测试方法简单有效。以上方法交互验证了该两列径流时间序列存在低维混沌特性。     

PIV技术的几种实现方法

PIV技术是一种基于流场图像互相关分析的二维流场非接触式测试技术。在介绍利用Fourier变换的互相关特性及其快速算法实现PIV技术的基础上,介绍了可提高分析效率的实序列Fourier变换的实现方法,并进而提出了一种更高效的基于Hartley变换的分析法,给出了分离式内核的Hartley变换互相关特性的明确表达式。从算法复杂性理论与实际分析时间两方面对3种方法进行的比较,充分说明了Hartley变换在PIV技术应用中的优越性。     

基于一类离散动力系统的混沌加密研究

研究了一类具有良好隐蔽性的一元三次离散动力系统的混沌序列产生情况，提出了混沌序列的异或和置乱加密算法。实验结果证明，该系统所生成的混沌序列有密钥复杂、安全性较高的特点，具有推广应用的价值。     

矿井涌水量混沌特征与预测

由于受到水文地质、矿井开采等因素的影响, 矿井地下水系统的演化不仅具有确定性也具有随机性, 采用单一的确定性方法或随机性方法都难以揭示矿井地下水系统演化的两面性.混沌理论将确定性分析方法和随机性分析方法两者实现了统一.矿井涌水量时间序列是地下水系统中各要素相互作用的结果, 它包含着该动力系统的信息.基于刘桥二矿水文地质背景分析, 采用混沌时间序列分析方法对该矿的矿井涌水量时间序列进行建模、分析, 得出了其Lyapunov指数为0.1427, 表明刘桥二矿涌水量具有混沌特征.利用建立的模型, 选择2004年4月至2005年2月间的矿井涌水量时间序列进行验证, 结果表明, 利用混沌时间序列分析方法预测矿井涌水量是可行的且具有较高的精度.      

混沌序列WA-ELM耦合模型在滑坡位移预测中的应用

针对滑坡位移序列的混沌特性和传统时间序列预测模型的不足,提出了一种基于混沌时间序列的小波分解-极限学习机(WA-ELM)滑坡位移预测模型。该模型以滑坡位移序列混沌特性分析为基础,应用小波分析将位移序列分解为具有不同频率特征的分量,对各特征分量分别进行相空间重构并应用极限学习机进行预测,最后将各特征分量预测值叠加,得到原始位移序列的预测值。以三峡库区八字门滑坡为例,并与小波分析-支持向量机(WA-SVM)以及单独ELM模型进行对比研究。结果表明,基于混沌时间序列的WA-ELM模型预测精度较高且具有较好的通用性与稳定性,是一种有效的滑坡位移预测方法。     

遗传算法改进的BP神经网络在混沌径流时间序列预测中的应用

区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性。并用遗传算法对BP神经网络进行了改进,利用该模型对三门峡水库混沌径流时间序列进行了预测。实例计算表明该方法解决了BP神经网络收敛速度慢和易于陷入极小值的问题,大大提高了BP神经网络的计算精度和收敛速度。无论在计算精度上还是在收敛次数上都优于没有改进的BP神经网络。     

基于神经网络和进化算法的混沌序列产生方法

应用具有全局最优的进化规划算法建立产生混沌序列的优化神经网络模型。该模型利用神经网络权值调整的灵活性，能够在同一网络结构中产生的多种混沌序列。计算机仿真结果表明：该模型比BP算法训练的神经网络模型能更好地重构混沌吸引子，调整网络权值即可产生多种混沌序列。     

矿井涌水量混沌时间序列分析与预测

矿井地下水系统是个非线性系统,由于地下水系统的复杂性,很难完全确定影响矿井涌水量的因素,因此传统的矿井涌水预测表现出较大的局限性。而混沌时间序列分析能够利用单变量处理方法,分析矿井地下水系统中,由于多因素耦合作用所产生的矿井涌水量时间序列。通过对某矿区1985年9月至2005年2月矿井涌水量时间序列资料的分析,显示矿井涌水量时间序列具有混沌特征;通过对比预测值和实测值,表明预测精度高。因此,混沌时间序列分析方法用于矿井涌水量预测是可行的。     

黑龙江省降水混沌识别及空间分布研究

为更好地研究降水时间序列的非线性特征,基于不同时间尺度0-1测试方法识别黑龙江省30个气象站1958~2011年降水时间序列的混沌特性。分别以三个不同时间尺度月系列、季系列、半年系列的渐进增长率中位值最小的北林站、漠河站、牡丹江站为代表说明黑龙江省各气象站均存在混沌特性,月系列和半年系列混沌特性较强,季系列混沌特性较弱。为研究全省范围内降水混沌特性空间分布规律,对各气象站K值进行克里金插值。空间分布结果表明,混沌特性在月降水系列呈现较为明显东西向的分带性,在季系列和半年序列并未呈现出明显的分带性;得出结论:不同时间尺度降水系列均产生混沌现象,混沌识别结果与气候类型、地形特征、人类活动特征相互支撑,为降水系统非线性特征提供一定参考。     

混沌时间序列支持向量机模型及其在径流预测中应用

以重构相空间理论为基础,探讨了混沌时间序列的支持向量机预测模型建模的思路、特点及关键参数的选取。利用饱和关联维数法进行相空间重构,并运用改进小数据量法计算最大Lyapunov指数,对宜昌站月径流时间序列进行混沌特性识别。在运用混沌时间序列的支持向量机模型对月径流预测的应用中,引入了径向基核函数,简化了非线性问题的求解过程。实例表明,该模型能较好地处理复杂的水文序列,具有较高的泛化能力和很好的预测精度。     

一种自动提取栅格数据中空间实体的算法

栅格数据是一类特殊的图像,准确地提取这类图像中的空间实体并矢量化表示对于这类图像的应用研究非常重要.针对栅格数据的特点,提出了一种自动提取栅格数据中空间实体边界的一种算法.算法的时间复杂度与数据总量的大小、数据中空间实体的类型和数目等因素有关.在MapInfo平台中用vB 6.0开发了该算法的程序,通过一个简单实例验证了算法的可行性和实用性.     

Fast wavelet-based stochastic simulation using training images

Spatial uncertainty modelling is a complex and challenging job for orebody modelling in mining, reservoir characterization in petroleum, and contamination modelling in air and water. Stochastic simulation algorithms are popular methods for such modelling. In this paper, discrete wavelet transformation (DWT)-based multiple point simulation algorithm for continuous variable is proposed that handles multi-scale spatial characteristics in datasets and training images. The DWT of a training image provides multi-scale high-frequency wavelet images and one low-frequency scaling image at the coarsest scale. The simulation of the proposed approach is performed on the frequency (wavelet) domain where the scaling image and wavelet images across the scale are simulated jointly. The inverse DWT reconstructs simulated realizations of an attribute of interest in the space domain. An automatic scale-selection algorithm using dominant mode difference is applied for the selection of the optimal scale of wavelet decomposition. The proposed algorithm reduces the computational time required for simulating large domain as compared to spatial domain multi-point simulation algorithm. The algorithm is tested with an exhaustive dataset using conditional and unconditional simulation in two- and three-dimensional fluvial reservoir and mining blasted rock data. The realizations generated by the proposed algorithm perform well and reproduce the statistics of the training image. The study conducted comparing the spatial domain filtersim multiple-point simulation algorithm suggests that the proposed algorithm generates equally good realizations at lower computational cost.     

煤矿掘进工作面低照度视频增强技术研究

针对煤矿掘进工作面视频光照较低、亮度不均、纹理模糊、噪声较多等问题,提出一种煤矿掘进工作面低照度视频增强算法。首先,利用卷积的可分离性将视频图像进行一维水平卷积与垂直卷积,再利用完美反射法实现视频图像自动白平衡,并使用图像混合增强技术提高视频图像整体亮度。然后,基于大气散射模型与暗通道先验方法,通过递归分割将图像分割为高光区、中间调和暗调区,并求取对应区间通道像素最大值,将其3者均值作为大气光照估计值,引入调节因子对透射率进行调整优化,并使用拉普拉斯锐化操作,增加图像高频成分、抑制图像低频成分,提高图像对比度。最后,基于改进的大气散射模型对掘进工作面低照度视频进行去雾处理。实验结果表明,视频增强算法能够对煤矿掘进工作面低照度视频进行实时增强、去雾处理,避免了视频图像暗淡、失真、模糊和突变等问题。相较于Retinex算法、ALTM算法和暗通道先验算法,视频增强算法大幅度提高了视频图像的信息熵、标准差和平均梯度,且具有较好的实时处理速度,能够为掘进工作面视频的目标识别、目标跟踪、目标监测和图像分割等后续处理提供优质、可靠的支撑。      

基于蚁群算法的光谱分解方法剔除植被干扰信息

针对遥感图像预处理工作中,光谱分解方法处理速度慢而蚁群算法识别目标速度快的特点,结合蚁群算法和线性光谱混合模型,建立基于蚁群搜索的光谱分解模型,以剔除植被干扰信息。选取青海黄南州吉地地区为研究区,首先确定蚂蚁移动规则,然后建立基于蚁群算法的光谱分解模型,最后根据模型重构不含有植被信息的新的多波段图像,通过残差图分析以及原图与剔除植被后影像对比分析,初步验证了基于蚁群算法的光谱分解方法剔除植被干扰信息的可行性。      

岷江流域无人机遥感影像拼接及灾害信息提取

针对无人机遥感影像的特点,提出了一种基于特征点和重叠度的快速自动拼接算法.该算法实现了用于计算参考图像和待配准图像之间重叠度的相位相关法,并提出只在重叠区域中进行特征提取和特征匹配的方法.利用岷江流域无人机遥感图像进行了实验,结果表明,该算法使图像拼接有效地防止了图像非重叠区域中信息对算法的干扰,提高了拼接算法的精度和速度.并利用拼接的图像对茂县至都江堰的岷江主干河流进行了灾害信息提取和统计分析,为建立无人机高分辨率低空遥感数据的快速处理和应急灾害信息提取具有重要的指导意义.     

基于遥感图像地形结构-岩性组分分解的岩类多重分形特征研究

根据光学成像原理和地形结构的分形特征,提出了遥感图像的地形结构-岩性组分模型和分离算法,并用于ETM图像分解和岩类α-f(α)多重分形特征研究。通过对不同地区二长花岗岩体和沉积变质岩ETM原图像、地形结构子图像和岩性组分子图像的多重分形谱对比分析,发现原始ETM图像的多重分形谱与岩石类型和地形没有明显的对应关系。图像分解后,不同地区的二长花岗岩具有十分相似的岩性组分多重分形谱和不同的地形结构多重分形谱;相反,同一地区的不同类型岩石具有相似的地形结构多重分形谱和不同的岩性组分多重分形谱。因此,利用地形结构-岩性组分分类算法,并结合α-f(α)多重分形谱分形,可以有效地区分岩石类型。     

一种重磁特征线的自动提取方法

本文介绍一种最大梯度追踪和旋转变换方法，可用于重磁数字图像特征线自动提取。该方法分两步进行，首先用最大梯度追踪法产生二态像素图，然后用旋转变换方法将二态像素图的栅格特征线转换成矢量特征线。此方法生成的文件可以与ＧＩＳ接口。     

An iterative algorithm for removing the effect of thin cloud cover from LANDSAT imagery

In this paper, we propose an iterative algorithm for removing the effect of thin cloud cover from LANDSAT imagery. It is seen that the noise in such images is multiplicative as well as additive. The recorded image is first processed to update different parameters of the image formation model to known values. Processing algorithm and knowledge of parameter values are developed by considering the physics of the situation. A low-pass filter is then applied to the processed image to remove the effect of the cloud. The filter is of a tapered shape, and its parameters are adjusted to minimize the estimation error.     

A new algorithm using image colour system transformation for rock grain segmentation

Summary The present paper is concerned with the development and application of an effective automatic algorithm of image analysis in order to detect grain boundaries on microscope images of Redziny dolostone and Wisniowka quartzite. The algorithm utilises sets of 6 colour images for each measurement field on thin sections, which are recorded using an optical polarizing microscope in different polarization set-ups. The proposed method is based on an image pre-processing procedure that is focused on colour system transformation, followed by rock grain boundaries segmentation using the image analysis methods for each colour image. For the image pre-processing procedure, several colour system transformations were selected and compared. By using the alternative colour systems that concentrate on colour information we are able to minimise the effects of internal micro-structures in the grain boundaries segmentation procedure. The grain boundary maps obtained confirm that the use of an approximately perceptually uniform colour system as an image pre-processing procedure can significantly improve the rock grain segmentation. This newly-developed method may facilitate petrographical and stereological studies of rock structures.     

Image analysis algorithms for estimating porous media multiphase flow variables from computed microtomography data: a validation study

Image analysis of three-dimensional microtomographic image data has become an integral component of pore scale investigations of multiphase flow through porous media. This study focuses on the validation of image analysis algorithms for identifying phases and estimating porosity, saturation, solid surface area, and interfacial area between fluid phases from gray-scale X-ray microtomographic image data. The data used in this study consisted of (1) a two-phase high precision bead pack from which porosity and solid surface area estimates were obtained and (2) three-phase cylindrical capillary tubes of three different radii, each containing an air–water interface, from which interfacial area was estimated. The image analysis algorithm employed here combines an anisotropic diffusion filter to remove noise from the original gray-scale image data, a k-means cluster analysis to obtain segmented data, and the construction of isosurfaces to estimate solid surface area and interfacial area. Our method was compared with laboratory measurements, as well as estimates obtained from a number of other image analysis algorithms presented in the literature. Porosity estimates for the two-phase bead pack were within 1.5% error of laboratory measurements and agreed well with estimates obtained using an indicator kriging segmentation algorithm. Additionally, our method estimated the solid surface area of the high precision beads within 10% of the laboratory measurements, whereas solid surface area estimates obtained from voxel counting and two-point correlation functions overestimated the surface area by 20–40%. Interfacial area estimates for the air–water menisci contained within the capillary tubes were obtained using our image analysis algorithm, and using other image analysis algorithms, including voxel counting, two-point correlation functions, and the porous media marching cubes. Our image analysis algorithm, and other algorithms based on marching cubes, resulted in errors ranging from 1% to 20% of the analytical interfacial area estimates, whereas voxel counting and two-point correlation functions overestimated the analytical interfacial area by 20–40%. In addition, the sensitivity of the image analysis algorithms on the resolution of the microtomographic image data was investigated, and the results indicated that there was little or no improvement in the comparison with laboratory estimates for the resolutions and conditions tested.