沉降监测多项式回归分析与神经网络预测

使用多项式和切比雪夫(Tchebyshev)多项式分别对沉降监测数据进行回归分析以预测未来沉降值,其中切比雪夫多项式的外推效果较好;应用前向BP神经网络对两种不同的单因子输入模式进行非线性函数逼近,并进行了不同采样步长的比较,实例表明将时间点作为网络的输入对沉降进行预测效果较好。     

THEDIAGNOSTICNUMERICALSIMULATIONOFTHREE－DIMENSIONALBAROCLINICCIRCULATIONINTHEYELLOWANDBOHAISEAS

给出一黄渤海三维斜压的数值诊断环流模式，并进行了环流的数值模拟。在黄渤海冬季及夏季的环流模拟研究中，考虑了影响环流的因素，如海面风应力、热盐效应、地形及边界流量交换等影响因子。由模拟结果，正确再现了黄海冷水团密度环流、黄海暖流和沿岸流等的三维特征，并对这些特征的成因进行了分析     

西太平洋暖池区热带波动的天气效应

为了探讨西太平洋暧地区热带波动的天气效应，利用1980年2－9月140°E日本静止卫星纬度时间剖面卫星云图，分析了5d和14d左右周期热带波动云的演变特征，井综合分析了14d周期的云系演变型式与流场的关系，为预报热带中期天气变化规律提供了依据；热带波动中30－60d大气低频振荡的云量变化最显著，北半球夏半年热带波动的天气压主要在10°N－0°，各半年在10°N－10°S，超过这个区域热带云量的港分布型式就有明显的变化。     

1987年北上,西行台风的卫星云图诊断图象

本文选取1987年7个北上和西行的热带风暴、强热带风暴和台风的328张红外增强显示云图,计算了台风中心周围10万平方公里范围内的高(低)层物理量,给出了台风云图诊断图象,并对台风移行的云图特征给以物理解释。     

山东省大中型水库水化学性状研究──几种主要水化因子的变化及其在评价水库鱼产力中的作用

本文通过对山东省３８座代表性大、中型水库总氮（ＴＮ）、总磷（ＴＰ）、化学耗氧量、硬度及电导率（λ）五种主要水化因子连续两年（１９８９～１９９０）的调查与研究，探讨了水化因子与水库鱼产力的关系。用反映鲢、鳙生长状况的综合生长指数（ＧＩ）作为水库鱼产力的指标。它与水化因子相关分析表明，总磷是山东省３８座水库鱼产力的主要影响因子。提出ＧＩ与总磷、总氮及电导率等水化因子的逐步回归方程关系非常显著。证明利用水化因子作为水库鱼产力的评价指标是可行的。并指出：同一水库的相同水化因子存在年间差异，其主要原因在于降雨量和水库进水量的不同，鉴于此．同一水库鱼产力也存在年间差异。     

成都地区大气平均温度建模及其在GPS/PWV计算中的应用研究

地基GPS气象学的关键技术是在于通过垂直方向上GPS信号的湿分量延迟值来确定大气可降水量-PWV,而这两个物理量间进行转换时需要用到一个关键性的参数——大气加权平均温度。本文首先讨论了估算加权平均温度的几种方法,然后利用成都地区2005年全年的大气探空数据,采用回归分析方法,建立了适合成都地区的大气加权平均温度模型,精度为±2.21K。最后将该公式应用到成都地区PWV的计算中,得到了非常理想的效果。     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

基于整体最小二乘法的线性回归建模和解法

对基于自变量和因变量误差的回归问题进行了进一步研究,证明了两种方法的实质并未解决同时考虑自变量和因变量的误差问题,其解算结果和不考虑自变量误差的解算结果完全相同.给出了能同时顾及自变量和因变量误差的新的回归模型,并推导了具体的解算方法.算例结果和基于矩阵分解的整体最小二乘法解算方法的结果相同,说明了本文方法的正确性.     

成都城市发展对热岛强度影响的主成份回归分析

本文对成都市总人口、建成区面积等11个因子、作了主成份回归L-S估计和M-估计,讨论了成都城市发展对“热岛”强度的主要影响因子。结果表明,城区房屋建筑面积及总人口数是影响城市气候(气温)的主要因子,其次为城市人口总户数、建成面积等。 文中,对回归方程进行了拟合计算,回归效果比较满意(尤其是稳健回归)。