静电对计算机的危害及其防护

计算机的防静电技术，属于机房安全与防护的一部分。静电不仅会造成计算机运行中出现随机故障，而且还会导致某些元器件(如CMOS、MOS电路，双级性电路等)被击穿。计算机在气象、航空、铁路、邮电、微波、证券、金融、人造卫星、导弹发射等方面的应用日益普及，而这些领域都与国民经济息息相关，一旦计算机系统在运行中发生故障，特别是较大的故障，会给国民经济带来巨大的损失。     

竖向地震动强度包络函数的空间变化规律

利用SMART 1台阵三次地震记录拟合了各个测点在地震中的竖向地震动强度包络曲线及Amin 和Ang的强度包络函数中各模型参数值,分析了各模型参数的空间变化规律,建立了各模型参数随二维空间坐标及土层厚度变化的随机模型,为多点地震动合成中竖向强度包络函数的计算提供了理论依据。     

基于Sentinel-2和Landsat卫星时序数据的耕地撂荒识别

充足的粮食供应是当下经济发展和社会稳定的重要保障之一，撂荒作为耕地边际化的极端表现，对其开展监测对保障耕地数量和质量至关重要。本文以四川省南充市营山县为研究区域，通过GEE平台，使用Sentinel-2和Landsat 7、8数据构建时序数据集，计算NDVI、EVI、NDWI、BSI、MSI等指数，分别利用支持向量机和随机森林法提取耕地撂荒，总分类精度为73.76%,Kappa系数为0.68,针对耕地撂荒最佳提取效果，F₁得分为0.691 1。本文方法对山地丘陵地区耕地撂荒监测有较大的借鉴意义。     

基于改进随机蕨算法的GIS增强现实应用研究

随机蕨算法由于其简单高效,实时性好的特点,在计算机视觉领域得到了广泛的应用。但是其在构造二值特征过程中采用的基于像素点灰度值比较的方法对图像变形的适应性较差。本文基于方向梯度直方图对光照变化,图像变形鲁棒性较好的特点,利用统计方向梯度直方图取代像素灰度值进行比较,以此构造特征点二值特征。基于改进的随机蕨算法,本文设计了一种将增强现实技术(AR)应用于GIS的框架模型。实验结果表明,经过改进的随机蕨算法对目标识别的正确率得到了有效提升,且算法的实时性较好,适用于GIS的增强现实应用。     

分数阶混合随机泛函微分方程的能控性

主要研究了分数阶混合随机泛函微分方程的能控性.在无限维空间下,假设所考虑方程线性部分生成半群不是紧的,使用非紧性测度技术和Mönch不动点定理,给出了方程能控性充分条件,并通过一个例子说明了结论的有效性.     

高建筑对周围建筑雷击保护距离的模拟

在已有先导连接参数化方案的基础上,选取近地面层为研究区域,保持方案中其他基本参量不变,通过改变闪电的空间形态,在同一建筑分布的背景下进行多次闪电模拟。研究多个建筑之间的屏蔽作用以及建筑雷击保护距离与建筑相关特征参数之间的关系,结果表明:高建筑对矮建筑具有屏蔽作用,并存在一个临界保护距离,当高、矮建筑高度分别为190 m和165 m,宽度均为20 m时,建筑之间的距离在12 m以内,矮建筑受高建筑完全保护不遭受雷击;建筑之间的距离超过12 m,矮建筑遭雷击次数明显增多。     

利用地基微波辐射计资料反演0-10km大气温湿廓线试验研究

实测与模拟的微波辐射计亮温存在偏差,导致基于BP神经网络模型的大气温湿廓线反演精度的降低。研究了一种基于资料订正后的BP神经网络反演大气温湿廓线的方法。首先,基于2014年6月南京江宁探空资料,利用MonoRTM模式,模拟中心频率在22.2GHz~58.8GHz范围内22通道亮温;对比模拟和实测南京站微波辐射计资料,建立实测微波辐射计资料订正模型。然后,以南京地区2011-2013年探空资料为输入,模拟22通道亮温数据,并基于模拟的22通道亮温数据和当地探空资料,利用BP神经网络算法,建立大气温度、水汽密度、相对湿度廓线反演模型。最后,利用构建的订正模型,对2014年7月试验获取的微波辐射计资料进行订正,并将订正后的微波辐射计资料输入BP神经网络反演模型,反演0-10km高度58层的大气温度、水汽密度和相对湿度,对比实际探空资料以及微波辐射计二级产品,评估分析反演效果。实验结果表明：所建的反演模型提高了大气温湿廓线反演精度,大气温度、水汽密度和相对湿度均方根误差范围分别为1.0~2.0K、0.20 ~1.93g/m3和2.5%~18.6%。     

北斗三频伪距相关随机模型单站建模方法

为了提供可靠的伪距随机模型,基于3个线性无关的北斗三频伪距/载波无几何无电离层(GIF)组合,研究了一种利用单站数据估计北斗三频伪距相关随机模型算法。该算法首先利用低阶多项式对GIF组合进行拟合,以尽可能消除非伪距噪声以外的其他常数和误差,然后利用多元线性回归分析实现对3个线性无关的GIF组合随机噪声同时建模,最后再由线性组合关系变换得到原始北斗三频伪距相关随机模型。经北斗三频实测数据验证结果表明,该算法可实现北斗非差三频伪距相关随机模型的单站解算,有利于为导航定位以及完好性监测提供精准随机模型。     

回归-Elman网络在矿坝变形预测中的应用

金矿开展矿坝的变形监测工作,引入多层递阶回归分析模型,有较高的预测精度,但方法较繁琐,计算较复杂。由于变形数据可分离成趋势项与随机项,趋势项可用多元线性回归良好地拟合;随机项的预测,文中采用Elman网络建模计算,最后利用矿坝的实测高程位移数据进行验证,并与多层递阶回归进行比较。结果表明:回归-Elman网络模型比多层递阶回归的预测精度更高,效果更好,且方法简洁实用性强。     

改进后灰色神经网络及短期基坑沉降预测研究

在短期基坑沉降监测中,由于数据量少且呈非线性变化,沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度,但不能模拟复杂的非线性函数;BP神经网络可以对非线性数据进行学习训练,具有自学习、自适应能力;通过将GM(1,1)与BP神经网络组合,并优化网络部分的学习率、权值和阈值等,建立一种改进的灰色神经网络模型,该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析,验证改进的灰色神经网络模型预测精度更高,适合短期建模,具有很好的实用性。