基于自组织映射神经网络的吉林省春夏期降水统计模拟研究

利用1997—2015年吉林省春夏期(4—7月)逐日气象站地面观测资料,以气温、气压、相对湿度、水汽压、风速为协变量,建立各站点逐日降水量的基于自组织映射神经网络(Self-Organizing Maps,SOM)的统计预测模型;分析吉林省春夏期的主要天气模态,研究逐日降水和天气模态之间的关系,并基于此关系提出逐日降水量的蒙特卡罗模拟方法。结果表明:SOM对天气模态的分型质量较好,邻近天气模态的累积概率分布较相似,距离较远的天气模态累计概率分布差异较大。各天气模态下无降水的概率与日降水量区间宽度的相关系数为-0. 94,显著性水平小于0. 01。基于降水量累积概率分布,20种天气模态被划分成4类,并与降水易发程度和逐日降水量完全对应。在此基础上,对吉林省24个站点逐日降水量进行蒙特卡罗模拟,并进行预测性能分析。平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RM SE)的中位数分别为3. 12 mm和6. 13 mm,SBrier和Ssig分别为0. 06和0. 51,站点的逐日降水量预测性能整体较好。MAE和RMSE分布呈现东南大西北小,去除降水自然变异差异的影响,所有站点的误差都较小; SBrier和Ssig没有明显的空间分布特征。     

基于经验模态分解的西安市空气质量预报订正方法

为提高城市空气质量预报的准确率,研制了针对数值预报模式CAPPS2的订正方法,对2001—2007年西安市逐日PM10、SO_2、NO_2浓度均值和相应的降水、风速作经验模态分解(EMD)分析,用最大熵谱方法检验各本征模态函数(IMF)周期,计算其方差贡献率,制定订正方法并进行数值试验。结果表明:PM10浓度波动以周尺度为主,有明显周末效应,与主要清除过程匹配较好;SO_2、NO_2浓度波动与主要清除过程不同步;基于周末效应的订正规则对PM10、SO_2订正效果较理想,对NO_2订正效果不确定。     

乾安县40年气候变化的分析

利用东北地区月平均气温、降水量、蒸发量等资料,计算了宁夏季气温和降水的相关系数,表明东北地区西部复季气温与降水量呈显著负相关.从年代际变化的分析中得知,20世纪90 年代暖干趋势明显,其中以乾安最为突出.分析乾安及其邻近测站蒸发量的年代际变化,表明乾安的夏季蒸发量上升趋势明显,并远大于其他测站,对环境的不良影响加重,而存下垫面条件较好一些的区域,夏季蒸发量呈下降趋势.乾安县未来复季气温仍为上升趋势,降水量存总体平均值之下呈旱.涝交替变化.     

DT-CWT结合MRF的遥感图像变化检测

为了解决多尺度遥感图像变化检测在降噪时丢失大量高频信息及单一像素孤立性的问题,提出了一种双树复小波变换DT-CWT(Dual-tree Complex Wavelet Transform)和马尔可夫随机场MRF(Markov Random Field)相结合的非监督遥感图像变化检测算法,首先采用DT-CWT对差异图像进行多尺度分解,并根据MRF模型分割算法提取高频区域的变化特征,然后进行相应层的高、低频重构,再对重构后的各层建立MRF模型并根据贝叶斯最大后验概率准则MAP(Maximum A Posterior)进行最终分割,最后对各层分割结果进行求交融合,得到最终的变化检测结果掩膜图。对比实验结果表明,该方法在去除杂点和噪声的同时能够较好地保留高频信息,并且边缘检测更加平滑,具有较高的变化检测精度和很好的鲁棒性。     

ELMD并联式组合模型在沉降分析中的可行性研究

时频分解方法局部均值分解（local mean decomposition,LMD）在沉降监测中已经得到了应用,但在使用中会出现模态混叠现象。总体局部均值分解（ensemble local mean decomposition,ELMD）通过添加辅助噪声可以抑制局部均值分解过程中出现的模态混叠现象。提出了一种基于ELMD的并联式组合沉降预测方法,结合高速铁路某桥梁实际监测数据,在对ELMD模型进行仿真分析的基础上,分别使用ELMD和LMD将一组离散非线性信号分解为3个PF分量和1个剩余分量,并利用支持向量机和卡尔曼滤波进行预测验证。结果表明:使用ELMD进行分解的过程中能够很好地抑制LMD方法中出现的模态混叠问题。在预报精度方面,基于ELMD的并联式组合模型的平均相对误差可以达到8.3%,可为沉降监测的预报工作提供参考和借鉴。     

基于信噪比检验的部分奇异值双参数修正估计

从分析LS估计和岭估计的奇异值展开式出发,研究了病态性问题的解算方法。岭估计中岭参数对较大奇异值的修正不能有效降低估计的方差,却增大了估计的偏差,这是导致岭估计有时效果不好的重要原因。首先借鉴TSVD思想,保留展式中较大奇异值所对应的项,然后修正展式中较小奇异值所对应的项。在修正前,利用信噪比检验,将各个参数按受到复共线性危害的大小分为两类,据此作出不同强度的双参数修正,提出了基于信噪比检验的部分奇异值双参数修正估计。实验结果表明,新方法的解算精度较高。     

基于数据路由的星载高速数据处理系统研究

随着对地观测有效载荷种类的增加和成像分辨率的提高,其数据量和数据率大幅增加,对数据处理和传输系统提出了更高的要求。为了解决有效载荷信息处理的瓶颈,本文提出一种基于数据路由的星载高速数据处理技术,实现对海量高速数据的采集、压缩、存储和传输,并通过系统内部的高速数据总线,结合基于CCSDS AOS的网络层协议,实现从各载荷到存储单元、处理单元、CCSDS下行网关以及各单元之间的高速数据流交换。通过对数据路由的热备设计,数据流可进行自动或根据指令要求路由,提高了系统设计的可靠性。通过搭建原理验证系统,验证了高速总线、数据压缩、大容量存储以及数据复接几个关键技术的可行性,为后续空间应用任务奠定了基础。     

基于调和分析及VMD-BP神经网络的感潮河段流量预报

针对感潮河段受径流和潮汐共同影响导致流量预报精度较低的问题,结合变分模态分解(variational mode decomposition,VMD)处理非平稳信号的能力与反向(back propagation,BP)神经网络处理非线性问题的优势,提出了基于潮流调和分析及VMD-BP神经网络组合模型的感潮河段流量预报方法。首先,采用潮流调和分析方法对原始流量进行潮流、余流分离;然后,根据误差逆向传播算法构建BP神经网络,并对潮流数据和经VMD处理后的余流数据进行仿真训练;最后,将仿真训练输出的潮流和余流分量叠加重构进而得到最终的流量预报结果。在长江口徐六泾断面开展流量预报实验,结果表明,单独采用BP神经网络方法相对于传统潮流调和分析方法的流量预报精度提高了约3 400 m³/s,相对精度提高了约6%;所提组合模型方法的流量预报精度相对于传统潮流调和分析方法提高了约5 000 m³/s,相对精度提高了约9%。基于调和分析及VMD-BP神经网络的组合模型可以有效提高感潮河段流量预报精度,同时也为流况多变水域的流量预报提供新思路。     

复共线性对参数估计危害的度量及检验

本文针对测量平差实际,引进和发展参数估计的信噪比的概念,以度量复共线性对参数估计的危害及其大小,并将问题归结为一个统计假设检验问题,给出了检验统计量和检验方法。大量的模拟计算结果表明,运用该方法能够对每个参数的估计是否受到复共线性的危害及其危害的大小做出合理的判断。     

变形观测数据的经验模态傅里叶分析

针对变形分析及变形预测中非平稳非线性且含噪声的数据处理问题,该文采用经验模态分解技术提取反映变形趋势的低频逼近信号,利用傅里叶函数对低频逼近信号进行曲线拟合,并据此构建变形值预测模型,对出现的模型系数采用遗传算法求解。实例仿真表明所得预测模型具有较高的精确度,能满足工程需要。EMD-Fourier模型实质上是初等数学模型,具有结构简单、运算结果稳定、操作方便等优点。