经验模态分解和遗传小波神经网络法用于边坡变形预测

从挖掘边坡变形特性出发,提出一种基于经验模态分解(EMD)和遗传小波神经网络(GA-WNN)法的新型边坡变形预测模型。该模型首先对边坡变形序列进行EMD分解,有效分离出不同尺度特征的子序列;其次基于相空间重构挖掘各子序列的特性,以避免预测模型输入维数选取的随意性;然后采用遗传算法优化小波神经网络的权值和阈值,进而对各子序列建立预测模型;最后叠加各子序列预测值得到边坡预测结果。经过了算例计算,并与SVM和GA-WNN对比分析。结果表明:该模型具有较强的非线性拟合和自适应能力;在一定程度上保证较优的局部预测值和较好的全局预测精度,均方根误差为0.68 mm;在边坡变形预测中具有一定的实用意义。     

L1范数和分裂Bregman的遥感影像变分融合模型

目前,一些基于变分的Pan-sharpening方法是通过梯度下降法极小化能量泛函来实现融合,但梯度下降法在靠近极小值时收敛速度会减慢。若变分模型中包含有L1范数的不可微项时,梯度下降法存在鲁棒性不高、计算复杂的问题。该文根据L1范数能保持图像的几何纹理、分裂Bregman对含有L1范数的泛函收敛速度快的特点,在已有的变分模型基础上,将L1范数加入到模型中,构建能量泛函代价函数,并通过分裂Bregman迭代极小化能量泛函。在Worldview-2数据集上的融合结果表明,该方法可以生成同时具有高光谱和高空间分辨率的图像。     

基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究

以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法（PSO）对变分模态分解（VMD）进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络（NARX）进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元（GRU）进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的（PSO-VMD）-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机（SVM）和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。     

2019年6月桂林三次强降水天气成因对比分析

利用多普勒雷达、气象卫星、自动气象站等监测数据以及NCEP再分析资料,对桂林2019年6月6-12日接连3次强降水天气过程的环流背景、影响系统与形成原因进行了对比分析。结果表明:(1)3次过程按影响系统分属暖区暴雨、低涡暴雨和锋面暴雨过程,均发生在高空急流右侧辐散、低空急流左侧辐合叠加区。(2)3次过程均受500 hPa短波槽和地面中尺度辐合线影响,但第1次过程中西南急流及地形等、第2次过程中低涡切变线、第3次过程中冷锋也起到重要作用。(3)3次过程的触发系统不同,第1次暖区暴雨过程迎风坡地形对其起触发作用,西南急流使得后向传播的对流云带维持;第2次低涡暴雨过程的触发系统为低层位于贵州一带的西南涡,西部冷空气侵入与西南急流加强是低涡对流云团维持较长时间的原因;第3次锋面暴雨的触发系统为冷锋,锋面配合锋前暖湿气流使对流云带加强。(4)第1次过程暖区暴雨MCS模态主要为线状后向扩建类,极端强降水出现在线对流中后端;第2次过程低涡暴雨MCS模态为涡旋类,极端强降水出现在涡旋中心附近;第3次过程锋面暴雨MCS模态由前期后部层云区线状对流转为层状云包裹对流系统,强降水发生在线对流弯曲或中心强回波处。     

1953～2017年黄河源区气温变化的多尺度特征

基于黄河源区8个站点的年平均气温序列,利用集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）方法,揭示了以玛多站为代表的黄河源区1953~2017年气温演变的多时间尺度特征,探讨不同时间尺度上的周期振荡对气温变化总体特征的影响程度,分析了黄河源区不同时间尺度的气温变化与海温指数,尤其是与北大西洋多年代际振荡（Atlantic Multidecadal Oscillation,AMO）间的关系。结果表明:（1）1953年以来黄河源区玛多站年平均气温以0.31 ℃/10 a的变化率表现为明显的增暖趋势,20世纪80年代后期开始转暖,尤其是进入20世纪90年代后期变暖更加明显。（2）1953~2017年,黄河源区年平均气温呈现3 a、6 a、11 a、25 a、64 a及65 a以上时间尺度的准周期变化,其中以准3 a和65 a以上时间尺度的振荡最显著,准3 a的年际振荡在21世纪以前振幅较大,而进入21世纪后年际振荡振幅减弱,65 a以上时间尺度的年代际振荡振幅明显加大。（3）1998年气候显著变暖以前,以准3 a周期为代表的年际振荡在气温演变过程中占据主导地位,1998年气候显著变暖以后,65 a以上时间尺度周期振荡的贡献率增加近5倍,与准3 a周期振荡的贡献相当。（4）气温与Nino3.4指数和PDO（Pacific Decadal Oscillation）指数的同期相关均不显著,但当气温领先PDO指数22 a时正相关最大且显著,不同于PDO指数,气温原始序列及其3个年代际尺度分量滞后AMO指数3~7 a或二者同期时相关性最高,这就意味着AMO对黄河源区气温具有显著影响。（5）AMO的正暖位相对应着包括中国的整个东亚地区偏暖,黄河源区只是受影响区域的一部分,20世纪60年代至90年代初期AMO的负冷位相期、20世纪90年代中后期至今AMO的正暖位相与黄河源区气温距平序列的负距平、正距平相对应,气温在65 a以上时间尺度的变化与AMO指数相关性更高,可见,AMO是影响黄河源区气温变化的一个重要的气候振荡,这种影响主要表现在年代际时间尺度上。     

缺损桩的导纳谱判别法及应用

利用振动工程中的模态分析技术,对桩基系统的振动特性进行研究。根据桩基系统的集中质量参数振动模型,对完整桩和各种缺损桩模型的导纳谱进行了大量的正演计算,按照导纳谱特征与桩基的缺损类型及缺损位置之间的对应关系,编制了相应的判读软件DSP1.0系统,实现了桩基完整性以及缺损桩缺损位置和缺损性质的计算机自动判读。     

花园口站年最大洪峰流量时间序列的HHT分析

Hilbert-Huang变换能够定量描述非线性、非平稳复杂时间序列的时频特性,较传统分析方法更具优势。通过对时间序列进行EMD分解,得到变化过程的内在模态函数和趋势项函数,而后对各内在模态函数进行Hilbert-Huang变换,从而揭示出时间序列的多时间尺度特征。以黄河花园口站1952-2009年的年最大洪峰流量时间序列为例,对其进行多时间尺度分析,得到不同波动周期的振荡分量及趋势分量,具体分析了各分量的变化特征。结果表明,花园口年最大洪峰流量变化过程中存在准3.2a、准6.4a、准11.8a和准31.0a周期的波动,其中准3.2a和准6.4a的周期波动是引起原序列波动的主要原因,近60年来花园口年最大洪峰流量变化呈递减趋势,由此揭示了年最大洪峰流量变化过程的多时间尺度特征。在此基础上,探讨了各波动分量变化的影响因素,其变化与大气低频振荡、ENSO、太阳活动及气候变迁等因素有关。     

一种基于遗传算法的曲线化简方法

提出一种基于遗传算法的曲线化简方法。根据曲线化简问题的特点,设计了保证有效的交叉算子和局部寻优的分裂变异算子;针对固定遗传概率容易引起早熟的问题,设计了可根据个体适应度及种群整体状态自适应调节的遗传概率。试验证明:与传统化简方法相比,该方法能得到更优的化简结果;与基于现有典型遗传算法的曲线化简方法相比,该方法具有更好的全局收敛性。