水库控制流域汛期分期的有效聚类分析

受诸多因素影响的水库汛期分期其实质是一个聚类数目未确知的高维时间序列聚类问题,它要求聚类方法具有能处理高维和时序性数据,且能同时回答聚为几类最为合理的能力。鉴于目前常规聚类方法不同时具备这些能力,在模糊C-均值聚类和紧密与分离聚类有效函数的基础上,提出了能够处理高维时序聚类问题的动态模糊C-均值聚类分析方法和相应的时序聚类有效性函数,耦合二者建立了适用于汛期分期的有效模糊聚类分析方法,提出采用实码加速遗传算法优化求解,克服了模糊C-均值聚类方法常规迭代优化求解对初值敏感的困难,并给出了完备的建模步骤和模型的合理性检验。最后,将模型应用于滦河流域潘家口水库汛期分期中,得出了合理的结论。     

A high precision comprehensive evaluation method for flood disaster loss based on improved genetic programming

Precise comprehensive evaluation of flood disaster loss is significant for the prevention and mitigation of flood disasters. Here, one of the difficulties involved is how to establish a model capable of describing the complex relation between the input and output data of the system of flood disaster loss. Genetic programming （GP） solves problems by using ideas from genetic algorithm and generates computer programs automatically. In this study a new method named the evaluation of the grade of flood disaster loss （EGFD） on the basis of improved genetic programming （IGP） is presented （IGP-EGFD）. The flood disaster area and the direct economic loss are taken as the evaluation indexes of flood disaster loss. Obviously that the larger the evaluation index value, the larger the corresponding value of the grade of flood disaster loss is. Consequently the IGP code is designed to make the value of the grade of flood disaster be an increasing function of the index value. The result of the application of the IGP-EGFD model to Henan Province shows that a good function expression can be obtained within a bigger searched function space; and the model is of high precision and considerable practical significance. Thus, IGP-EGFD can be widely used in automatic modeling and other evaluation systems.     

一种新型混沌遗传优化算法的研究

在对遗传算法交叉、变异后结果的处理方法进行改进并在将进化过程分段的基础上,提出1种新的混沌遗传算法。该算法利用混沌运动的遍历性择优产生初始群体,对每一轮遗传操作所得到的部分当前最优个体进行变尺度混沌搜索。仿真结果表明,该算法具有较高的优化效率,并能求得全局最优解。     

自适应遗传算法配准三维数字样品模型及其CAD模型

通过包围盒的初始匹配和浮点数编码自适应遗传算法的精确匹配,实现了三维数字样品模型及其CAD模型的配准。初始匹配决定精确匹配空间变换参数的范围;精确匹配在搜索变换矩阵的6个变换参数过程中,采用最小二乘方法构造目标函数;遗传算法中引入种群多样性指标;在遗传操作的交叉算子和变异算子中引入该指标,并将该指标用于交叉概率和变异概率两个参数的调整,有效地克服了遗传算法的早收敛问题。实验结果表明该方法较好地解决了三维数字样品模型及其CAD模型的配准问题,且算法稳定,易于实现。     

VC环境下最短路径算法的实现

设计了一种方便查找及显示最短路径的数据结构,对仅研究计算一条最短路径的Dijkstra算法加以了改进,并在VC下实现一个顶点到另一个顶点的所有最短路径的查找。     

实数编码遗传算法在大地电磁测深二维反演中的应用

作为全局非线性优化的新方法之一的遗传算法,近年来已从生物工程流行到大地电磁测深资料解释中.然而,大地电磁反演问题具有不适定性,解的非唯一性.通过结合求解不适定问题的Tikhonov正则化方法,本文采用实数编码遗传算法求解大地电磁二维反演问题.此算法在构建目标函数时引入正则化的思想,利用遗传算法求解最优化问题.常规的基于局部线性化的最优化反演方法易使解陷入局部极小值,而且严重的依赖初始模型的选择.与传统线性化的迭代反演方法相比,实数编码遗传算法能够克服传统方法的不足且能获得更好的反演结果.通过对大地电磁测深理论模型进行计算,结果表明:该算法具有收敛速度快、解的精度高和避免出现早熟等优点,可用于大地电磁资料解释.     

基于MST聚类的空间数据离群挖掘算法

空间离群是指空间邻域中属性特征值明显不同于其他对象的空间对象,空间数据离群挖掘能为人们提供很多有趣的信息,但空间数据具有复杂的拓扑关系、方位关系和度量关系等空间特征,传统的面向事务型数据库的离群挖掘算法并不适用于空间数据库。本文提出了基于MST(Minimum Spanning Tree,最小生成树)聚类的空间数据离群挖掘算法(SOM);有机结合了最小生成树理论与密度的方法,既体现了空间离群的局部特性,又体现了空间离群的孤立程度。该算法通过MST维护空间数据的基本空间结构特征,通过打断MST中最不一致的边形成MST聚类,不仅具有密度的聚类方法能够聚集非球状簇和分布不均的数据集的特点,而且聚类结果不依赖于用户参数的选择,因此,离群挖掘结果更合理。最后,通过实例数据,验证了该算法的有效性,它适用于大规模空间数据集的离群挖掘。     

基于弧段标记的交通网络时间最短路径算法

标号算法是经典的最短路径算法之一,在交通领域中具有广泛的应用。在交通领域中,时间最短路径比距离最短路径更有意义,而时间最短路径不仅与道路的时间权值有关,还与道路之间的转弯阻抗有关。在传统的交通路网抽象方式下,道路抽象为平面图中的弧段,道路间的交叉口抽象为节点。本文介绍了一种适用于传统交通路网模型的弧段标记时间最短路径算法,详细阐述了该算法的原理、数据基础与运行结构。通过分析和实例测试表明,该算法可以顾及城市路网在路口的交通限行与转弯延迟的影响,并且时间复杂度低,具有一定的实际应用价值。     

CSD和CDD结合下的最优遥感特征指数集构建及其在湿地信息提取中的应用

依托中分辨率成像光谱仪完整的数据序列和丰富的光谱信息,遥感特征指数在湿地生态系统发展变化的状态、趋向和规律研究方面发挥着不可替代的优势.传统类间距离判别的遥感特征指数选取中常存在过分依赖数据统计特征、入选指数与目标地类间生态学意义不明确、分类模型普适性差等局限性.基于此,本研究以河北省白洋淀湿地自然保护区为例,提出类可...     

南海北部水体叶绿素a浓度反演的生物光学模型

利用2003年至2005年秋季在南海多个航次的现场观测数据,研究了南海北部海区遥感反射率的变化,并分析了用于全球海洋叶绿素a浓度反演的OC2和OC4模型在本海区的适用性。结果表明,在南海北部海域,OC2和OC4模型高估了叶绿素a浓度,高估范围一般约在80%—200%之间,其中最高可达640%,即OC2和OC4模型并不适用于南海海域。在此基础上,根据现场实测的表观光学数据,利用遥感反射率比值(Rrs(433)/Rrs(555))与叶绿素a浓度的关系建立了两套能够精确反演南海北部海域叶绿素a浓度的本地化经验算法———算法1和算法2,并利用其对南海北部海域的叶绿素a浓度进行反演。结果表明,由本地化模型反演得到的叶绿素a浓度与实测的叶绿素a浓度具有较好的相关关系,其平均相对偏差分别为51%和53%,相关系数为0.75。