坐标系转换参数初值快速计算的新方法

在已知不共线3点在两坐标系下坐标的条件下,提出一种快速计算两坐标系间转换参数概略值的方法。通过已知的3点构造出一个新的坐标系,根据该坐标系可计算出待求的两坐标系分别与它的旋转参数,从而求得待求两坐标系间的旋转参数。再根据旋转参数计算出平移参数的概略值。通过实验验证方法的正确性。     

时变参数PGM（1,1）模型在变形监测中的应用研究

给出了时变参数PGM（1,1）模型的数值解法,比较了其与GM（1,1）、PGM（1,1）模型的预测精度,分析了灰区间作为预测结果的可靠性。     

张量分类算法的遥感影像目标探测

提出了一种基于张量学习机的遥感影像目标探测方法。该方法基于张量数据模型和张量代数运算, 针对遥感影像数据多维或高维的特点, 将基于向量的监督法学习机扩展为基于张量的监督法学习机, 然后利用凸函数最优化理论和交互投影迭代法求得张量学习机的最优解。最后分别以高光谱遥感影像和高分辨率遥感影像为例, 使用张量学习机进行目标探测。实验表明, 与支持向量机等方法相比, 本文的方法在保持较高探测成功率的同时更好的抑制了虚警。     

苹果树叶片全氮含量高光谱估算模型研究

采用Field-Spec Pro便携式光谱仪,测定了不同苹果品种叶片的光谱反射率及对应的全氮含量,采用相关性及单变量线性与非线性拟合分析技术,对全氮含量与原始光谱反射率、一阶微分光谱、高光谱参数之间的关系进行了分析。研究确立叶片全氮含量的定量监测模型,以期为遥感技术在苹果氮素营养诊断中的实际应用提供理论依据。结果表明:全氮含量与原始光谱在715nm处具有最大负相关系数(r=?0.817),并且基于此波长所构建的对数关系估算模型明显优于线性模型;光谱反射率一阶微分值在723nm处具有最大正相关系数(r=0.87),并且基于此波长所构建的线性和非线性模型的拟合效果接近;对于所选取的3类高光谱特征变量,全氮含量除了与黄边位置及由红边位置和黄边面积所构建的比值植被指数和归一化植被指数的相关性较弱外,与其余变量均呈极显著相关,说明这些变量对苹果叶片全氮含量进行估算具有可行性。对所建立的各类方程进行检验,最终筛选确定在723nm处的光谱反射率一阶微分值所构建的指数模型作为苹果叶片全氮含量的预测模型最为理想。     

将微粒群和支持向量机用于耕地驱动因子选择的研究

结合微粒群算法(PSO)具有执行速度快、受问题维数变化影响小的优点及支持向量机算法(SVM)结构风险最小化原理,构建了基于离散二进制微粒群(BPSO)与支持向量机的耕地驱动力因子选择方法,使用特征子集中确定的特征来训练支持向量回归机,用适应度函数来评价回归机的性能,指导BPSO的搜索。实验表明,该方法能有效地提取出耕地驱动因子的特征子集,从而降低了指标的维数,保留了关键信息,以获得知识的最小表达。     

单基站CORS-RTK转换参数与数据处理

依据某城市单基站CORS实测数据,对用不同数目与分布的已知点求解转换参数对模型的内符合精度和外符合精度的影响进行分析;并且提出了采用极大验后滤波进行测量数据后处理,以提高测量的精度。对单基站CORS-RTK的建立和应用具有较先进的指导意义。     

基于粒子群优化算法的最大类间方差多阈值图像分割

最大类间方差法是图像分割中一种常用的阈值分割方法,对于单阈值分割具有显著的效果,但是对于多阈值分割,计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合,提出了一种新的图像分割方法,该方法利用粒子群优化算法的寻优高效性,并由灰度图像的最大类间方差值作为适应值,搜索最优分割阈值,实现图像的多阈值分割。实验结果显示,新方法大大缩短了寻找最优阈值的时间,降低了运算复杂度,提高了图像分割速度,说明基于粒子群优化算法的图像分割算法是可行的、有效的。     

模拟退火粒子群与小波的地基沉降预测应用

针对粒子群优化算法易陷入局部极小值问题,改进学习因子使其自适应调整,并与具有良好全局搜索能力的模拟退火算法结合,充分利用两种算法各自的优点,同时结合小波分析去噪,优化神经网络参数,对地基累计沉降数据进行预测,并与标准粒子群优化算法做了对比,实验表明两种方法的结合具有良好的全局和局部搜索能力,预测精度高。     

基于cut-off方法刚性承台下群桩基础优化分析

针对刚性筏板下群桩基础优化设计问题进行分析,通过改变桩长分布来调整各桩的荷载分担,群桩分析采用基于弹性理论的积分方程方法,并通过cut-off方法来反映桩的弹塑性特性,实现群桩基础的弹塑性优化分析,改进了常规弹性分析方法的缺陷。算例分析表明,随着外荷载的不断增加,角桩首先达到极限荷载,对角桩超出极限荷载的部分进行重新分布,继而使得边桩逐渐达到极限承载状态,继续加载直至内桩也达到极限承载状态,从而引起桩筏基础的整体破坏。采用cut-off方法可以改进基础变刚度优化设计,使之与实际情况更为吻合。     

Multi-scale permeability estimation for a tropical catchment

Physically based and spatially distributed modelling of catchment hydrology involves the estimation of block or whole-hillslope permeabilities. Invariably these estimates are derived by calibration against rainfall–runoff response. Rarely are these estimates rigorously compared with parameter measurements made at the small scale. This study uses a parametrically simple model, TOPMODEL, and an uncertainty framework to derive permeability at the catchment scale. The utility of expert knowledge of the internal catchment dynamics (i.e. extent of saturated area) in constraining parameter uncertainty is demonstrated. Model-derived estimates are then compared with core-based measurements of permeability appropriately up-scaled. The observed differences between the permeability estimates derived by the two methods might be attributed to the role of intermediate scale features (natural soil pipes). An alternative method of determining block permeabilities at the intermediate or hillslope scale is described. This method uses pulse-wave tests and explicitly incorporates the resultant effects of phenomena such as soil piping and kinematic wave migration. The study aims to highlight issues associated with parameterizing or validating distributed models, rather than to provide a definitive solution. The fact that the permeability distribution within the Borneo study catchment is comparatively simple, assists the comparisons. The field data were collected in terrain covered by equatorial rainforest. Combined field measurement and modelling programmes are rare within such environments. © 1998 John Wiley & Sons, Ltd.