基于GPGPU的全波形并行分解算法

针对EM(Expectation Maximization)波形分解算法具有多次迭代和大量乘、除、累加等高密集运算的特点,提出一套将EM算法在通用计算图形处理器GPGPU上并行化的方案。针对通用并行计算架构CUDA的存储层次特点,设计总体的并行方案,充分挖掘共享存储器、纹理存储器的高速访存的潜能;根据波形采样值采用字节存储的特征,利用波形采样值的直方图求取中位数,从而降低求噪音阈值的计算复杂度;最后,采用求和规约的并行策略提高EM算法迭代过程中大量累加的计算效率。实验结果表明,当设置合理的并行参数、EM迭代次数大于16次、数据量大于64 M时,与单核CPU处理相比,GPU的加速比达到了8,能够显著地提高全波形分解的效率。     

高光谱遥感影像分类研究进展

随着模式识别、机器学习、遥感技术等相关学科领域的发展,高光谱遥感影像分类研究取得快速进展。本文系统总结和评述了当前高光谱遥感影像分类的相关研究进展,在总结分类策略的基础上,重点从以核方法为代表的新型分类器设计、特征挖掘、空间-光谱分类、基于主动学习和半监督学习的分类、基于稀疏表达的分类、多分类器集成六个方面对高光谱影像像素级分类最新研究进行了综述。针对今后的研究方向,指出高光谱遥感影像分类一方面要适应大数据、智能化高光谱对地观测的发展前沿,继续引入机器学习领域的新理论、新方法,综合利用多源遥感数据、多维特征空间互补的优势,提高分类精度、分类器泛化能力和自动化程度;另一方面要关注高光谱遥感应用的需求,突出高光谱遥感记录精细光谱特征的优势,针对应用需求发展有效的分类方法。     

Automated Prediction of CMEs Using Machine Learning of CME – Flare Associations

Machine-learning algorithms are applied to explore the relation between significant flares and their associated CMEs. The NGDC flares catalogue and the SOHO/LASCO CME catalogue are processed to associate X and M-class flares with CMEs based on timing information. Automated systems are created to process and associate years of flare and CME data, which are later arranged in numerical-training vectors and fed to machine-learning algorithms to extract the embedded knowledge and provide learning rules that can be used for the automated prediction of CMEs. Properties representing the intensity, flare duration, and duration of decline and duration of growth are extracted from all the associated (A) and not-associated (NA) flares and converted to a numerical format that is suitable for machine-learning use. The machine-learning algorithms Cascade Correlation Neural Networks (CCNN) and Support Vector Machines (SVM) are used and compared in our work. The machine-learning systems predict, from the input of a flare’s properties, if the flare is likely to initiate a CME. Intensive experiments using Jack-knife techniques are carried out and the relationships between flare properties and CMEs are investigated using the results. The predictive performance of SVM and CCNN is analysed and recommendations for enhancing the performance are provided.     

顾及大气角动量的Prophet-VAR日长变化预报方法

针对日长变化参数序列中蕴含的复杂非线性特征会严重影响其预报精度的问题,同时为探讨引入大气角动量序列是否有助于提升预报精度,提出一种Prophet拟合外推联合向量自回归(vector autoregression,VAR)残差补偿的组合模型用于日长预报.选用2008～2020年的日长变化参数序列进行实验,同时设计不顾及大...     

GIS中矢量多边形网格化问题研究

在实际的GIS空间分析过程中,为了更加简便快捷的实现某些特定的空间分析功能,常常需要将不规则的矢量多边形区域转化为规则的格网区域。该文介绍了矢量多边形网格化的四类算法：中心点归属法、面积占优法、重要性法和面积内插法。其中面积内插法又可分为面积权重内插法、基于表面模型的面积内插法和基于统计模型的面积内插法。同时介绍了各类算法的实现思想,并比较了其优劣及应用范围,认为基于表面模型的面积内插法是一种比较理想且极具发展前景的矢量多边形网格化方法。     

基于灰色关联度模型的区域滑坡敏感性评价

数理统计和机器学习模型如支持向量机(support vector machine,SVM)等,在区域滑坡敏感性评价中得到广泛的应用.但这些模型的建模过程往往较复杂,如在对机器学习进行训练和测试时难以选取合理的非滑坡栅格单元,而且有较多的模型参数需要确定.为提高滑坡敏感性评价建模的效率和精度,提出基于灰色关联度的敏感性评价模型.灰色关联度模型能有效计算各比较样本与参考样本之间的定量的关联度,具有建模过程简洁和评价精度高的优点,该模型目前在区域滑坡敏感性评价中的应用还没有引起研究人员的足够关注且有待进一步拓展.拟将灰色关联度模型用于浙江省飞云江流域南田—雅梅图幅(南田地区)的滑坡敏感性评价,并将得到的评价结果与SVM模型的敏感性评价结果作对比分析.结果显示,灰色关联度模型在高和极高敏感区的滑坡预测精度优于SVM模型,而在中等敏感区的滑坡预测精度略低于SVM模型;整体而言,灰色关联度模型对整个南田地区滑坡敏感性分布的预测精度略高于SVM模型.对两个模型建模过程的对比结果显示,灰色关联度模型建模较简单,具有比SVM模型更高的建模效率,为滑坡敏感性评价提供了一种新思路.     

CYS-300型全液压地热水井钻机的研制

本文介绍了CYS300型全液压地热水井钻机的性能参数、关键机械部件结构及液压系统的设计。钻机选用齿轮泵作为液压系统动力元件,配合液压多路阀实现对动力头双液压马达和给进油缸等执行元件液压油的合流,通过液控二速阀实现动力头双液压马达的串并联工作,输出4种转速和扭矩,在满足钻机性能参数设计要求的同时,简化液压系统的设计,减少液压系统能量损耗,降低维护和使用成本。钻机采用油缸三链条倍速机构实现动力头的给进提升,具有结构简单、性能可靠、抗冲击能力强、提升平稳等优点。现场工程施工应用表明：CYS300型全液压地热水井钻机性能稳定可靠,工艺和复杂地层适用能力强,操作安全舒适,钻进效率高。     

基于粒子群算法优化小波支持向量机的岩土力学参数反演

常用的确定岩土力学参数的方法有原位测试和室内试验两种,但都存在一定的局限性,参数选择的合理与否,对设计计算及数值模拟分析结果的有效性影响很大。支持向量机法在理论基础和求解算法方面都具有明显优势,为确保岩土力学参数取值的合理性,采用支持向量机法对岩土力学参数进行反演。先通过小波分析理论构造出支持向量机的核函数,再用粒子群算法(PSO)分别优化Morlet小波、Mexico小波和RBF函数的支持向量机模型参数,通过小波支持向量机模型建立反演参数与沉降值间的非线性映射关系。根据正交试验和均匀试验对需反演的岩土力学参数进行设计,结合有限元软件进行计算分析,得到学习样本和测试样本。分别采用Morlet小波、Mexico小波和RBF函数得出的预测结果和原始数据进行对比分析,发现采用Morlet小波核函数预测效果更佳。使用Morlet小波核函数预测的参数输入到Midas模型中计算建筑物最终沉降量,比较计算值与实际监测值,其相对误差不超过8.1%。研究结果表明,该方法在岩土工程参数的反演中具有良好的应用价值,对今后岩土力学参数的确定及校核提供了一种新方法。     

Application of PSO-LIBSVM in Recognition of Potassium Salt Deposits

The shortage of potassium salt seriously restricts the development of China's agriculture. Increasing the exploration and development of potash will help improve the self-sufficiency of potassium in China. With rich potassium salt resources, Sichuan basin is one of the most important research areas for potash exploration and development in China. Polyhalite is an important solid potassium salt mineral in Sichuan basin, often intercalated in rock minerals such as anhydrite, rock salt and dolomite. Aiming at the problem that conventional log interpretation methods are difficult to accurately identify polyhalites, this paper proposed a new Support Vector Machine (SVM) recognition method based on Particle Swarm Optimization (PSO) to classify polyhalites in Sichuan basin. Based on particle swarm optimization and support vector machine theory, combined with logging interpretation theory, the effective data sensitive to polyhalite logging response were selected as input samples to generate training sets and test sets randomly. The Radial Basis Function (RBF) parameters were optimized by particle swarm optimization, and the classification and prediction model of polyhalite was established. Compared with mud logging results, the recognition accuracy of SVM model based on particle swarm optimization reached 97.5758%, which is obviously better than that of SVM model optimized by cross validation method in recognition accuracy and speed. The results show that the model has broad application prospects in potash exploration in Sichuan basin.     

三维高频远场平面波电磁勘探中的E_z研究

随着电磁探测的发展,三维精细勘探为复杂地质模型的分析提供了有效工具,为了更精细地研究大地介质的特性,利用三维矢量有限元模拟分析了三维异常模型的Ez、Hz分量的响应特征。Ez分量对界面异常敏感,在界面处存在突变;Hz分量则在界面处不存在突变,但界面处出现Hz分量极值,对异常体的变化也有一定的灵敏度。同时,进一步提出采用上下两个测点的数据比值进行归一化处理来获得稳定的传输函数。