自适应BP算法及其在河道洪水预报上的应用

提出一种改进的BP算法,即自适应BP算法。该方法采用两种策略:一是在权重修改公式中加动量项;二是学习率随总误差的变化作自适应调整,亦即总误差增加时,学习率将减小,反之学习率增大。以上两种策略能有效的抑制网络陷于局部极小并缩短了学习时间。实例研究表明,该算法用于河道洪水的预报,能取得令人满意的结果。     

自适应过滤法及其在大坝监测中的应用

介绍了自适应过滤法原理及计算方法,利用自适应过滤法模型预测了大坝变形趋势。实际数据计算结果表明:自适应过滤模型预测精度优于传统的回归分析法,在大坝监测预报中是有效可行的。     

针对车载移动测量系统的交通标志自动检测

针对自然场景图像中交通标志的自动检测问题,提出了一种交通标志快速自动检测算法。该算法综合运用了自适应图像分割、灰度投影、形状分析和立体影像匹配等技术,实现了车载立体影像中道路交通标志的快速自动检测及其空间位置、尺寸等几何信息的计算。利用该算法对车载移动测量系统所拍摄的实际影像进行了实验,结果表明该算法具有鲁棒性强、检测速度快和检测准确率高等特点。     

直流电阻率测深二维自适应正则化反演

直流电阻率测深二维反演中,正则化参数的选取影响反演结果分辨率及反演过程稳定性。利用主动约束平衡正则化因子,进行直流电阻率光滑约束最小二乘二维自适应反演,改善直流电阻率测深二维反演的分辨率与稳定性。在反演迭代过程中,正则化因子根据模型参数的空间展布函数进行自适应计算、正则化参数的自适应计算。模拟数据反演结果验证了该方法的有效性与可行性,反演结果能准确地反映地下模型的真实电性结构。     

分布式移动数字地球系统的设计与实现

提出了在移动设备上实现数字地球的框架模型,针对移动数字地球对网络流量、计算能力和存储能力的限制,框架增设中间件服务器,由其完成从分布式地理数据服务器集群获取数据并渲染虚拟场景的过程,渲染结果以流媒体为载体反馈给移动设备.依此框架开发出原型系统,测试结果表明,在实现远超移动设备计算和存储能力的虚拟场景的同时,可有效降低构建移动数字地球的网络流量,并随着移动网速的进一步提升,可达实时交互控制.     

BP神经网络在图像字符识别中的改进和应用

传统BP神经网络算法虽然具有良好的学习能力和容错能力,但是收敛速度慢,易陷入局部极小点等缺点制约了它的进一步发展和应用.针对这些不足,采用自适应学习率结合附加动量因子的方法可以有效缩短训练时间,加快收敛速度,同时抑制寻优算法陷入局部极小点.将该算法应用于图像字符识别系统中,通过一系列实验优化系统参数之后给出系统识别结果,表明该系统识别具有较高的准确性和鲁棒性.     

基于CEEMD和自适应中值滤波的大地电磁数据去噪研究

为提高大地电磁数据的信噪比,笔者提出基于互补总体经验模式分解(CEEMD)和自适应中值滤波的去噪方法,利用CEEMD将大地电磁时间序列数据分解成多个固有模态函数(IMF)及趋势项,依据噪声的高低频特征有选择地利用自适应中值滤波对固有模态函数(IMF)进行去噪,再进行数据重构。对实测数据进行处理,该方法能较好地抑制大地电磁数据中、低频部分的噪声干扰,抑制突变点,提高数据的信噪比。     

可浮动自锁式深海气密采水器的研制

深海海水中气体的含量可以在一定程度上标识深海资源蕴藏量,因而实现对深海海水的气密采样意义重大.为此设计了一种可浮动的自锁装置,并采用压力自适应平衡原理,实现了对深海海水的气密采样.实验室和海上试验结果均表明深海气密采水器在装上可浮动自锁装置后耐压能力和气密性都得到了有效的提高,对初始压强为1.208 MPa的N2气保压2 h,压力损失不到1.2%,并成功地实现了对960 m深的海水样品的气密采样.此样品中CH4浓度为5.44 nmol/dm^3,CO2浓度为140.6nmol/dm^3.该可浮动自锁式深海气密采水器的研制为深海资源勘探分析提供了必要的技术支持.     

基于改进人工蜂群算法的概率积分法参数反演

针对传统算法在反演概率积分法参数时易发散且难以获得全局最优解的问题,提出利用自适应人工蜂群算法反演概率积分法参数。根据该算法在求解过程中收敛速度快,获得全局最优解的特点,将参数反演问题转化为组合优化问题,建立了自适应人工蜂群算法的概率积分法预计参数反演流程,并将计算结果与实际值进行对比分析。通过理论分析与实验证明,自适应人工蜂群算法反演概率积分法参数精度高,较最小二乘法和模矢法拟合效果好,可应用于矿山开采沉陷预计。     

34万吨级FPSO的中横剖面优化设计

以中横剖面的面积最小为目标函数，应用自适应步长随机搜索法，对34万吨级FPSO中横剖面进行了优化设计，并将规范设计结果和优化设计结果进行了比较，优化效果较好。