自适应窗口的SAR立体影像匹配方法

针对SAR立体影像间几何畸变对影像匹配的影响,该文提出一种自适应窗口的SAR立体影像匹配方法。首先引入外部粗分辨率DEM,根据影像参数和DEM高程精度约束匹配搜索范围。然后采用归一化互相关和测度进行辅影像匹配窗口自适应扩展匹配,以保证主辅影像匹配窗口内的灰度信息一致;归一化互相关和值最大时的辅影像匹配窗口为最佳匹配窗口,最佳匹配窗口的中心点为获取的匹配点。最后利用双向一致性约束剔除误匹配点。试验结果表明,本文方法在山地区域能有效地增加正确匹配点数量,提高匹配正确率。     

航空遥感稳定平台的模型参考自适应控制

针对航空遥感惯性稳定平台中所受到的不平衡力矩等所引起的成像载荷不稳定导致无法获取高分辨率遥感数据的问题,提出了在平台控制系统中应用基于模型参考的自适应比例-积分-微分控制方法。根据需求设计出参考模型,将参考系统输出与实际系统输出之间的误差输入到自适应PID调节器,实时调整PID参数,对误差进行实时校正,以达到抑制不平衡力矩扰动、提高稳定平台稳定精度的目的。对所提出的模型参考自适应控制方法进行了仿真验证,结果表明:相对传统PID方法,模型参考自适应控制器对偏心力矩等主要干扰具有很好的抑制作用,系统输出能够很好地跟踪姿态变化,系统稳定精度得到显著提高。     

微电网逆变器的自适应滑模控制策略研究

恒功率负载的输入阻抗具有负增量阻抗特性,其与前级电源的相互作用将对微电网系统的稳定运行产生重大影响.因此,研究带有恒功率负载的微电网稳定性具有实际意义.本文提出了一种改进的滑模控制方法,将其用于改善微电网系统的大信号稳定.首先在系统建模中考虑了系统的参数不确定性及外部干扰,使控制具有较好的鲁棒性;其次在滑模控制中引入自适应算法,对总扰动上界进行了估计,提高了控制的准确性;最后通过Matlab／Simulink建立了微电网模型,通过仿真验证了所提出策略的有效性.     

基于鲁棒自适应策略的燃气轮机系统控制器设计

太阳能、风能和潮汐能等可再生能源的发电系统,具有间歇性发电的特性.因此,具有快速响应、发电效率高的燃气轮机发电系统,能够在可再生能源发电间歇出现时充当替代系统,不仅稳固电网的负荷能力,还有助于推动可再生能源的发展.由于燃气轮机是一个模型包含未知的复杂非线性系统,目前针对转速环节主要采取传统PID控制技术.然而,实际运行中系统工况发生变化时,控制器参数不能随着这些变化做出相应的调整,使得控制效果欠佳,执行器故障的出现也可能导致系统无法正常工作.因而,本文针对单轴燃气轮机的孤岛发电模式,结合燃气轮机系统特性,基于反步法的设计思路,引入不依赖于系统模型的鲁棒自适应控制策略,并加入容错控制和Nussbaum函数构造转速控制器.在控制器设计过程中融合动态面方法,解决高阶系统中反步法引起的计算爆炸问题.最后,通过仿真,验证了控制器的可靠性.     

干旱环境胁迫下农户适应性研究——基于民勤绿洲地区农户调查数据

适应能力及其评估框架为农户生计研究提供了一个新思路。本文在干旱环境背景下,借鉴农户可持续生计和适应能力相关理论,探讨民勤绿洲地区农户适应能力及适应行为。按照适应能力评估框架,构建农户适应能力评价指标体系,通过问卷和实地调查获取数据,在农户适应行为分类的基础上,测量不同适应类型农户的适应能力,分析影响农户适应类型的因素。结果表明：①从农户的适应行为来看,积极主动的适应行为选择较多,减少消费、参加社会保险等适应行为选择较少;农户适应类型中,综合适应型的比重最大,被动适应型最小。②农户的适应能力方面,各维度整体分布较为均衡,但自然能力和社会能力存在显著分异,而物质能力、金融能力、劳动能力和学习能力较均衡;不同农户适应类型中,综合适应型农户适应能力更稳定,务工主导型和被动适应型的稳定性较差。在适应能力六大维度中,物质能力在六大农户适应类型中所占比重最大,自然能力最小。③家庭物质资产、非农就业比重、社会网络、人均“退还关压”面积、受教育程度等适应能力指标对农户的适应行为选择具有显著影响。     

基于自适应时序剖分与KNN的短时交通流量预测

在智能交通系统中,准确和高效的短时交通流量预测是交通诱导、管理和控制的前提。由于交通流量动态变化中表现出的时变性和非平稳性特征,其预测难度较大,是交通领域中亟待解决的难题。为提高短时交通流量的预测精度,本文设计与实现了基于自适应时序剖分与KNN（A-TS-KNN）的短时交通流量预测算法。① 基于动态时间规整（Dynamic Time Warping,DTW）动态剖分单日时序为不同的交通模式;② 在不同交通模式,采用互信息法求解每个预测时刻时间延迟的最大阈值,构造不同时间延迟的状态向量,生成交通流量历史数据库;③ 采用十次十折交叉验证的方法求解每个时刻不同时间延迟与不同K值的正交误差结果分布,提取误差最小的正交结果,得到自适应时间延迟与K值的参数组合;④ 采用K个最相似的近邻的距离倒数加权值作为预测结果。对比K近邻（K-nearest neighbors, KNN）、支持向量回归（Support vector regression,SVR）、长短期记忆神经网络（Long-short term memory neural network,LSTM）以及门控递归单元神经网络（Gate recurrent unit neural network,GRU）共4种主流预测模型,A-TS-KNN算法预测精度显著提升;将A-TS-KNN算法用于福州市城市路网中其他交叉路口的短时交通流量预测,结果表现出良好的泛化能力。     

Prediction of weather parameters on a very short time scale by an Auto Regressive process for aviation flight planning

Forecasting weather parameters such as temperature and pressure with a reasonable degree of accuracy three hours ahead of the scheduled departure of an aircraft helps economic and efficient planning of aircraft operations. However, these two parameters exhibit a high degree of persistency and have nonstationary mean and variance at sub-periods (i.e. at 0000, 0300, 0600,…, 2100UTC). Hence these series have been standardised (to have mean 0 and variance 1) and thereafter seasonal differenced (lag 8) to achieve almost near stationarity. An attempt has been made to fit the standardised and seasonal differenced series of Chennai (a coastal station) and Trichy (an inland station) airport into an Auto Regressive (AR) process. The model coefficients have been estimated based on adaptive filter algorithm which uses the method of convergence by the steepest descent. The models were tested with an independent data set and diagnostic checks were made on the residual error series. An independent estimation of fractal dimension has also been made in this study to conform the number parameters used in the AR processes. The models contemplated in this study are parsimonious and can be used to forecast surface temperature and pressure.     

面向目标自适应有限元法的带地形三维大地电磁各向异性正演模拟

传统三维大地电磁各向异性模拟均是基于规则六面体网格,计算精度有限且较难拟合复杂地质条件.本文采用面向目标自适应非结构矢量有限元法,对三维大地电磁各向异性介质进行模拟.首先从电场双旋度方程出发,利用伽辽金方法建立变分方程;然后利用电流密度连续性条件构建适合大地电磁各向异性问题的加权后验误差估计方法,实现面向目标的网格自适应正演;最后通过典型算例分析各向异性对网格自适应和大地电磁响应的影响特征以及各向异性的识别方法.本文算法能够高精度地拟合起伏地表和任意各向异性介质,适用于分析复杂地电条件大地电磁响应特征,为提高大地电磁资料解释水平提供了理论基础.     

Evaluation of nonlinear models for precipitation forecasting

Prediction of factors affecting water resources systems is important for their design and operation. In hydrology, wavelet analysis (WA) is known as a new method for time series analysis. In this study, WA was combined with an artificial neural network (ANN) for prediction of precipitation at Varayeneh station, western Iran. The results obtained were compared with the adaptive neural fuzzy inference system (ANFIS) and ANN. Moreover, data on relative humidity and temperature were employed in addition to rainfall data to examine their influence on precipitation forecasting. Overall, this study concluded that the hybrid WANN model outperformed the other models in the estimation of maxima and minima, and is the best at forecasting precipitation. Furthermore, training and transfer functions are recommended for similar studies of precipitation forecasting.     

面向目标自适应三维大地电磁正演模拟

本文将面向目标的自适应算法应用于三维大地电磁数值模拟.使用基于非结构网格的矢量有限单元法对起伏地表大地电磁正演模拟问题进行求解.使用利用垂向电流密度在物性界面上的连续性对后验误差进行估算的算法指导网格优化.由于全局自适应算法针对观测点优化网格的能力较差,本文通过求解正演问题的对偶问题计算后验误差的加权系数,并对相关加权系数进行改进,从而实现了面向目标的自适应算法.与传统基于结构化网格的电磁正演算法相比,采用非结构网格能够更好地拟合起伏地表和地下不规则异常体.由于使用了面向目标的自适应算法,本文能够使用更少的网格达到较高的计算精度.通过对比本文模拟结果与半空间响应和全局自适应算法计算结果,并通过对比使用改进前和改进后加权系数得到的网格剖分结果验证了本文算法的有效性.