黎安港海水和沉积物中叶绿素a含量及与环境因子的关系分析

在2019年6月和9月对黎安港海域9个站点进行水质和沉积物采样调查,研究叶绿素a含量在潟湖内的空间分布,并探讨叶绿素a含量与相关环境因子的关系,为黎安省级海草特别保护区的海草资源保护与恢复提供基础数据及理论研究.结果表明:水体叶绿素a含量时空分布不均匀.6月,水体叶绿素a含量变化范围为3.34μg/L?14.64μg/...     

利用MODIS资料遥感水体上空气溶胶粒子尺度的数值试验

利用卫星探测辐射的光谱依赖性来反演大气气溶胶粒子尺度分布,首先要建立反演算法并检验其可行性。本文参照文献[1]对暗的海洋上空MODIS资料的处理方法,针对大陆水库上空卫星探测MODIS辐射信号,利用6S(Second Simulation of the Satellite Signal in the Solar Spectrum)辐射模式建立一个查算表(Look-up table:LUT)来反演大气气溶胶粒子尺度分布;然后通过数值试验对所建立的查算表进行检验,讨论其方法的可行性。数值试验结果表明,查算表对大陆性气溶胶尺度分布有反演能力,但拟合误差sεl值随着气溶胶光学厚度的增加而增加。     

SPEC机载云探测系统及其云物理研究进展

在综合介绍我国机载云探测系统的发展历程、应用情况和优缺点的基础上,对新一代机载云探测系统SPEC的系统组成、探测原理、探测方法和探测范围等进行了详细说明,并探讨了近年来国内外相关研究进展.随着科学研究人员对云探测精细程度、准确度要求的日益提高,以往使用的粒子观测系统(PMS)等云探测系统已无法满足一些科学试验的需求;S...     

基于双隐层ANN模型的叶绿素a浓度智能预报方法

利用2019年5月WZ02生态浮标监测数据,建立了两种不同隐层人工神经网络(ANN)模型的叶绿素a(Chl-a)智能预报方法,并对单隐层和双隐层模型的预测结果做了对比.结果表明:双隐层结构预测结果精度更高,泛化能力更强,一定程度上说明了深层学习比浅层学习对信息的主要特征提取能力更有优势.同时,对数据样本集合进行了系统预...     

基于粒子群优化和随机森林的最优含水率与最大干密度的预测模型

土体压实可以通过外力迫使土颗粒压密来增大土体密实度,从而改善土体的力学性能.因此,土体压实参数的确定对于土工结构有着重要影响.本文采用基于粒子群优化的随机森林模型对最优含水率(wopt)和最大干密度(ρdmax)进行了预测.首先,利用灰色关联度算法计算最优含水率和最大干密度与特征变量(含砾量,砂含量,细粉含量,液限,塑...     

基于SAPSO-ELM的瓦斯涌出量分源预测及应用

为了提高瓦斯涌出量预测精度,针对瓦斯涌出量影响因素的多重相关性、复杂性等问题,结合主成分分析法和分源预测理论,对开采层、邻近层、采空区的瓦斯涌出量数据分别进行主成分分析降维,得到预测指标。针对极限学习机(ELM)存在的输入权值矩阵与隐含层阈值随机生成的问题,利用模拟退火粒子群算法(SAPSO)对极限学习机的参数寻优,将新疆某煤矿回采工作面瓦斯涌出量及影响因素作为SAPSO-ELM模型的输入进行训练,再利用训练好的SAPSO-ELM模型对陕西某煤矿回采工作面的瓦斯涌出量进行验证预测,并对比原始ELM模型的预测结果。结果表明,SAPSO-ELM模型的平均相对误差为3.45%,ELM模型的平均相对误差为8.81%,与ELM模型相比,SAPSO-ELM模型预测精度及效率均优于原始ELM模型。分源预测理论和主成分分析法的结合有效解决了多因素间的多重相关性并降低了预测模型的复杂度,SAPSO-ELM预测模型实现了瓦斯涌出量的快速精准预测,对预防瓦斯事故发生和保障煤矿安全高效开采具有较好的指导作用。      

基于测井参数优选的煤层含气量预测模型

随着煤层气勘探的不断深入,对煤层含气量预测精度提出了更高的要求。基于煤层含气量测井响应特征,分析测井参数与含气量的相关性,提出MIV（Mean Impact Value）技术与LSSVM（Least Squares Support Vector Machine）结合的测井参数优选策略,优选最优测井参数作为网络建模的输入自变量组合,通过粒子群算法优化LSSVM网络核心参数,最后构建一套适用于煤层含气量预测的MIV-PSO-LSSVM模型。在此基础上,分别对比分析LSSVM、PSO-LSSVM、MIV-LSSVM和MIV-PSO-LSSVM模型对煤层含气量的预测性能,并与传统多元回归方法进行了对比,利用拟合优度和均方根误差对此5类模型进行评价。结果表明:PSO优化下的LSSVM模型预测精度得到有效提升,结合MIV方法优选测井参数可大幅度改善神经网络建模性能,MIV-PSO-LSSVM模型可实现煤层含气量高精度预测,为煤层气勘探及其储层评价提供新的技术支撑,且本研究的建模策略及思想可广泛应用于其他机器学习建模研究领域。      

数字孪生铁路多目标粒子群任务调度方法

展示/分析/探索多层次任务及存储/计算/网络资源高效调度是数字孪生铁路的关键技术,随着存储、计算和网络等分布式异构资源不断接入,数字孪生铁路多层次任务并发场景异构资源分配倾斜、任务优先级不匹配、时延高等问题突显。现有调度方法大多针对单一层次任务资源进行设计,无法直接适用多层次任务调度场景,难以保障多层次任务调度的最大完工时间和资源负载均衡全局最优。针对上述问题,本文设计了适用于数字孪生铁路特点的多层次任务调度模型,提出了多目标粒子群任务调度算法,基于云仿真平台CloudSim对该方法进行对比测试,基于DTScope引擎设计实现数字孪生铁路“安全—质量—进度”智能施工管理案例原型。结果表明,本文方法适用于数字孪生铁路多层次任务并发调度场景,与现有方法相比明显提高了多层次任务完成时间效率和任务调度均衡性,可有效支撑数字孪生铁路展示—分析—探索多样化应用。     

St(a)ckel引力势理论的拓展及其应用

St(a)ckel引力势是一类最普遍形式的可分离势.具有St(a)ckel形式的星系是完全可积系统,即其中的恒星轨道都是规则的,其运动积分可以解析求出.运动积分——特别是作用量(J,一种特殊的运动积分),能简化恒星运动的描述;研究星系中恒星的运动学和动力学的重要途径是作用量空间,比如使用以作用量作为参量的分布函数f(J...     

CMODIS资料提取叶绿素a浓度的反演算法研究

中分辨率成像光谱仪(CMODIS)是我国“神舟3号”飞船上对地观测主载荷,是我国第一台上天的具有测量海面叶绿素a浓度能力的成像光谱仪.利用宽视场海洋水色扫描仪(SeaWiFS)反演叶绿素a浓度作为参考值建立CMODIS资料处理模型,得到三个基于蓝绿波段比值法的叶绿素a浓度反演算法,平均相对误差分别为26.6%,24%和33.5%,均方根误差分别为1.16,1.15和1.23 mg/m3.在叶绿素a浓度反演误差允许范围小于35%的条件下,比值算法的适用范围为悬浮泥沙浓度小于5 g/m3的海区.悬浮泥沙的强散射作用导致比值算法在高悬浮泥沙浓度条件下产生高估叶绿素a浓度反演值的现象;在中低悬浮泥沙浓度的海区,悬浮泥沙和浮游植物对离水辐亮度的综合作用使比值算法存在低估叶绿素a浓度的趋势.