基于LO范数最小化的地球物理数据稀疏重构(英文)

在实际的地球物理数据采集工作中,会因为多方面的客观原因导致数据缺失,对缺失数据进行插值重构是地球物理数据处理和解释的基础问题。基于地球物理数据自身或在变换域内的稀疏性,将地球物理数据的重构转化为稀疏优化问题可提高数据重构的精确度与稳定性。本文建立了LO范数最小化的地球物理数据稀疏重构模型,针对不同规模、不同特征的地球物理数据引入了两种不同类型的LO范数最小优化问题的近似求解算法,即基于LO范数最小化的迭代再加权最小二乘算法与具有快速收敛性的快速迭代硬阈值法。理论分析与数值试验表明,将迭代再加权最小二乘算法应用到位场数据重构中可发挥其收敛速度快,计算时间短,精度高的优势,而快速迭代硬阈值法更适合处理地震数据,相对于传统的迭代硬阈值法计算效率有了很大的提高。     

无线气象站数据与人工观测蒸发量的资料同化——以白鹤滩电站坝址区数据为例

在MATLAB中使用最小二乘法拟合Goff-Gratch公式,得到关于气温的饱和水汽压函数。无线气象站观测得到的气象资料结合人工观测蒸发量,在MATLAB中进行回归分析,得到基于彭曼公式的日水面蒸发量计算公式。算例表明,与无线气象站的蒸发量计算值相比,回归分析得到的日水面蒸发量公式计算值与人工观测值能够同步对比。无线气象站资料和人工观测资料能够资料同化,适合在工程中推广。     

河南新安电厂冷却塔控制爆破拆除技术

控制爆破技术在城市改造、楼房基础以及高大构筑物的拆除领域得到了广泛应用。介绍了采用控制爆破技术成功地爆破拆除河南省新安电厂80 m高冷却塔的工程实例。     

水上高密度电法在油气管道工程中应用

油气管道的建设施工有时必须穿越河流,本文应用高密度电阻率法于水上油气管道工程勘察。介绍了该方法的基本原理及水上施工的注意事项;讨论了数据预处理及反演过程,实现了长剖面数据的一次性反演;实际工程实例介绍了水上高密度电阻率法的应用效果。     

基于数值分析的仪器系统差校正

由于电子仪器中的传感器、测量电路、放大器等部件不可避免地存在温度漂移和时间漂移,会给仪器引入零位误差和增益误差,所以不同仪器之间存在明显的系统误差.在蟠龙峰铜矿进行TEM测深时,使用了两台Phoenix公司生产的V8仪器,由于两组数据存在明显的系统差,给数据处理及异常解释带来了较大的困难.从数值分析的角度,利用最小二乘法曲线拟合,对不同仪器间的系统误差进行了校正,校正精度小于3％,远小于10％的质检精度,可以满足生产需要.在Intel Visual Fortan程度开发平台上,编程实现了系统误差的自动校正.     

测量平差双光滑参数解算半参数模型的研究

半参数模型解算的补偿最小二乘法用于测量平差,是基于残差带权平方和与系统误差补偿项之间的平衡关系而提出的,这种平衡是通过光滑参数来实现的。光滑参数一般利用特定方法在正实数中选取,范围较大。本文尝试在极小化过程中,将残差和补偿项两部分同时赋予光滑参数,给出了此种情况下的半参数模型的解及简单的统计性质。为保证残差和补偿项的平衡关系,解算时,要求两部分光滑参数之和等于1,且光滑参数在不大于1的正数中选取,这样大大缩小了光滑参数的选择范围。模拟算例证明了这种方法的可行性。     

一种可动态修正的建设用地预测方法

长期以来,建设用地趋势预测均采用静态思想,即假设影响建设用地变化的内外作用力不变,通过统计学模型进行外推。在面对新数据加入时,这种预测思想没有充分利用原预测结果和新数据的关系,需要对模型重新进行解算。针对这一问题,提出了一种在新数据加入的情况下,基于原有预测结果,采用一元线性回归思想,利用最小二乘原理对预测值进行动态修正的预测方法。研究表明,经该方法修正后的结果能够替代重新预测得到的结果。     

一种利用IGGII方案的稳健混合总体最小二乘方法

混合总体最小二乘(mixed LS-TLS)合理地顾及了系数矩阵和观测向量误差,却没有考虑数据中可能存在的粗差。利用IGGII方案,提出一种稳健的混合总体最小二乘方法,并通过平面拟合进行验证。结合模拟数据和真实数据,通过与最小二乘(LS)、总体最小二乘(TLS)和混合总体最小二乘的对比分析,证实这种稳健混合总体最小二乘的平面拟合结果最为可靠。     

地磁变化场的MEEMD-样本熵-LSSVM预测模型

针对地磁变化场时间序列的混沌特性,提出了一种改进的集成经验模态分解(modified ensemble empirical mode decomposition,MEEMD)-样本熵-最小二乘支持向量机(least square support vector machine,LSSVM)的地磁变化场预测模型。首先,利用MEEMD-样本熵将非平稳的地磁变化场时间序列分解为一系列复杂度差异明显的地磁变化场子序列;然后,针对每一个子序列分别建立LSSVM模型,选择各自适合的最优模型参数;最后,以地磁台站实测的地磁变化场数据为例进行实验,并与基于单一LSSVM以及RBF径向基神经网络的两种预测模型进行比较。实验结果表明,MEEMD-样本熵-LSSVM模型的预测值能紧跟地磁变化场的变化趋势,相比另外两种模型,体现出更好的预测效果,在地磁Kp指数小于3时,预测3h平均绝对误差为1.63nT。     

基于包络线去除和偏最小二乘的土壤参数光谱反演

基于江苏省宜兴市100个土样的可见光-近红外高光谱反射率(400~2 450nm)数据,结合包络线去除(continuum removal,CR)与偏最小二乘回归(partial least squares regression,PLSR),构建了土壤重金属砷(As)和有机质(OM)含量的反演模型。结果表明,相比普通PLSR模型(模型决定系数R2和预测根均方误差RMSEP分别为0.512,3.090和0.621,5.934),CR-PLSR构建的模型预测能力有明显的改善(R2和RMSEP分别为0.763,2.323和0.911,4.599)。CR有效增强了550、900、1 420、1 900和2 200nm等波段处的反射光谱特征,根据模型回归系数分析,CR有效突出的波段正是As和OM的CR-PLSR模型所共用的重要波段。研究表明,CR能够协助PLSR模型重要波段的选择,利用遥感技术结合CR-PLSR能够有效提高土壤重金属As和OM含量的反演精度,从而为土壤质量的遥感监测提供参考。