应用最小二乘法建立钾长石释光测年标准生长曲线

标准生长曲线（Standardised Growth Curve,SGC）法的提出为高效快速地测定释光样品的等效剂量（D_e）值提供了可能。不同实验室的放射源剂量率、操作流程、仪器误差等的不同会导致SGC参数的不同。运用最小二乘法标准化实验剂量校正后的信号L_ri/T_ri*D_e得到一条本实验室的标准生长曲线,用来快速得到等效剂量值。通过R软件实现了最小二乘法标准化过程,建立了50、100、150、200、250℃激发温度下的钾长石的标准生长曲线,分析发现250℃下的SGC收敛性最好,由于此温度下的信号衰退率可忽略不计,因此,我们用250℃激发温度下的SGC方程来估计样品的等效剂量。比较250℃ SGC D_e和250℃ MET-pIRIR D_e的一致性,发现在0~500 Gy范围内用SGC法估计的D_e和MET-pIRIR法估计的D_e非常接近,表明了此范围内SGC法的可靠性,而在>600 Gy范围内出现较大差别。一方面,此范围内用于拟合SGC的数据点较少导致高剂量区域内拟合的方程参数不够准确;另一方面,600 Gy与SGC对应的饱和剂量水平值844.5 Gy已经接近,所以在>600 Gy区域测出的D_e很可能出现较大偏差。因此需在今后工作中逐步积累更多样品,完善SGC参数,使其也能胜任较老年龄样品。     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距,不仅可以快速获取地面物体的三维坐标,还可以获得多个波段的地物光谱信息,可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征,完成多光谱LiDAR的随机森林地物分类;并分析随机森林的特征贡献度特性,采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度,而且可以适当地去除部分冗余和相关的特征,从而有效提高分类精度。     

基于随机森林的光子计数激光雷达点云滤波

新一代星载激光雷达卫星ICESat-2首次采用了微脉冲光子计数激光雷达技术,由于单光子探测的灵敏性导致数据在大气和地表下层产生了大量噪声,因此对光子计数激光雷达点云数据实现信号和噪声的分离是开展进一步应用研究的前提和基础。本文选择美国俄勒冈州和弗吉尼亚州2个研究区,采用MATLAS数据,根据光子点云数据的特点构造了12个光子点云特征,对所构造的特征利用随机森林进行变量筛选,用机器学习方法对光子点云进行分类,并将建立好的模型推广到整个研究区。研究结果表明,本文构建的分类器分类总精度达到了96.79%,Kappa系数为0.94,平均生产者精度和用户精度分别为97.1%和96.8%。在相对弱噪声、平坦地形区域和强噪声、复杂地形区域都取得较好的分类结果。本文结果显示了基于少量样本通过机器学习的方法构建模型,可以推广到较大范围区域的光子点云分类应用中。     

基于深度学习的钨钼找矿靶区预测方法研究

随着矿产勘查工作由浅部矿向深部隐伏矿、由易识别矿向难识别矿发展,找矿难度日益增大,地质专家越来越重视新理论、新方法、新技术的应用。深度学习作为人工智能的前沿领域/技术,对于实现矿产资源预测“智能化预测评价”具有得天独厚的优势。本文以陕西省镇安县西部钨钼矿集区单元素化探异常原始数据为基础,提出了基于深度学习的钨钼矿产评价方法。该方法以归一化地球化学数据作为模型训练数据,通过深度学习中深度自编码网络方法实现异常值提取进而识别重点成矿有利地段,实现矿产资源找矿远景区定性预测。研究结果表明,在对957条单元素化探异常原始数据分类且做好模型标签后,整个过程在计算机的“黑盒子”中自动完成学习和预测,相较于传统预测研究方法,本文方法具有自动化程度高和客观性强的特征。此外,本文利用已知矿点构建训练数据集,采用随机森林方法对预测区进行矿产资源找矿靶区预测圈定,为进一步缩小找矿靶区范围提供科学依据。     

函数模型与随机模型双约束的GPS-InSAR数据融合方法建立三维形变场

针对InSAR技术研究地表三维形变时监测信息不足的问题,以GPS监测信息为先验信息,建立附有随机模型约束的地表三维形变模型。考虑到SAR卫星极轨方式运行导致LOS向观测量对南北向形变不敏感的问题,以GPS南北向形变观测值作为强约束,构建三维形变解算的函数约束条件。模拟数据与西安地区实测数据的计算结果表明,基于随机模型与函数模型共同约束的地表三维形变参数最小二乘解的精度优于仅有函数模型约束或仅有随机模型约束及无任何约束的参数解精度。     

用随机有限断层方法模拟2016-11-13新西兰Mw7.8地震

在未来大地震发震构造已知的前提下,提出用经验公式确定大地震断层长度、宽度、地震矩和滑动分布等参数,并用随机有限断层方法预测未来大地震。用随机有限断层方法模拟2016-11-13新西兰M_W7.8地震的12个基岩台站地震动时程和反应谱,并用模拟的频谱幅值与记录频谱幅值平均比值确定模拟误差。结果表明,在周期为0~10 s的范围内,模拟误差在0.92~1.08之间,不同频率模拟误差的标准差变化范围不超过1。95%的置信区间宽度随频率无明显变化,模拟结果反映了地震动记录的平均效果。用准随机方法重新获取新西兰大地震断层初始破裂点和位错滑动分布,模拟地震动并计算模拟误差随频率的变化,得到与最初模型相似的结论,从而进一步证实了本文提出的获取震源参数并用随机有限断层方法预测未来大地震的可靠性,且其特别适用于大地震远场模拟。     

顾及卫星空间分布状态的 GNSS信噪比随机模型

为了研究随机模型对GNSS定位精度的影响,介绍了GPS/GLONASS/BDS组合伪距单点定位的函数模型以及几种当前常用的先验随机模型。结合各个模型的优缺点,提出通过指数函数引入空间分布改善因子,建立一种改进的信噪比随机模型,并设计相关多系统伪距单点定位试验对其性能进行分析。实验结果表明:改进模型的解算精度显著优于现存的几种先验随机模型,相比等权模型在三维定位精度上提升15%～30%,相比高度角模型提升15%～25%,相比信噪比模型提升5%～15%,相比现存的PDOP模型也有明显提升。改进模型在不同遮蔽情况、双系统和三系统组合定位时精度均优于现存的信噪比随机模型,从而验证了该定权算法的有效性。     

非线性参数估计的自适应松弛正则化算法

非线性方程参数估计存在的弊端在于非线性观测方程存在不适定问题时,以线性化平差估计和高斯牛顿为代表的经典数值算法会产生较强的不稳定特征。因此,针对传统非线性最小二乘求解不稳定且可靠性低的特点,基于稳定泛函极小准则最优化思想,提出了一种自适应松弛正则化数值算法。该算法采用正则化参数几何递增计算方法和残差最小步长准则,实现了正则参数和迭代步长计算的完全自适应,提高了非线性迭代收敛效率。以病态仿真数据和水下实测数据为例,验证了该方法的数值收敛解优于线性平差估计解,收敛效率优于迭代Tikhonov正则化方法。     

GPS／GLONASS／BDS／Galileo系统载波相位观测值质量对比分析

目前,全球卫星导航系统(GNSS)已进入以GPS、GLONASS、BDS、Galileo四系统为代表的多系统并存的时代,多系统多频率观测值的综合应用极大地提升了GNSS的服务能力. GNSS自身的数据质量是取得高精度结果的先决条件之一,也是多系统精密定位随机模型构建的关键. 为避免码分多址和频分多址机制不同的影响,本文采用几何无关和M-W组合方法,基于科廷大学实测零基线数据对四系统的载波相位单差残差序列对比分析,并利用高度角随机模型中的正弦模型和指数模型对载波相位观测值精度随高度角变化建模,获得适用于不同系统不同频率观测值的随机模型. 实验分析表明,单差残差序列随高度角变化情况在不同系统不同频率表现出不同特性;Galileo系统L1、L2观测值精度相当,均在0.9 mm左右,其他系统则表现出L2精度比L1精度更差的性质. 高度角加权模型拟合结果表明,正弦模型和指数模型对GPS和Galileo系统的L1、L2精度序列拟合一致性较好,而BDS系统使用正弦模型拟合效果略差,GLONASS系统则不适合采用正弦模型评估L2观测值精度.      

随机模型对解算西安流动SLR站坐标的影响

合理的参数估计及精度评定不仅需要可靠的函数模型,而且需要正确的随机模型。从权函数和粗差编辑两方面,研究了不同随机模型对西安流动卫星激光测距（satellite laser ranging,SLR）站坐标解算的影响,采用全球Lageos-1卫星观测数据计算了西安流动SLR站坐标。计算结果表明:①西安流动SLR站的观测精度和坐标解算精度均达到厘米级。②随机模型直接影响SLR站坐标的解算结果及可靠性;对于相同的计算弧段,抗差方差分量估计得到的站坐标精度最高、结果最稳定,残差加权均方差最小,观测资料利用率也最高;对于相同的计算方案,采用的SLR数据越多,坐标估计精度越高。