一定分布模式下的最优Lp估计

观测数据在一定的分布模式下,需从理论上解决究竟用多大的ｐ值进行Ｌｐ估计（最优ｐ值的确定）,本文基于渐近方差整体最小的原则,给出了最优Ｌｐ估计的定义。观测数据中含有粗差（异常值）的扰动,其误差分布可视为污染分布,作者分析了最优ｐ值的大小,结果表明,若观测数据中含有不同大小、数量的粗差,为使Ｌｐ估计差最小,则ｐ将取［１．２,１．５］中的某一定值,Ｌｐ估计结果最优,此结论对测量数据处理具有一定的参考价值     

最优子集的神经网络预报建模研究

作者尝试用最优子集方法进行神经网络长期预报模型的建模方法研究。结果表明,在很多情况下,由于最优子集方法比逐步回归方法能选取更好的预报因子,因此所构造的神经网络预报模型具有更好的拟合和预报效果,这为神经网络在长期预报的应用研究提供了新的思路和方法。     

基于参数最优地理探测器的西藏冰湖时空变化与影响因素研究

随着全球变暖的加剧,西藏地区冰湖的规模不断扩大,由此可能会发生冰湖溃决自然灾害。本文基于GIS空间分析和参数最优地理探测器方法,分析了西藏地区1990年至2015年间冰湖时空变化以及各环境因子:冰湖海拔、年总降水、年平均温度、年相对湿度、冰川面积变化、GDP、人口密度的影响程度。结果表明:(1)25年间冰湖总数量和总面积的增长率分别为2.57%、6.32%,各个面积大小的冰湖在不同的海拔都有增长,增长最多的是小型冰湖(面积小于0.1 km²),西藏冰湖增长方向性显著,数量分布和面积分布离散程度高,基本分布在西藏东部和南部地区。(2)通过Pearson相关分析,西藏冰湖变化主要受该地区冰川面积变化以及降水量大小影响。(3)地理探测器中,冰川面积变化对冰湖变化影响强度最高,q值为0.5006;交互作用探测中,温度因子与冰川面积变化因子交互作用后对冰湖变化影响解释力最强,且呈非线性增强关系,除温度因子以外,冰湖变化受各因子交互作用影响强度高。     

三种河流相对高程模型生成方法对比

相对高程模型（REM,Relative Elevation Model的缩写）表示相对于河流水面或活性河道的海拔高度,衍生于数字高程模型（DEM,Digital Elevation Model的缩写）,能够消除因河流纵向的地势造成的DEM表征不清楚,高差过大造成细节模糊地势的影响,从而在平面图上更为清晰地表征河流地形的细微变化,因而研究REM的生成方法及其适用性具有十分重要的意义。通过文献综述,选取美国加利福尼亚州内华达山脉的卡森河某河段为实验区,利用其高精度（米级分辨率）DEM数据,介绍核密度法、反距离加权法、横截面插值法三种REM生成方法。通过REM和DEM的对比,以及三种REM的效果对比,得出：当高程差过大时,DEM可视化方案往往不能很好地在河流地貌刻画中发挥作用,尤其是在解译时,利用REM可解决高差过大造成的细节模糊问题;横截面插值法主要的优势表现在可根据用户需要做适用性调整,相对而言鲁棒性强,较为灵活,但其自动化程度较低,且花费的时间较长,因此需较多的人工干预;核密度法耗时相对较少,REM结果很少有伪影或错误的相对高程值,但核密度法导致一些潜在的伪影或者错误的相对高度,体现在...     

利用模拟退火法反演大陆地震位置

为了精确得到大陆地震震源位置,利用模拟退火法对大陆地震参数进行反演,并对改变算法中相关参数后的反演结果进行分析,表明反演精度受降温速度和收敛阈值的影响较大,初始温度只影响迭代次数,模拟退火法在对模型参数进行全局搜索情况下能获得质量较好的最优解。     

基于OFA-PP模型的区域最严格水资源管理类型识别与评价

为科学识别云南省16个州市最严格水资源管理区域类型,提出最优觅食算法(OFA)-投影寻踪(PP)识别模型。从最严格水资源管理用水总量控制红线、用水效率控制红线、纳污控制红线3个方面分别构建指标体系和分级标准,利用2015年云南省各州市指标数据及分级标准阈值分别构建基于"三条红线"的投影指标函数,采用OFA分别搜索最优投影向量,并计算各州市综合投影值和各分级标准阈值投影值,利用分级标准阈值投影值对各区域最严格水资源管理类型进行识别。结果表明,OFA-PP识别模型具有较好的识别效果,识别结果可为云南省实行最严格水资源管理制度提供参考。     

一种卫星重力梯度数据的ARMA最优滤波模型构建方法

由于卫星重力梯度观测的有色噪声特性和海量观测特征,在利用直接法进行重力场模型的最小二乘求解时,观测值的协方差阵为超大型的非对角阵,这给数值求解带来了极大困难.本文提出了一种基于先验误差功率谱密度的最优ARMA滤波模型构建方法,结合法方程的分块求解策略,可实现对卫星重力梯度观测值的高效滤波处理.数值仿真结果表明,利用最优ARMA滤波器进行时域滤波后,法方程的态性得到了明显改善,重力梯度观测值中的有色噪声得到了有效的"白化"处理,大地水准面精度得到了显著提升.     

全局弱式无网格法在大地电磁二维正演中的应用研究

无网格法作为有限元法的一种重要补充和发展具有重要的研究意义和实用价值,其避免了网格剖分,具有前期处理简单,精度高,自适应分析方便,适用于复杂模型和复杂边界条件等优点.本文重点研究基于全局弱式无网格法的大地电磁二维正演问题.本文首先论述了无网格理论,并推导出基于全局弱式无网格法的大地电磁二维问题对应的最终总体矩阵表达式,通过标准模型数值模拟实验研究了相关重要参数对计算精度及计算效率的影响,并确定其最优值,选取高斯点数量为2～3、无量纲支持域尺寸为1.1～1.3.后续分别用有限元法和全局弱式无网格法计算典型一维模型和二维模型,通过对比计算结果及计算精度,验证本文中提出方法在处理大地电磁二维问题上的有效性及在处理复杂模型上的优越性.     

基于多时相多极化差值图的稻田识别研究

提出了一种基于多时相多极化差值图的稻田识别方法,该方法在简化稻田识别算法的同时,仍具有较好的稻田识别精度.以江西省高安地区的早稻识别为例,利用两景ENVISA ASAR交叉极化模式数据(VV/HH)计算了同时相多极化差值图和同极化多时相差值图.由于稻田含有水层和水稻的垂直株型等属性特征,稻田在两时相上VV极化和HH极化后向散射差异都很大,且与其他地物具有明显差别,因此利用同时相多极化差值图可以很好地分辨出稻田来;从时间变化看,HH极化雷达波对水稻生长和稻田的变化比对其他地物的变化更敏感,使稻田分布信息在HH极化多时相差值图中反应突出.而VV极化对地物的时相变化不够敏感.因此,建立最优差值图组合,分别采用阈值分类方法和监督分类方法对差值图组合进行分类提取稻田.通过比较分类结果,认为基于统计分析的监督分类方法更好,其稻田识别的精度达到84.92%.文章最后对提出的稻田识别方法及分类结果进行了分析.