三位一体找矿预测模型的表达式

三位一体找矿预测模型是勘查区找矿预测理论遵循的原则。三位是指成矿地质体、成矿结构面、成矿作用标志,一体是指矿体、矿床或矿田。可以理解为成矿地质体、成矿结构面、成矿作用标志决定矿体、矿床或矿田产出的空间位置,反映的是成矿要素与成矿产物之间的空间关系,或者空间结构模型,是由某一个成矿地质体决定的矿床成矿系统的最小单元,如某斑岩体决定的次火山热液成矿系统和同生断裂决定的热水沉积成矿系统。 根据中国地质调查局(2016)颁发的1:50 000 矿产地质调查工作指南(试行),成矿地质体是指与矿床形成在时间、空间和成因上有密切联系的地质体。成矿结构面是指赋存矿体的显性或隐性存在的岩石物理及化学性质不连续面,也就是赋存矿体的各类界面。成矿作用标志是指能够直接指示矿体赋存位置的、对找矿预测具有特殊意义的标志(中国地质调查局,2016)。矿床成岩成矿年代学及成矿作用产物与成矿地质体的空间关系表明,成矿地质体在成矿过程中,仍然主要起导矿构造的作用,尽管部分成矿现象类似于侧分泌成矿,但规模热液矿床的形成必然伴随着大规模流体沿构造通道持续或间歇性运移。完整的成矿系统必然包含源、运、储三个基本环节(翟裕生,2005),所以成矿地质体也可以表述为导矿构造,进而将三位一体找矿预测模型定性地表述为导矿构造、成矿结构面和成矿作用标志决定成矿作用产物产出的空间位置。模型的定量表示则需要研究导矿构造、成矿结构面和成矿作用标志的响应范围及其耦合关系。     

TRMM星载测雨雷达和地基雷达反射率因子数据的三维融合

TRMM卫星上的测雨雷达(TRMMPR)探测资料分布均匀且具有很高的垂直分辨率,但灵敏度较低;地基雷达(GR)水平分辨率较高且具有较高的灵敏度,但其垂直分辨率低。通过将TRMM PR与GR反射率因子数据的三维数据融合,得到了更优的反射率因子图像。测雨雷达与地基雷达三维数据融合主要分为以下几步:测雨雷达与地基雷达数据预处理——如去杂波、衰减校正;测雨雷达与地基雷达时空匹配;选取和应用合适的三维图像融合算法;对融合后的图像进行效果评估。试验结果表明:融合后的图像不仅增大了信息量,更好地检测弱降水,还提高了空间三维(3D)分辨率,能更好地反映降水区域细节,且使得数据总体上具有更高的完整性和可靠性。此外,还将基于雷达资料估测的降水数据与地面雨量计数据进行对比,估计反射率因子数据融合在降水测量上的有效性。      

执行器退化的遥机器人系统量化反馈容错控制

针对遥机器人系统中存在执行器退化、控制输入量化,且编、解码端的量化灵敏度参数不匹配的问题,设计了遥机器人系统的鲁棒量化反馈容错控制系统.控制器结构的线性部分由线性矩阵不等式给出,旨在解决系统指标性能问题,非线性部分则用于处理量化参数不匹配问题.经稳定性理论证明,提出的鲁棒量化反馈容错控制方法能消除执行器退化及量化参数不匹配等的影响,并确保从机器人能渐近跟踪主机器人.最后,算例仿真验证了方法的有效性.     

青藏高原极端气温的动力降尺度模拟北大核心CSCD

利用ERA-Interim再分析资料作为边界条件,基于耦合陆面模式Noah-MP的区域气候模式WRF在东亚区域进行了动力降尺度模拟(简称WRF2),对比格点观测资料,评估了动力降尺度对青藏高原极端气温指数的模拟能力,在此控制试验基础上,分别将WRF的陆面模式替换为Noah LSM,边界条件替换为CCSM4,进行了两组敏感性试验(分别是WRF1和WRF3),通过与控制试验的比较,分析了边界条件和陆面模式对极端气温指数模拟的影响。结果表明,WRF2能较好地模拟青藏高原极端气温指数气候态的空间分布,但存在一定的冷偏差;受边界条件影响WRF3模拟的极端气温指数的气候倾向率存在负偏差。同时,尽管采用不同的边界条件,耦合相同陆面过程的两次数值试验对极端气温空间分布的模拟能力相似,相比WRF2,WRF1表现出更强的冷偏差;但边界条件对极端气温指数气候倾向率的影响大于陆面模式,WRF3模拟的极端气温指数气候倾向率与观测结果更为接近。     

SAR影像与光学影像的高斯伽玛型边缘强度特征匹配法

提出了一种基于影像边缘强度图描述的SAR影像与光学影像匹配方法。首先对影像进行粗纠正,消除影像之间的尺度和旋转变化;其次,改进相位一致性特征检测方法,提取对影像相干斑噪声稳健的特征点;然后基于高斯伽玛型双边窗口比值算子计算影像边缘强度图,在此基础上构造不变特征描述符;最后联合几何约束条件,实现SAR影像与光学影像匹配。试验结果证明,与现有方法相比,本文方法能够大幅提高SAR影像与光学影像匹配结果中的正确匹配特征数量以及影像配准精度。     

历史数据和强化学习相结合的低频轨迹数据匹配算法

针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图匹配过程建模成马尔科夫决策过程,利用轨迹点偏离道路距离和历史轨迹构建回报函数;然后借助强化学习算法求解马尔科夫决策过程的最大回报值,即轨迹与道路的最优匹配结果;最后应用某市浮动车轨迹数据进行试验。结果表明:本文算法能有效提高轨迹数据与道路匹配精度;本算法在1min低频采样间隔下轨迹匹配准确率达到了89.2%;采样频率为16min时,该算法匹配精度也能达到61.4%;与IVVM算法相比,HMDP-Q算法匹配精度和求解效率均优于IVVM算法,16min采样频率时本文算法轨迹匹配精度提高了26%。     

顾及邻域居民地群组相似性的道路网匹配方法

现有多源同比例尺道路网匹配方法中,大多只利用道路自身特征进行匹配,而较少顾及道路周边要素对匹配过程的影响和约束,从而影响了道路网匹配效果的进一步提高,特别是对系统误差改正后仍存在一定位置或旋转偏差的道路数据进行匹配时,这种影响尤为明显。本文借鉴人类对陌生环境的空间认知特点,提出了一种顾及邻域居民地群组相似性的道路网匹配方法。该方法通过构建城市骨架线网确定与道路相邻的居民地群组,进而计算居民地群组空间关系和几何特征相似度来获得对应道路的匹配结果。其特点在于:对存在位置或旋转偏差的道路数据匹配,以其邻域空间内居民地群组的整体相似性指标来带动道路自身匹配,实际上是增加了周边居民地群组对道路匹配过程的约束,更具鲁棒性。试验及对比分析表明,本方法能够较好地解决系统误差改正后仍存在较大位置和旋转偏差的道路数据间的匹配问题,提高匹配的正确率。     

全景图增强地理现实的空间认知问题

基于全景图的增强地理现实平台是一种新的空间认知工具,研究其空间认知问题是进行技术研究的基础。文中介绍全景图增强地理现实的主要技术流程和优势;阐述基于全景图增强地理现实进行空间认知的基础模型;分析全景图和地理信息数据的信息匹配问题,包括比例尺和位置匹配两个方面;介绍地理信息在全景图像上的表达方式,重点解决增强目标和属性信息的选择问题;最后通过与街景地图、虚拟现实平台进行空间认知比较,得出全景图增强地理现实平台的有效性和主要适用范围,表明该平台具有独特的空间认知优势。     

SAR影像匹配算法的研究

提出了一种高效稳定的SAR影像匹配算法,该算法首先采用Frost滤波对SAR影像的斑点噪声进行预处理,再结合SIFT和SURF算法对滤波后的SAR影像进行特征点提取,使用Matlab程序实现立体影像无痕拼接,实现了SAR影像的高精度匹配,该方法提高了SAR影像的匹配成功率,减少了匹配时间。     

公路勘察测绘中抵偿面任意带高斯投影坐标系的建立

根据投影综合变形公式针对线路长度归化变形值及高程归化变形值进行分析,结合公路勘察测绘项目的特点及投影变形规范要求,合理选择投影带和投影面,利用两种变形一正一负,相互抵消,建立抵偿面独立坐标系统,使工程平面控制网控制点之间的反算边长与实地量测边长基本一致。同时根据公路勘察项目特点需要划分几个抵偿坐标系并通过七参数坐标转换解决不同抵偿坐标系线性相接问题,得到公路勘察设计需要的最终坐标体系。