目标函数聚类法在地下水动态分类中的应用

地下水动态类型的划分是正确认识研究区水文地质条件与地下水开发利用之间关系的一个重要环节。本文论述了目标函数聚类法的原理与计算过程,并应用该方法对某河流附近的１５个观测孔的水位动态进行分类。分析结果表明该方法具有较高的可靠性与较广的适用性。     

基于改进BP网络算法的隧洞围岩分类

围岩分类对指导地下工程的设计和施工具有非常重要的意义.引入人工神经网络的方法, 进行隧洞围岩分类, 在传统BP算法的基础上, 通过改进学习算法、优化传递函数和网络结构进行神经网络方法优化.采用附加动量法和学习速率自适应调整的策略改进学习算法, 使得当误差大于上临界值时, 则降低学习率, 当误差小于下临界值时, 则适当提高学习率, 这样可加快网络的训练速度, 确保网络的稳定性; 通过引入调整学习率参数, 使得传递过程更加敏感, 加快了传递函数的收敛速度, 提高了训练函数的计算精度; 通过给定隐含层节点模型的取值范围, 对网络结构进行优化, 提高了泛化精度.将改进的BP网络模型应用于广东省东深供水改造工程的隧洞围岩分类中, 分类结果与根据《水工隧洞设计规范(SL279-2002) 》的分类结果完全一致, 表明该方法具有良好的工程实用性.      

Ensemble retrieval of atmospheric temperature profiles from AIRS

ABSTRACT Satellite-based observations provide great opportunities for improving weather forecasting. Physical retrieval of atmo spheric profiles from satellite observations is sensitive to the uncertainty of the first guess and other factors. In order to improve the accuracy of the physical retrieval, an ensemble methodology was developed with an emphasis on perturbing the first guess. In the methodology, a normal probability density function （PDF） is used to select the optimal profile from the ensemble retrievals. The ensemble retrieval algorithm contains four steps： （1） regression retrieval for original first guess; （2） perturbation of the original first guess to generate new first guesses （ensemble first guesses）; （3） using the ensemble first guesses and nonlinear iterative physical retrieval to generate ensemble physical results; and （4） the final optimal profile is selected from the ensemble physical results by using PDE Temperature eigenvectors （EVs） were used to generate the pertur- bation and generate the ensemble first guess. Compared with the regular temperature profile retrievals from the Atmospheric InfraRed Sounder （AIRS）, the ensemble retrievals RMSE of temperature profiles selected by the PDF was reduced between 150 and 320 hPa and below 400 hPa, with a maximum improvement of 0.3 K at 400 hPa. The bias was also reduced in many layers, with a maximum improvement of 0.69 K at 460 hPa. The combined optimal （CombOpt） profile and a mean optimal （MeanOpt） profile of all ensemble physical results were improved below 150 hPa. The MeanOpt profile was better than the CombOpt profile, and was regarded as the final optimal （FinOpt） profile. This study lays the foundation for improving temperature retrievals from hyper-spectral infrared radiance measurements.     

两类双结构矩阵的标准型及其应用

给出2类双结构矩阵的标准型。作为应用,还利用新得出的标准型对这2类双结构矩阵特征值问题发展了结构算法,其中对第一类双结构矩阵特征值问题发展了只用实运算的结构算法。     

随机优化算法的BDS卫星精密轨道确定

针对全球北斗地面基准站分布不均匀而影响北斗定轨精度的问题,该文采用格网控制的随机优化选站方法,兼顾测站的质量、分布和站点稳定性等因素,对全球分布的MGEX站均匀选取。运用加权GDOP指标评价选站的有效性,并全面分析了测站数量、分布和质量对定轨精度的影响。结果表明,该方法选取30个测站时,北斗卫星的GEO、IGSO和MEO卫星的精密轨道精度分别为221.56、12.59和6.81cm,比格网法选站有了较大提高。在一定范围内,测站数越多定轨精度越高,全部测站参与解算反而会使定轨精度降低。     

结合RANSAC算法与传统相似变换模型的稳定性分析

将RANSAC算法与传统相似变换模型相结合,并验证其在隧道控制网中的稳定性.首先,求解变换参数时,利用RANSAC算法初步筛选相对稳定点;然后,再通过相似变换模型对稳定点进行计算,得到正确的变换参数和各网点位移;最后,通过T检验法对控制网进行稳定性分析.通过模拟试验和实例分析,与传统相似变换模型、迭代加权相似变换模型计...     

基于蚁群-BP神经网络的基坑变形预测

由于神经网络具有较好的自组织和自适应特点,已被广泛应用于基坑变形预测领域.但神经网络中节点的权值最优化难以处理.为进一步提高BP神经网络性能,实现准确、快速预测基坑变形的目的,可将蚁群算法作为BP神经网络的学习算法,建立一种新的蚁群神经网络预测模型.实例表明,基于蚁群—BP神经网络的基坑变形预测方法与传统的BP神经网络预测方法相比,具有较强的自适应能力,取得了较好的效果.     

联合像元-深度-对象特征的遥感图像城市变化检测

特征空间的构建和优化对遥感图像识别能力的提高具有重要作用。针对面向对象方法对波段光谱信息利用不足,以及像元识别法无法充分利用图像空间几何等信息的问题,本文建立了新颖的联合像素级和对象级特征的航摄遥感图像城市变化检测方法。首先,充分利用像素级和对象级特征的优势,建立考虑光谱、指数、纹理、几何、表面高度及神经网络深度特征的特征空间;然后,引入LightGBM(light gradient boosting machine)算法对大量特征进行选择研究;最后,采用随机森林识别器对宜兴市2012年和2015年两期遥感图像进行识别,利用变化矩阵进行城市的变化检测。结果表明:联合像元、深度、对象特征和LightGBM特征选择算法的识别效果最好,平均的总体识别精度达到了88.50%,Kappa系数达到0.86,比基于像元、深度或对象特征的识别方法分别提高了10.50%、15.00%和4.00%;城市变化检测精度达到了87.50%。因此,本文方法是利用甚高分辨率航摄遥感图像进行城市变化的检测的有效方法。     

SAR与可见光图像匹配算法研究

合成孔径雷达影像和可见光影像的匹配是雷达自动导航飞行器的本滤波方法,多尺度边缘特征提取的基本思路.论述了基于改进Hausdorff距离的SAR与可见光图像的匹配思想,总结了其中存在的主要问题.