车载POS公路线形特征识别与参数计算

为了高效获取高质量公路线形参数信息,采用车载定姿定位系统（position orientation system,POS）获取的离散坐标、姿态等信息,通过后处理的方式反演公路线形参数及特征。包括利用均值加速中值滤波平滑的姿态信息分析曲率分布特征,并进行线形特征初步识别、直线和圆曲线线形窗口准确识别与参数计算,利用平差后的直线和圆曲线参数计算缓和曲线参数,最终获得全路段最优化轨迹及线形特征信息。利用该方法处理某公路路段（全程20 km）的车载POS数据,处理结果证明该方法简单高效,具有可行性。     

伊宁盆地的“红层”与找煤方向

伊宁盆地是新疆主要聚煤盆地之一,预测煤炭资源总量2178.8亿t。通过对含煤盆地岩石地层分析,发现研究区发育三套红层,即三叠系小泉沟群（T2-3xq）红层,侏罗系水西沟群（J1-2sh）红层及古近系红层,三套红层分属于两个构造层。根据红层与煤系地层的关系分析,认为古近系红层覆盖区最有可能发现隐伏的整装大煤田。查清红层的层序,对指导找煤及加速进行煤田地质勘查有着重要意义。     

顾及时空边界不一致性的增量识别计算

在快照式空间数据的增量识别中,时空目标的边界不一致性造成识别结果中存在伪增量,严重影响了增量信息的准确识别。针对现有方法不能区分哪些狭长多边形是边界不一致性造成的伪增量、哪些是地物本身呈狭长形态的真增量这一问题,本文研究提出了一种新的增量识别计算方法,该方法通过对时空目标边界的不一致性进行量化,并对量化结果进行判断,从而区分出真伪增量,并结合1:5万基础地理数据的增量识别进行了实验验证。研究与实验表明,该方法能够更加准确地识别增量,提高了变化分析的精度。     

利用GPS轨迹二次聚类方法进行道路拥堵精细化识别

针对当前在精细识别道路拥堵时空范围方面研究的不足,提出一种利用GPS轨迹的二次聚类方法,通过快速识别大批量在时间、空间上差异较小且速度相近的轨迹段,反映出道路交通状态及时空变化趋势,并根据速度阈值确定拥堵状态及精细时空范围。首先将轨迹按采样间隔划分成若干条子轨迹,针对子轨迹段提出相似队列的概念,并设计了基于密度的空间聚类的相似队列提取方法,通过初次聚类合并相似子轨迹段,再利用改进的欧氏空间相似度度量函数计算相似队列间的时空距离,最后以相似队列为基本单元,基于模糊C均值聚类的方法进行二次聚类,根据聚类的结果进行交通流状态的识别和划分。以广州市主干路真实出租车GPS轨迹数据为例,对该方法进行验证。实验结果表明,该二次聚类方法能够较为精细地反映城市道路的拥堵时空范围,便于管理者精准疏散城市道路拥堵,相比直接聚类方法可以有效提升大批量轨迹数据的计算效率。     

MODIS数据自适应火点检测的改进算法

在MODIS火点检测算法基础上提出一种自适应火点检测的改进算法,并对改进算法进行的构建详细描述.改进的算法按照直方图统计来选择进行非火点排除的中红外通道亮温阈值,利用背景像素相对增温法判断疑似火点,提高了火点的识别能力.另外改进算法对云覆盖下的火点也有一定的识别能力.选择中国小火点发生频繁的广东地区进行改进算法的检验,结果表明火点检测效果理想.     

边界强迫场订正的区域气候模式对2013年夏季中国东部极端高温预测的改进试验

使用NCEP再分析资料对国家气候中心全球海气耦合模式BCC_CM1.0的多年平均场进行订正,然后嵌套区域气候模式RegCM3,建立基于边界强迫场订正的区域气候模式系统。使用该系统进行28年夏季回报及2013年夏季业务预测,并与直接使用BCC_CM1.0模式与RegCM3模式嵌套的模式系统进行对比。结果表明,引入边界强迫场订正技术后,区域气候模式系统对多年平均夏季气温、降水回报能力有了显著提高,且回报的高温界限值分布更接近于观测。除对2013年夏季东北地区气温距平预测效果变差外模式系统对于2013年中国东部中部地区夏季气温距平异常偏高、夏季高温日数异常偏多等观测事实的预测性能有显著提高。区域气候模式系统回报的多年平均夏季西太平洋副热带高压与观测更为接近是其对2013年夏季极端高温事件预测能力提高的关键所在。     

基于主成分分析的水淹层动态预测方法

针对高含水期水淹层变化的动态特性,提出一种基于主成分分析的最小二乘支持向量机水淹层动态预测方法.该方法应用数据挖掘方法与改进的支持向量机方法,研究高含水期水淹层的分类识别问题,找到测井参数曲线与水淹级别之间的非线性映射关系,建立适合高含水期水淹特征的动态识别模型.它不仅充分考虑各种影响因素,而且利用主成分分析法准确提取...     

基于两阶段稳定图的随机子空间识别结构模态参数

基于振动的结构健康监测的前提是从振动测试信号中提取结构模态参数。随机子空间方法是近年来发展起来的一种线性系统辨识方法,可以有效地从环境激励的结构响应信号中提取结构模态参数。在随机子空间识别方法中,确定系统的阶数是该方法的关键工作,稳定图方法是一种比较新颖的确定系统阶次的方法。但是随机子空间方法容易产生虚假模态,这也是随机子空间方法的一个主要缺陷。因此针对于这一缺陷提出了一种基于两阶段稳定图的随机子空间识别结构模态参数方法,该方法的基本思想是将在现场采集的结构的输出信号进行分段,将各段信号用随机子空间结合稳定图进行识别,然后将所有各段所识别的模态参数再一次用稳定图方法进行分析,得出结构的模态参数。最后用一三跨连续梁的数值模型对该方法进行验证,结果表明该方法具有良好的识别效果。     

识别所钻地层的人工神经网络法应用

对用人工神经网络方法来解决钻探生产的实际问题, 在不取心的情况下识别所钻地层的岩性进行了研究.根据钻探生产的特点, 设计了人工神经网络的结构和输出方式, 开发了人工神经网络识别所钻地层的软件, 分析了影响人工神经网络应用效果的各因素, 在人工神经网络的优化设计方面作了较深入的研究.研究表明: 人工神经网络用于识别所钻地层有很好的效果; 人工神经网络的参数, 如学习率、隐含层层数、隐含层单元数和数据处理方式等对人工神经网络的应用效果有影响.