一种新的沿海区域(似)大地水准面测定方法

在我国沿海区域,由于实测重力数据缺乏,卫星测高数据在这些区域的空白或质量降低,使得依据目前的理论和技术手段所确定的大地水准面在陆域和海域的边界产生割裂现象,导致存在着所谓的陆地大地水准面和海洋大地水准面。本文针对实际中遇到的问题,提出并系统研究了联合GPS RTK与瞬时水位推算技术确定沿海区域大地水准面的方法,并通过试验计算证明了该方法的可行性。     

引入最优自适应因子的状态模型法航空重力测量

引入最优自适应比例因子以改善状态模型法航空重力测量的精度,并尝试将其应用到我国困难地区的重力测量.把重力扰动当作状态量引入Kalman滤波进行最优估计,并引入最优自适应因子调节状态信息的权阵,提高重力扰动的最终解算精度.利用新疆地区不同航次和航高的实测数据,计算了垂直向下方向上的重力扰动.与全球重力场模型EGM2008的对比分析表明,差值中误差在10mGal左右,接近国家在困难地区重力测量精度的限差要求.     

一种基于改进TurboEdit的GPS周跳探测与修复方法

基于TurboEdit算法中的MW组合,利用卡尔曼滤波分离宽巷模糊度以提高模糊度精度。利用移动窗口的多项式拟合对原GF组合中的多项式拟合进行改进,并对周跳的浮点解进行计算。使用GPS数据检测方法的正确性,结果表明,该方法能探测并修复小周跳、大周跳以及多个周跳。     

IAGA模型支持下的灾区基站组网优化

根据矿井、失火办公大楼等灾区自然环境特征,结合基站信号多重覆盖的特点,提出了一种改进自适应遗传算法（IAGA）,对基站组网部署进行优化。首先介绍灾害环境下的时间到达差算法（TDOA）,用精度因子（DOP）刻画精度指标,提出了基站组网部署原则,以定位综合性能作为目标函数求解基站坐标。仿真试验表明,IAGA模型能够较好地应用于应急组网优化的部署,该算法基本能够达到最优解或次优解。     

基于调和分析法与ANFIS系统的综合潮汐预报模型

港口沿岸地区以及河流入海口等地区的精确潮汐预报对于各种海洋工程作业有着非常重要的意义。潮汐水位的变化受到众多复杂因素的影响,而且这些复杂的因素往往有着较强的实变性和非线性。为了进一步提高沿岸港口码头等水域的潮汐水位的预测精度,本文提出了一种基于调和分析模型与自适应神经模糊推理系统相结合的模块化潮汐水位预测模型;并采用相关分析确定整个预测模型的输入维数;模块化将潮汐分解为两部分：由天体引潮力形成的天文潮部分和由各种天气以及环境因素引起非天文潮部分。其中调和分析法用于天文潮部分的预测,ANFIS用于预测具有较强非线性的非文潮部分。模块化综合了两种方法的优势,即调和分析法能够实现长期、稳定的天文潮预报,ANFIS能够以较高的精度实现潮汐非线性拟合与预测。模型使用ANFIS模型和调和分析模型分别对潮汐的非天文潮和天文潮部分进行仿真预测,然后将两部分的预测结果综合形成最终的潮汐预测值。此外,本文选用三种不同的模糊规则生成方法（grid partition （GP）,fuzzy c-means （FCM） and sub-clustering （SC））生成完整的ANFIS系统,并使用实测数据进行验证用以选取最优的ANFIS预测模型。最后将最优的ANFIS模型与调和分析模型相结合进行潮汐水位的最终预报。仿真实验选用Fort Pulaski潮汐观测站的实测潮汐值数据进行预报的仿真实验,仿真结果验证了该模型的可行性与有效性并取得了良好的效果,具有较高的预报精度。     

地球系统模式FIO-ESM对2016-2017年La Ni(n)a事件及其对中国近海地区影响的预测

最近的观测表明赤道太平洋中部及东部的水温略低于拉尼娜事件的阈值,但大气与海洋的状态还不足以完全支持转为弱拉尼娜现象.本研究基于地球系统模式FIO-ESM和集合调整卡尔曼滤波同化方案建立的短期气候同化和预测系统,进行了1992-01-01-2016-10-31的模式同化,结果表明同化系统能够为预测提供较好的初始场.随后对2016-2017年拉尼娜事件的状态以及中国近海地区气温和降水异常进行了未来6个月的预测,结果表明赤道太平洋会在2016年年底继续降温,Ni(n)o3.4区海温异常将持续略低于拉尼娜事件的阈值-0.5 ℃,说明2016-2017年为弱拉尼娜事件,2017年春季东太平洋继续降温,表明此次拉尼娜事件可能会持续较长时间.预测结果同时也表明2016年冬季至2017年春季中国近海地区存在着北高南低的气温异常分布,中国南部地区降水存在负异常.拉尼娜带来的极端天气与气候异常会对中国沿岸地区带来巨大影响,但总体来说2016-2017年拉尼娜事件对中国的影响相对较弱.     

长江口流域亚硝酸盐预测模型与分析

营养盐是控制长江口流域富营养化的关键因子之一。分析亚硝酸盐与其影响因子之间关系,引入人工智能方法,基于弹性BP神经网络,建立亚硝酸盐非线性预测模型,目的是通过影响因子在线监测,间接实现亚硝酸盐在线监测。依据神经网络权值和阈值获取方法不同,形成基于弹性BP神经网络、基于遗传算法和弹性BP神经网络,和基于改进的遗传算法和弹性BP神经网络的亚硝酸盐预测模型3种。通过仿真实验,分析3种模型对亚硝酸盐预测的影响,发现基于改进的自适应遗传算法和弹性BP神经网络的亚硝酸盐模型预测效果最优,为选择合适模型提供依据。     

基于总体最小二乘自适应切片的点云孔洞修补

针对普通孔洞修补方法在修补复杂曲面的孔洞无效或者所修补的曲面不光滑等缺点,提出基于自适应切片的孔洞修补方法。首先,在考虑点云局部特征的情况下对整体点云进行自适应切片,在得到切片后引入总体最小二乘进行拟合,最后,在线上取点填充缺失的点云。实验结果表明,采用自适应切片法修补孔洞能够顾及到点云的曲率和密度变化,保持点云的局部特征,用总体最小二乘法拟合切片得到的孔洞填充点云精度较高,光滑性好。通过对比常规方法,可以得到基于总体最小二乘自适应切片方法修补效果更优。     

浅埋隧道掌子面稳定性二维自适应上限有限元分析

为研究浅埋隧道掌子面稳定性及获取精细化的破坏模式,提出了一种上限有限元非结构化网格自适应加密策略。以单元耗散能权重指标作为网格自适应加密评判准则,该策略同时兼顾了单元尺度与塑性应变。应用高阶的6节点三角形单元并建立上限有限元线性规划模型,以多次反复计算和网格加密的方式实现了二维自适应上限有限元分析并编制了计算程序。利用条形基础地基极限承载力课题,从上限解精度和网格加密形态方面验证了该程序的有效性。针对浅埋隧道掌子面稳定性问题,展开多参数条件下的自适应上限有限元计算,分析了网格加密过程中单元总数与上限解精度的关系,列出不同隧道埋深和内摩擦角对应的隧道掌子面稳定性临界值的上限解,揭示出掌子面稳定性变化规律及精细化的破坏模式。     

复杂场景下无水尺水位的影像水位反演智能检测方法

实现精细化水务管控和洪涝灾害预警,需要实时、准确感知水位突变事件。现有技术不能满足夜晚、雾霾、雨天、雪天、漂浮物遮挡及阴影等复杂恶劣环境下的水位识别需求。为此,本文提出一种融合改进YOLOv5与卡尔曼滤波原理的无水尺水位智能检测技术：(1)引入YOLOv5对水位线(水岸分界线)进行检测,并利用线性拟合方法获得实际水位线;(2)针对水位线在延伸方向无限大而在其法向无限小特点,提出强化中尺度特征的多层级特征融合方法改进原YOLOv5算法;(3)利用卡尔曼滤波引入水位历史信息作为先验知识,提高本技术对复杂恶劣环境的泛化性能;(4)将图像中事先标定的固定的标志物加入到深度学习网络中训练,根据标志位真实尺寸解算实际水位高程,实现无水尺检测方案。相关试验和实践表明,改进的YOLOv5更加轻量化;本文所述水位智能检测技术斜率准确性为97.3%,较原算法提高了2.4%;截距准确性为99.3%,较原算法提高了0.5%;在夜晚、雾霾、雨天、雪天、漂浮物遮挡及阴影等复杂恶劣环境下可以自动、准确识别出水位高程,误差小于0.1 m。