顾及钟差随机项的GPS卫星钟差预报

针对卫星钟差呈趋势项和随机项变化的特点,提出了基于GM(1,1)与自回归求和移动平均的组合预报模型。该模型首先采用GM(1,1)模型预报钟差的趋势项部分,然后利用ARIMA模型对GM(1,1)的模型残差序列进行建模和预报,最后将GM(1,1)和ARIMA模型的预报结果对应相加即得到钟差的最终预报值。此外,采用IGS公布的精密卫星钟差进行预报试验,通过与卫星钟差预报中常用的二次多项式模型和修正指数曲线法模型预报结果的对比分析,结果表明:该方法可以对GPS卫星钟差进行高精度的中短期预报。用12 h钟差建模时,预报未来6、12、24和48 h的平均预报精度分别为0.71、1.17、1.93和4.38 ns,相比于二次多项式模型的平均预报精度分别提高了29.70%、43.75%、67.62%和76.21%;相比于修正指数曲线法模型的平均预报精度分别提高了18.39%、33.90%、61.40%和70.49%。     

土地覆盖变化信息自适应抽样策略及其精度评估

提出了一种面向土地覆盖变化信息局域精度评估的自适应型抽样策略。结合待研究地图的土地覆盖变化信息局部特征（如土地覆盖变化类别、斑块大小、异质性和优势度）,探讨与土地覆盖变化信息精度显著相关的协变量,以预测精度的标准误差作为判断标准,识别需要提高精度预测结果可靠性的区域,以自适应地和逐步定位的方式进行样本采集。基于武汉地区的精度评价结果,自适应的抽取增加100个训练样本使得预测精度的确定系数提高了50.66%,而简单随机抽取的增加样本使得预测精度的确定系数提高了17.22%。试验表明,自适应型抽样策略能显著提高土地覆盖变化信息局域精度预测的抽样效益,减少预测精度的不确定性。模型选择的结果表明,土地覆盖变化类别和优势度指数是最优的协变量组合。     

基于WebGIS的“一带一路”经济数据辅助决策支持系统

"一带一路"战略的发展建设依赖于大量经济要素数据,战略决策需要结合大量经济数据和空间位置信息进行参考辅助。文中以中国社会科学院"一带一路"数据库为数据支撑,研究百度ECharts与MapGIS空间数据的相互解析与调用方法,以MapGIS为计算内核、百度ECharts为可视化工具,实现对"一带一路"经济数据的空间可视化与分析功能,为"一带一路"经济建设提供数据参考和决策支持。     

红外卫星云图和相关向量机的有眼热带气旋客观定强模型

热带气旋TC(Tropical Cyclone)是全球影响最严重的自然灾害之一。TC强度和路径的准确预报,对于减轻其带来的灾害影响至关重要。本文基于静止红外卫星云图和相关向量机RVM(Relevance Vector Machine)构建有眼TC客观定强模型。首先,利用高斯平滑对红外卫星云图进行去噪;然后,利用基于测地活动轮廓GAC(Geodesic Active Contour)模型的偏微分方程PDE(Partial Differential Equation)法对有眼TC的眼壁进行分割,提取眼壁的亮温梯度信息,计算眼壁亮温梯度的最大值及梯度数据不同概率时的均值,从而构造与TC强度密切相关的特征因子;最后,利用RVM构建单特征因子、多特征因子与近地面最大中心风速的客观定强模型,研究不同特征维度对TC客观定强误差的影响。实验结果表明,在单特征因子的模型定强中,95%概率眼壁亮温梯度均值的定强误差最小,相比利用单特征因子所构建的定强模型,多特征因子的模型定强误差更小,即多特征因子中包含更多与TC强度相关的特征信息。在多特征因子的模型定强中,二特征因子优于三特征因子模型,说明应当合理选择特征因子维数,并非越多越好。本文所用RVM模型具有良好的高维非线性处理能力,能对TC强度进行有效估计。     

典型潜水层苯系物污染羽稳定性主控因子及统计建模

场地或区域地下水污染羽能否达到稳定及其稳定性特征直接决定自然衰减修复的可行性.本文构建了从上到下依次为潜水层、弱透水层、承压层的典型含水结构,模拟量化潜水层恒定源地下水污染羽迁移扩散,以污染羽稳定面积、稳定浓度和稳定所需时间为特征因子,充分考虑可能影响污染羽迁移扩散的水文地质和水化学参数.首先通过敏感性分析筛选出较敏感因子,然后利用正交试验进行主控因子识别,最后采用多元回归模型构建特征因子与主控因子的定量统计关系.结果表明,对污染羽特征因子具有广泛影响的主控因子为降解系数、弥散度、渗流速度和源浓度,特征因子与主控因子之间具有良好的统计关系,根据实际情况可选用不同主控因子数量表征的统计模型对特征因子进行预测,这将为基于自然衰减修复的场地或区域地下水污染优化控制与高效修复提供重要依据.     

基于谱聚类的救援提升车故障诊断方法

针对救援提升车结构复杂、工况故障数据独立性差、故障诊断难的特点,提出一种基于谱聚类的半监督支持向量机救援提升车故障诊断算法。该算法利用谱聚类的思想挖掘原始故障数据的隐藏特征信息,有效区分不同耦合程度的部件系统中故障信息的独立结构特征。首先根据原始输入数据建立故障图谱,然后通过建立拉普拉斯矩阵获取更加符合聚类假设的核函数,最后,建立半监督支持向量机模型,利用梯度下降算法求解最终分类结果。将上述算法应用于XCA30＿JY救援提升车工况故障诊断系统,通过搭建真实仿真环境,对采集到的工况数据进行分类,获取最终分类效果。为评价其性能,分别与传统支持向量机及梯度下降半监督支持向量机进行比较。实验结果表明：提出的算法对于救援提升车故障诊断具有较好的分类效果,救援提升车工况故障分类错误率降低至10.2%,可有效解决复杂工况故障诊断难题。由于本算法具备任意样本空间聚类及非凸函数优化求解能力,因此,除可广泛应用于车载故障诊断系统外,对于数据分类、模式识别等方面具有普遍的应用和指导意义。     

支持向量回归算法在土体含水率AHFO测试中的应用研究

主动加热光纤法(AHFO)可实现土体原位含水率的分布式测量,但受场地复杂环境的影响,现有含水率计算模型解译获得的测试结果容易发生较大误差。本文在试验研究的基础上,探究了土体干密度对AHFO法含水率计算的影响,并将支持向量回归(SVR)算法引入含水率的计算模型中,与传统计算模型进行了对比。研究结果表明：土体干密度是影响含水率计算模型精度的重要因素,干密度波动越大则传统计算模型的计算误差也越大,土体较高含水率下会降低计算模型的敏感性;与传统的含水率计算模型相比,考虑干密度影响的径向基核支持向量回归方法具有更高的计算精度,建议在含水率AHFO法的测试中推广应用。     

基于光谱—空间特征的ASTER影像岩性分类研究——以甘肃北山白峡尼山地区为例

遥感岩性制图是地质填图中的重要工作,基于光谱特征的岩性分类易受到色调、纹理等因素影响导致精度不佳。前人进行岩性自动分类研究多关注影像的光谱特征,而忽略空间特征,笔者等基于甘肃北山白峡尼山地区ASTER影像,将支持向量机、极限学习机两种机器学习分类方法与基于空间特征的快速漂移算法相结合进行岩性分类。结果表明支持向量机分类总体精度为89.17%;极限学习机不但具有需调节参数少的优势,且分类精度和速度均优于支持向量机,分类总体精度达96.70%;利用快速漂移算法提取的影像空间特征可有效减少错分区,提升岩性分类效果。研究证实将基于光谱特征的极限学习机和基于空间特征的快速漂移算法结合的岩性分类方法具有客观、高效、高精度等优势,可为后续地质填图和找矿勘查工作提供可靠数据支撑,在遥感岩性分类领域具有较高的推广价值。