基于粒子群优化的投影寻踪聚类模型及其应用

投影寻踪聚类分析是根据设计的投影指标函数,并在相关约束条件下进行问题优化分析的过程.给出了用于求解投影指标函数的粒子群算法,并将构造的模型应用于森林承载力评价.仿真实验结果表明:与基于遗传算法优化的模型比较,基于粒子群优化的模型简单、容易实现并且没有许多参数需要调整;在应用上,基于粒子群优化的模型可获得更优的解,并可预计模型在森林承载力评价中具有重要的应用价值.     

基于改进粒子群算法的机器人几何参数标定研究

为了提高机器人末端绝对定位精度,提出了基于改进粒子群算法（IPSO）的机器人几何参数标定方法.首先,为避免当机器人相邻两轴线平行或接近平行时,模型存在奇异性,建立了串联机器人MDH模型;其次,针对机器人几何参数标定特点,提出用改进粒子群算法优化标定机器人几何参数,其中粒子初始位置和速度由拟随机Halton序列产生,采用浓缩因子法修改粒子飞行速度,建立了用IPSO标定机器人几何参数目标函数数学模型,确立了用该算法优化标定几何参数的具体步骤.通过对ER10L-C10工业机器人仿真与实测标定,结果证实：采用该方法能够快速标定机器人几何参数,经标定后的机器人末端绝对定位精度有大幅提高.该算法简单,鲁棒性强,易于在工业机器人标定中推广应用.     

高光谱遥感图像混合像元分解的群智能算法

近年来,通过群智能算法求解组合优化或连续优化问题以实现高光谱图像混合像元分解方面取得了重要进展和显著成果.本文首先回顾了高光谱图像混合像元分解的研究背景和群智能算法的特点,然后梳理了光谱混合模型及对应的最优化模型,进而介绍了基于群智能算法的端元提取和丰度反演方法,最后通过2组实验比较了群智能算法和其他传统算法在端元提取和丰度反演方面的精度,对基于群智能算法的混合像元分解效果进行了评价.另外,本文也对群智能算法在高光谱图像信息提取中应用的优势和存在的问题进行了总结.     

激光衍射法测量粒子群窄分布反演优化算法

针对激光衍射法中粒子群窄分布反演普遍存在峰位粒径定位不准及峰值偏差较大的问题,提出了一种适合粒子群窄分布的二次分环反演遗传优化算法.大量数值模拟计算结果表明:应用优化算法反演的粒度分布曲线与实际粒度分布曲线的一致性得到显著提高,在1~140 μm量程内,粒子群窄分布的峰值粒径定位准确,与实际值相比差值小于1 μm,且峰值的精度得到大幅提高,相对误差减小到10％左右.     

动态权重粒子群算法在含“开关”过程四维变分资料同化中的有效应用

粒子群优化算法(Particle Swarm Optimization,PSO)由于其编码简单,易于实施而发展迅速,PSO的性能取决于两个重要因素:惯性权重和学习因子.通过合理设计这两个参数,将动态权重的PSO应用于含有不连续“开关”过程的变分资料同化.为检验算法的有效性,针对一个简化的含不连续开关过程的偏微分方程,操作了3种比较同化数值试验,即基于传统伴随方法,遗传算法(GA)和动态权重的PSO的变分同化.结果显示,当控制方程含有开关时,使用PSO的变分同化结果的质量上明显优于其他两种方法,且PSO的性能更加稳定.对观测误差及模式误差的敏感性试验结果显示PSO方法具有更强的鲁棒性.PSO同化的效果与算法中参数的选取有关,采用好的参数设置能获得更好的同化结果.     

基于粒子群优化的多指标组合算子的大气污染预报模型

根据多指标组合算子法建立了大气污染物浓度预报的参数模型,并采用一种新颖的粒子群优化算法对大气污染物浓度预报模型中的参数进行优化。通过实例计算,该模型同线性回归、模糊模式识别、参数化组合算子方法进行了结果比较,结果表明,所建立的模型比前三种方法平均误差率小,吻合度好,具有较好的预测效果。     

输出非线性方程误差类系统递推最小二乘辨识方法

随着控制技术的发展,控制对象的规模越来越大,使得辨识算法的计算量也越来越大.对于结构复杂的非线性系统,特别是包含未知参数乘积的非线性系统,使得过参数化辨识方法的参数数目大幅度增加,辨识算法的计算量也急剧增加,因此探索计算量小的参数估计方法势在必行.针对输出非线性方程误差类系统,讨论了基于过参数化模型的递推最小二乘类辨识方法;为减小过参数化辨识算法的计算量和提高辨识精度,分别利用分解技术和数据滤波技术,研究和提出了基于模型分解的递推最小二乘辨识方法和基于数据滤波的递推最小二乘辨识方法.最后给出了几个典型辨识算法的计算量、计算步骤、流程图.     

基于单CCD尺寸检测的摄像机标定方法

为提高机械零件尺寸检测的精度,针对Tsai两步标定法中初始参数不精确的问题,提出了基于直线投影约束的三步标定方法.该方法首先利用直线投影约束条件求解出图像中心点和畸变参数的初始值,然后结合径向排列约束条件求解超定方程组得出全部外部参数和余下内部参数值,最后对全局参数进行非线性优化.为验证提出方法的效果,通过建立基于图像模板的世界坐标系实现,即首先利用图像像素坐标求取摄像机坐标,再将摄像机坐标进行归一化,利用外参数矩阵就可以求解出图像点的世界坐标.结果表明,该方法可以有效提高摄像机标定的精度,像素误差可达0.126 5像素点,单目视觉尺寸检测中任意两点距离误差小于0.41%.     

人工神经网络算法在红外高光谱资料反演大气温度廓线中的应用

基于红外高光谱大气探测器AIRS实况观测资料,尝试用人工神经网络算法来实现晴空时大气的温度垂直廓线反演,重点将该算法与目前已经发展比较成熟的特征向量统计反演算法进行比较。结果表明,两种算法在计算时间效率和反演精度上相当。鉴于人工神经网络算法的统计物理本质,误差反向传播BP神经网络可以求解非线性问题,在优化训练样本和继续调试网络种类和网络参数的基础上,有望能进一步提高反演精度。     

小波频率估计方法及其在通信信号检测中的应用

小波变换作为新的信号分析工具,受到学者们的重视,然而如何将小波尺度与频率联系起来,是一个亟待解决的问题.为了求解小波的中心频率,提出了一种基于正弦波的模型,并将模型推广到任意采样间隔与任意小波尺度.由于模型的非凸性,传统的基于梯度的优化方法容易陷入局部最优,因此提出了一种基于Rossler吸引子的粒子群算法.实验给出了常见小波的频率值,并通过一个通信信号检测的例子证明了该方法的有效性.     

云闪测向定位算法

基于多站测向交叉算法,提出云闪侧向定位算法。根据各站仰角、方位角信息求解出各组闪电位置,由最大值和最小值约束条件剔除粗差较大的解后,引入加权运算得到较为准确的定位信息,再利用高斯牛顿迭代算法得到精准的云闪位置信息,从而实现云闪的三维定位。通过蒙特卡罗模拟方法,对算法进行评估,详细分析了站网多种因素对定位结果的影响。研究表明:该算法提高了定位精度,测向误差为1°时,4站站网误差低于500 m,站点越多定位精度越高,但综合考虑4站、5站站网为优,测向精度提高时,定位精度也随之提高;站网呈均匀布站方式优于T型等布站方式,均匀布站在实际中更具实用性。     

基于冬小麦农业气候分区的WOFOST模型参数标定

以1981-2010年河南省113个气象观测站影响冬小麦生长及产量形成的主要气象因素为区划指标,利用K均值聚类算法,将河南省划分为5个农业气候生态区.根据2013-2017年地面农业气象观测数据,利用Sobol全局敏感性分析方法,各分区选择总敏感指数大于0.01的作物参数,得到9种敏感参数.以产量与叶面积指数为代价函数...     

基于蚁群算法的暴雨强度公式的优化

为使蚁群算法能用于复杂的连续函数的参数优化问题,需对离散优化的蚁群算法思想进一步加以引申和发展,提出了一种基于蚁群算法的函数优化新模型,并将其应用于暴雨强度公式中的参数优化。新的优化算法与其它优化算法结果的比较表明:该算法应用于函数优化问题,精度较高,有较强的可行性、并行性和实用性。     

随机森林算法在人工增雨效果统计检验中的应用研究

评估人工影响天气的效果通常需通过一定的方法近似求出未作业时的降水量,传统的人工影响天气效果的统计检验方法以线性回归为主,这种方法能够较好地建立目标区和对比区的历史回归方程。但实际上,降水量受多种因素影响,通过历史回归方法无法解决降水量非线性的问题。为解决降水估算中存在的非线性问题,提高降水量估算精度,引入了当下流行的机器学习算法——随机森林算法。使用优选出的多个与降水量相关的预报因子,分别构建了月、日降水估算模型,然后利用江西省南昌市1961-2010年降水数据及环流指数数据,并结合2012-2014年南昌市地面增雨作业信息,验证所建模型估算降水的可行性和人工增雨作业效果统计检验的适用性。结果表明,随机森林模型估算精度较高、泛化能力强,能较准确地估算月、日降水量,对于稳定性降水的估算准确率达90%;但随机森林模型对汛期的月降水量和强对流天气影响下的日降水量估算结果较观测值偏低,有待进一步订正和研究。总体来说,随机森林模型具有精度高、稳定性好、收敛快、不用进行数据预处理、参数少、操作便捷等特性,在综合性能上具有一定优势和可推广性。     

雷达定量降水估计技术及效果评估

为提高雷达定量估测降水的精度,利用广东省6部新一代多普勒天气雷达(CINRAD/SA)回波资料和雨量计降水量观测资料,采用概率配对法(PFT,Probability-fitting technique)建立Z-I关系进行单部雷达降水估测,并采用最优插值法(OI,Optimum Interpolation)对降水估计进行订正;为扩大降水估测的范围,对多部雷达的降水估计进行拼接,采取重叠区域以各部雷达的均方根误差平方的倒数作为权重系数(iω==1/RMSE(K)2/n∑i-1/RMSE(i)2)进行加权平均,并分别分析比较上述方法得到的降水估计与单纯OI雨量计及与雷达拼图回波强度得到的降水估计的优劣。以上各环节误差分析表明,对于单部雷达,雨量计降水强度与其上空9点平均的雷达回波强度关系最为密切;6部相同型号的雷达估测降水精度各异。交叉检验表明,OI雷达法对单部和多部雷达估测降水均可取得较好的校准效果;对于多部雷达的降水估测,单部雷达先分别进行OI订正后拼接,然后对重叠区再次OI订正的结果比直接对未订正的单部雷达降水估计拼接后统一做一次OI订正的效果好。多部雷达降水估计拼接时,前期对于单部雷达降水估计的订正尤为重要;多部雷达降水估计的拼接值精度要明显高于OI雨量计,而相比由雷达拼图回波强度得到的降水估计而言,前者也优于后者。因此,多部雷达降水估计的拼接方法,对雷达资料的应用有较好的参考价值,在业务上也有一定的应用前景。     

Intelligent optimization algorithms to VDA of models with on/off parameterizations

Some variational data assimilation (VDA) problems of time- and space-discrete models with on/off parameterizations can be regarded as non-smooth optimization problems. Same as the sub-gradient type method, intelligent optimization algorithms, which are widely used in engineering optimization, can also be adopted in VDA in virtue of their no requirement of cost functions gradient (or sub-gradient) and their capability of global convergence. Two typical intelligent optimization algorithms, genetic algorithm (GA) and particle swarm optimization (PSO), are introduced to VDA of modified Lorenz equations with on-off parameterizations, then two VDA schemes are proposed, that is, GA based VDA (GA-VDA) and PSO based VDA (PSO-VDA). After revealing the advantage of GA and PSO over conventional adjoint methods in the ability of global searching at the existence of cost functions discontinuity induced by on-off switches, sensitivities of GA-VDA and PSO-VDA to population size, observational noise, model error and observational density are detailedly analyzed. Its shown that, in the context of modified Lorenz equations, with proper population size, GA-VDA and PSO-VDA can effectively estimate the global optimal solution, while PSO-VDA consumes much less computational time than GA-VDA with the same population size, and requires a much lower population size with nearly the same results, both methods are not very sensitive to observation noise and model error, while PSO-VDA shows a better performance with observational noise than GA-VDA. It is encouraging that both methods are not sensitive to observational density, especially PSO-VDA, using which almost the same perfect assimilation results can be obtained with comparatively sparse observations.     

一个基于打靶法的大气污染源反演自适应算法

污染源反演对大气污染预报及控制有重要意义。目前普遍采用的源反演统计方法存在对观测误差、源清单先验估计误差敏感等弱点。基于打靶法思想的各种算法以其精度高、程序简单、实用性强的特点被广泛应用于系统控制领域。本文提出的基于打靶法思想的大气污染源反演自适应算法在精度高、算法简明的基础上弥补了统计方法的不足:能处理源清单中的大误差、初值大误差、观测值在个别时间点的大误差;无需先验分布假设及误差估计。本文还以简单模型的理想试验为例,展示了该自适应算法的计算效果。     

四川省潜在蒸散量估算模型

Penman-Monteith法是FAO-56推荐的计算潜在蒸散量的标准方法, 但由于涉及的气象要素较多, 难于在业务中应用。以综合气象干旱指数的业务化应用为目标, 利用1971-2000年四川省156个气象站的观测资料, 以Penman-Monteith法计算结果作为标准,分析了Thornthwaite法和Hargreaves法对川西高原和四川盆地年、月潜在蒸散量的估算精度, 建立了可供业务应用的E_T0估算模型, 并应用于2006年四川省特大伏旱监测, 结果表明:Thornthwaite法反映不出E_T0的年际变化,在冬季显著偏小, 而Hargreaves法对E_T0的年际变化具有较好的反映能力, 与Thornthwaite法相比,其E_T0年、月估算值更接近于Penman-Monteith法标准值,且Hargreaves法估算值与Penman-Monteith法标准值之间具有较好的线性关系,引入风速和相对湿度两个订正因子后,Hargreaves订正值的误差可控制在10%以内, 基于该文E_T0估算模型计算的综合气象干旱指数对四川干旱具有较强的监测能力。