基于BP神经网络的陕西春季浅层地温预测模型

利用2016—2021年春季(3—5月)陕西98个国家级地面气象观测站逐日观测资料,运用BP神经网络构建了陕西春季不同区域(陕北、关中、陕南)不同月份(3、4、5月)不同土壤深度(5、10、15、20 cm)地温预测模型,并利用2022年数据进行模型预测检验。研究结果表明：模型预测的各深度日平均地温在陕北、关中、陕南地区预测准确率＞95%,且整体表现出土壤深度越深预测准确率越高的趋势,10 cm日平均地温预测准确率＞98%,15、20 cm日平均地温预测准确率＞99%;各深度日平均地温在陕北、关中、陕南地区预测值与实测值的均方根误差≤10 ℃、平均绝对误差≤08 ℃,均方根误差和平均绝对误差整体表现出土壤深度越深误差值越小的趋势;模型预测精度比较理想,可用于陕西春季浅层地温预报业务,为春播及果树花期预报提供技术支持。     

基于高频雷达回波谱多特征融合的浪高反演算法

高频地波雷达海洋回波谱的 Bragg 峰和二次谐波峰中,均蕴含着浪高信息,因此发展出了基于 Bragg 峰功率 （Power of Bragg Peak,PB）、二次谐波峰与 Bragg 功率比 （Power Ratio of Second Harmonic Peak to Bragg Peak,RSB）、双频 Bragg 峰功率比 （Power Ratio of Dual Frequency Bragg Peak,RDB） 等浪高反演算法。然而,三种算法均无法实现不同海况、不同距离下浪高的精确反演。本文研究发现,PB 算法适用于低海况,RSB 算法在近距离高海况下表现良好,而 RDB 算法适用于远距离测量,即三种算法高性能测量区间存在强互补性。在此基础上,本文提出了一种基于多特征 （PB、RSB 和 RDB） 融合的浪高反演算法,其中采用反向传播（Back Propagation,BP） 神经网络作为特征融合器。实验表明：本文算法在测量精度、波高适应范围、距离适应范围上均优于现有波高反演算法。     

模糊聚类分析在粤西芒果炭疽病流行区域划分上的应用

根据粤西６个市（县）种植的３个主要芒果品种芒果炭疽病（Ｇｌｏｅｏｓｐｏｒｉｕｍ ｍａｎｇｉｆｅｒａｅ Ｐ．Ｈｅｎｎ．ｅｔ ａｌ）病情指数,应用模糊聚类分析方法,划选出粤西种植芒果的适宜区域,并指出干旱地区不利不该病发生。     

基于神经网络优化算法的海洋动态缓波型立管设计

柔性立管连接海上平台和水下生产系统,缓波型构型可以减轻其受到的顶部张力和疲劳损伤,触地点处系链对于固定水下立管起着重要作用,然而加装系链的缓波型立管系统设计更为复杂。通过缓波型基本理论计算出合理的立管初始状态,之后使用立管分析软件OrcaFlex,在充分考虑环境因素、船体结构、立管材料和线型以及重力块、浮力块、系链等配置参数的情况下,建立缓波型立管系统有限元模型,通过静动态分析验证其满足设定的关于立管构型、张力、弯曲半径,系链张力和FPSO偏移量5个约束条件。结合神经网络优化算法和遗传算法制定出针对文中立管系统的优化算法并通过MATLAB编程将浮力块数量优化至最少,之后基于L-M算法构建神经网络模型,通过迭代训练提升精度,得到最终参数优化结果。通过对比优化前后静动态分析结果可知：优化后浮力块数量大幅减少,立管最大有效张力大幅减小,而悬挂段最低点深度有一定程度的增大,整体构型更趋向于合理的缓波型构型。     

浅析语义模糊与语用模糊

国内学者何自然关于语用含糊的论述开启了我国模糊语言学的研究。多年来学术界也不乏对语用模糊和语义模糊的对比研究。本文在俞东明,李秋梅,林波等学者基础上,旨在对语义模糊和语用模糊的概念,产生的根源及它们的区分方法作进一步的论述。     

海水声速剖面基函数的重构性能分析

海水声速剖面通常使用经验正交函数（Empirical Orthogonal Function,EOF）进行稀疏表示,然而基函数会受到数据完备性和数据测量时间的制约,其代表性误差会导致声速剖面重构精度受限。为了提高声速剖面的重构精度,本文利用模糊C均值聚类对BOA_Argo历史数据集进行聚类分析,探讨不同聚类空间的训练集数据对实测声速剖面重构精度的影响。研究表明,声速剖面具有明显的时空聚集特性,聚类后的历史声速剖面集生成的基函数和平均声速剖面具有最优的重构性能。本文研究结果有助于为历史声速剖面训练集的选取提供实际指导意义,进而提高声速剖面重构精度乃至反演精度。     

阶段模型修正的星载GNSS-R土壤湿度反演方法EI北大核心CSCD

本文提出了一种基于CYGNSS数据的星载GNSS-R土壤湿度反演方法。首先,基于CYGNSS数据提取地表反射率参数,联合SMAP数据中提取的植被光学厚度、地表粗糙度和温度等辅助信息,初步构建了土壤湿度反演理论模型,并利用神经网络模型确定了土壤湿度反演的精细数学模型;然后,将该模型处理获得的土壤湿度以35%为分界点,利用本文提出的阶段函数模型提高反演精度,并使用2018年10月—2019年5月的CYGNSS数据,获得了全球范围内星载GNSS-R土壤湿度;最后,通过与SMAP提供的土壤湿度数据进行对比,评估了本文提出的星载GNSS-R土壤湿度反演方法的有效性,并对获取的星载GNSS-R土壤湿度进行了时间序列分析。结果表明,本文提出的土壤湿度反演方法的结果与SMAP土壤湿度具有良好的一致性,且随时间变化的趋势也相符合,为高精度土壤湿度反演提供了一种思路。     

应用图像关联度的图像模糊分类

提出了应用图像关联度的图像模糊分类新方法。该方法在求得每幅图像相对各个类别的关联度的基础上,求得每个类别图像关联度的均值和标准差σ;然后计算每幅图像的关联度与所在类别关联度均值之差Δi,差值Δi≤2σ,该图像应“留“在该类中;否则,该图像应归入与另两个类别的关联度较大的类别。每幅图像都经过这样的检验,实现图像的再划分,直到这一过程稳定为止。实验结果表明,该方法的图像分类质量有一定优势。