基于已知钻孔的场地类别模糊等值线的建立

对照现行《建筑抗震设计规范》（GB50011-2001）场地类别划分方法,应用模糊数学原理,推导了场地类别的模糊二次评价方法,得出了场地类别的模糊向量和模糊特征周期,实现了场地类别划分的连续化;在此基础上,基于收集到的杭州市254个建筑场地波速钻孔实测资料,通过建立场地类别地质模型,实现了场地类别、特征周期的模糊等值线,与实测资料对比,结果表明：由该模糊等值线得出的建筑场地抗震类别与现行《建筑抗震设计规范》给出的场地类别是统一的,模糊特征周期与规范给出的特征周期基本上是吻合的,该模糊等值线对建筑抗震设计具有指导意义。     

多频载波相位组合进行单点定位

不同于双频数据的应用,多频数据的采用对单点定位有着特殊意义,可以更好地获得其模糊度的解。基于卫星导航定位系统多频载波相位线性组合理论,研究了具有特殊意义的组合观测值及其特性。在此基础上,通过多频观测值数据的数值仿真,采用新方法进行整周模糊度快速求解。编制了基于多频载波相位组合单点定位软件,通过结果的比较分析,得出有一定实际应用意义的结论。此方法算法简单,速度快,能够满足实时导航定位的需要,具有工程应用价值。     

苏里格气田盒8气藏气水层测井识别研究

鄂尔多斯盆地苏里格气田盒8气藏为弹性驱动的河流相低效气藏,储层非均质性强,在开发中普遍见水。根据试采情况将气藏储层分为气层、水层、气水层三类,开展气、水层的测井识别研究。以区内26口井50个射孔层段各层的试油结果作为依据,选出了700个样本点作为判识建模的标本,以声波时差和中子孔隙度等8个原始测井值作为判识变量组合,采用模糊判别分析,建立了各层的判识模型。回判结果表明,模型对气层精度达到97％,水层为89％,气水层为94％。利用未参加建模的出水井射孔段对模型进行验证,判识结果基本符合实际情况,模型具有较高精度。     

FS方法及其在综合多项震兆中的应用

本文提出了一种模式识别方法--FS方法.该方法的特征取为某些论域上的模糊子集.先以每三个原始特征组成子分类器的特征集,“训练”这些分类器,然后对子分类器进行筛选,最后用筛选出的子分类器的“软”分类结果的加权平均作为判别函数,形成总的分类决策.将FS方法应用于综合多项震兆,并进行了一系列控制试验,还与地震学中几种常用的方法进行了对比试验.结果表明,FS方法是稳定和有效的.     

模糊理论在公路边坡稳定性分析中的应用

边坡工程是一个复杂的系统工程。边坡的稳定与否直接关系到其防护工作的程度。因此,如何有效、合理地判断边坡的稳定性对整个工程的经济与社会效益极为重要。影响边坡稳定的因素众多,判断其稳定与否应考虑各因素的综合效果。论文运用模糊理论中的多因素综合评判模型对某高速公路边坡的稳定性进行研究。通过全面考虑影响因素,建立相应的评判因素集及单因素评判矩阵,运用专家评判法和判断矩阵法确定出各因素的权重。最后通过多层次模糊评判得到该边坡的稳定性评判结果。研究证明,该法在边坡稳定性分析评判中是切实可行的。     

改进的ARCE方法及其在单频 GPS快速定位中的应用

基于TIKHONOV正则化原理，设计了一种正则化矩阵的构造方法，将ARCE(ambiguity resolution using constraint equation)方法进行了改进。通过新的正则化矩阵的作用，减弱了GPS快速定位中少数历元情形下法矩阵的病态性，得到了比较准确的模糊度浮动解，大大减小了模糊度的搜索范围，利用ARCE方法固定模糊度的成功率高。并结合一个算例，验证了本文改进方法的效果。     

矢量数字地图数据质量的综合评估

研究和确定了矢量数字地图数据的质量评估因子和评估标准,介绍了利用模糊综合评估方法进行质量评估的过程和做法,并给出了实例.     

基于模糊识别的水资源承载能力综合评价

应用模糊识别模型解决水资源承载能力综合评价问题,根据水资源承载能力相关因子自身的数据结构特性,通过模糊识别模型得到样本的级别特征值,从而达到对待评价区域的识别、归类,同时可以得到各相关因子在评价过程中的贡献率,实例部分将模型应用于全国30个省市、自治区的水资源承载能力评价,结果表明该方法的实用性和客观性。     

单频GPS整周模糊度动态快速求解的研究

提出了一种动态快速求解整周模糊度的方法,即先对系数阵进行QR分解,然后通过矩阵变换使模糊度参数和位置参数分离,从而降低矩阵的维数,满足实时动态求解的要求,最后应用LAMBDA方法搜索模糊度。为验证该算法,用单频GPS接收机进行了静态定位和动态定位两种试验。结果表明,静态定位误差小于1cm,动态定位误差小于3cm。由此可见,该方法能够为动态用户快速而精确地实施GPS单频动态定位。     

基于PCM改进算法的遥感混合像元模拟分析

混合像元的存在是影响遥感图像分类精度的主要原因,模糊分类是进行混合像元分解的重要方法,其效果的好坏取决于各像元分类后对各类别的隶属度值能否准确地反映像元的类别组成。当非监督分类中的聚类数目与实际类别数目不符,或者监督分类中训练样本存在未训练类别时,常用的模糊c-均值(FCM)方法的效果将大大降低,而可能性c-均值(PCM)方法则可以解决这个问题。该文提出了基于PCM算法的遥感图像混合像元分解方法,并用监督分类方法实例说明PCM方法的优越性。