海温异常模之线性相互作用及其对西北太平洋热带气旋生成频数变化的影响

利用美国台风联合警报中心的best-track热带气旋信息数据集,运用多元线性回归、平衡反馈(EFA)以及广义平衡反馈分析(GEFA)方法,结合EOF,探讨海温异常模之线性作用及其对西北太平洋热带气旋生成频数(TCGN)变化的影响。单个海盆SSTA模的EFA结果显示,TCGN对热带太平洋海表温度异常(SSTA)经向模(TP2)、北太平洋第二模(NP2)、热带印度洋海盆一致模(IOBM)、北大西洋第一模(NA1)及第二模态(NA2)的反馈响应显著。多元回归分析表明,西北太平洋TCGN变化与热带太平洋第一模(TP1)、IOBM、NA1有显著的统计关系。GEFA的结果显示,IOBM和NA1对TCGN变化的强迫作用通过0.1以上的显著性水平检验。GEFA与EFA的差异反映了TP2、NP2和NA2分别受其它海盆的影响明显;GEFA与多元回归结果的差异反映了TP1具有强的海气相互作用特征,表明GEFA能够鉴别出海洋对大气的强迫作用。     

基于线性参照系统的高铁沉降数据集成模型

针对高铁沉降监测数据的海量特性,以及传统管理方式存在的效率不高、可视化效果不好的问题,设计了一种基于线性参照系统有效管理和显示高铁沉降监测数据的集成模型。该模型中,高铁路网以路径要素集存储,高铁沿线非空间数据以事件表的形式存储,由此实现高铁沉降监测相关的空间数据和属性数据的线性建模与集成。同时,使用Arc Engine组件与.NET平台实现了沉降监测数据空间查询和可视化表达功能,可形象地反映高铁线路与沉降监测点的分布状况,更易于进行沉降数据的可视化分析、预测和评估。数据集成模型实现了非空间数据和空间数据的一体化管理,有效地减少了数据存储冗余,提高了高铁变形监测数据管理的效率,对我国高速铁路的建设与运营安全的海量监测数据管理具有一定的参考价值。     

铁路工程中AutoCAD与GoogleEarth线路图转换方法

基于ObjectARX技术,结合拉美某国铁路项目,研究了ACAD线路数据向GE的转换方法,并简述转换后的GE线路图在铁路项目路线设计和后期巡检等管理工作中的实际应用。     

滑坡监测数据处理回归模型分析及探讨

主要介绍了滑坡监测的技术和方法,并通过万源市太平镇某滑坡监测实践,阐述了在地形复杂、观测条件恶劣的山区进行滑坡监测时,基准监测点选择、监测网布设、数据处理的方法。最重要的是用线性回归方程分析监测数据,为科学治理提供可靠的依据。     

基于核半监督判别分析的高光谱影像特征提取

针对高光谱影像特征提取中地物类别训练样本获取代价较高的情况,在线性判别分析的基础上,结合核方法和半监督学习理论,提出了一种基于核半监督判别分析(KSDA)的高光谱影像特征提取方法。该方法同时利用少量已知类别和大量未知类别样本数据进行模型的学习和训练。通过OMIS高光谱影像数据实验表明:在少量已知类别训练样本的条件下,经KSDA特征提取的样本数据在特征空间中能更好地聚集成团,且类别之间的距离较大,增加了类别之间的可分性,得到了较高的分类精度;同时,提取的特征影像能够较好地区分各种地物类别。     

层次分析法创建地热水前景评价模型的研究

在地热能源不断得到关注和利用的当今社会,对其科学合理地开发利用显得尤为重要。文章采用层次分析法和多目标决策的线性加权相结合的方法建立了地热水开发利用前景评价模型,避免了以往单纯从定性角度分析地热水开发利用前景的人为主观性及片面性,保证了评价结果的客观准确,经实例验证,是一种行之有效的评价方法。作者选取地热地质条件、经济发展水平、开发利用现状作为层次分析法的中间层要素,进而将其进一步分解为不同的组成因素,运用层次分析法计算出各项指标的权重,结合多目标决策的线性加权方法建立综合评价评分的数学模型,最后根据地热田的实际情况,综合评价,确定评价结果。     

一种基于线性KD树的点云数据组织方法

常规KD树索引对大规模点云数据进行组织和管理时,指针的存储往往耗费大量的内存空间。本文结合线性索引的编码思想,提出了一种线性KD树索引的构建和查找方法,存储点云时可以充分利用内存空间,通过自然数编码表示结点间的关系,并给出了线性KD树的构建和邻域查找方法。最后通过与开源最临近搜索库ANN库进行对比试验,证明本文的线性KD树索引可以明显减少点云组织时的内存消耗,并与基于指针的ANN库具有相近的临近查找效率。     

应用延迟累加的微弱GPS信号捕获算法

针对在弱信号环境下传统算法无法进行捕获的问题,提出了一种改进算法。该算法在双块零拓展(double block zero padding,DBZP)算法的基础上,采用延迟累加的方法,首先将DBZP算法相关运算结果中被舍弃的部分暂存,然后对延迟1ms的接收信号进行相关运算,得到相应的相关运算结果,将其与存储的运算结果进行相干累加,并将相干累加结果作为捕获模块输出与门限值进行比较。改进算法在增加极少运算量的前提下,通过提高相关运算结果的利用率,增加了数据观测量。仿真结果表明,改进算法能够提高捕获算法处理增益,在捕获载噪比为17dB-Hz的信号时,检测概率能够达到91%。     

基于BP神经网络的霍普菲尔德模型改进研究

为了分析对流层延迟的时空变化规律、提高对流层延迟的改正精度,利用BP神经网络处理非线性问题的优势,改进传统的霍普菲尔德模型得到一种新的融合模型(Hop+BP模型)。分别对比Hop+BP模型与传统的霍普菲尔德模型、多元线性回归模型、BP神经网络等模型的计算结果,得到如下结论:霍普菲尔德模型存在一个明显的系统误差,精度较低;多元线性回归的预测精度有所提高,但是其本质是将数据强制拟合,缺少物理解释,难以推广使用;传统的BP神经网络的计算精度较之霍普菲尔德模型有80%的提高,但存在明显的不稳定性;Hop+BP模型具有预测精度高、稳定性好等优点,预测中误差为1.1cm,明显优于传统方法。     

线性/非线性光谱混合模型估算白刺灌丛植被覆盖度

及时监测干旱与半干旱区光合/非光合植被覆盖度时空变化,可以为指导荒漠化防治工程及植被衰退机制研究提供重要信息。本文以甘肃民勤典型植被白刺灌丛为研究对象,通过地面控制性光谱实验获取混合光谱、端元光谱与丰度信息,开展线性与非线性光谱混合模型(包括核函数非线性和双线性混合模型)估算光合和非光合植被覆盖度的对比研究,采用全限制最小二乘法进行模型解混,分别获取各样本数据中各类端元丰度及其精度信息,通过模型分解的均方根误差(RMSE)与地面验证精度确定用于光合和非光合植被覆盖度估算的最佳光谱混合模型,其中参考端元丰度采用神经网络(NNC)分类算法对数字影像进行分类获取。结果表明:(1)引入阴影端元的四端元模型相对于传统的三端元模型(光合/非光合植被与裸土)能有效提高光谱解混的精度,并提高光合和非光合植被覆盖度估算精度;(2)对白刺灌丛来说,光合植被、非光合植被、裸土及阴影间多重散射混合效应存在,但混合效应不够显著;考虑非线性参数的核函数非线性光谱混合模型表现略低于线性光谱混合模型,因此非线性光谱混合模型在估算白刺灌丛光合和非光合植被覆盖度时相对于线性光谱混合模型没有明显优势;(3)基于光合/非光合植被、裸土与阴影四端元的线性光谱混合模型可以实现白刺灌丛光合和非光合植被覆盖度的准确估算,光合植被覆盖度估算RMSE为0.11 77,非光合植被覆盖度估算RMSE为0.0835。