基于梯度提升决策树模型的Sentinel-1图像浅海水深反演

利用合成孔径雷达(Synthetic Aperture Radar, SAR)反演浅海水深在海洋遥感中极具挑战性。本文采用梯度提升决策树(Gradient Boosting Decision Tree, GBDT)为核心的机器学习算法, 使用Sentinel-1、全球水深数据、风场和流场数据来反演杭州湾和长江口南缘相连的浅海区域的水深。首先分析反演的最佳风速和迭代次数, 再对0~10 m、10~20 m、20~30 m、30~40 m、40~50 m的分段水深和0~10 m、0~20 m、0~30 m、0~40 m、0~50 m的总体水深用相关系数、均方根误差和平均绝对误差进行精度评价, 最后分析反演水深的空间分布特征。结果表明: 反演的最佳风速约为3.78 m/s, 并且GBDT模型达到最佳精度时的迭代次数远小于其他模型, 最佳迭代次数为4。分段水深中, 40 m以内的相关系数都高于0.8, 其中以10~20 m的相关系数最高, 为0.9; 40~50 m则最低, 为0.73。40~50 m的平均绝对误差和均方根误差均为最大, 分别为1.89 m和2.24 m, 20~30 m的平均绝对误差和均方根误差均为最小, 分别为0.75 m和0.96 m。在总体水深中, 虽然随水深区间的扩大, 相关系数会逐渐增加, 但是平均绝对误差和均方根误差的精度都随水深区间的扩大而下降, 且在0~50 m区间内的平均绝对误差和均方根误差最大, 分别为1.06 m和1.59 m, 因此反演的最佳区间为0~40 m。该区域的水深从杭州湾海岸线开始由浅及深阶梯增加, 反演结果能够较好的表现研究区内的实际水深分布情况, 比较符合当前区域的水下地形特征。     

基于全局性极小化二维反投影误差的射影重建方法

建立1种新的射影重建方法。该方法以全局性极小化射影三维空间点的二维反投影误差平方和为准则,相对于缩小SVD反投影误差的方法,具有更为明确合理的物理意义。实现过程是以奇异值分解为基本工具的分步线性迭代计算,避免了传统射影重建方法复杂的非线性优化环节。它无需估计投影深度,避免了基础矩阵计算的复杂性问题,因而也不受相机特殊运动的限制。文中利用虚拟物体图像和真实物体图像进行了实验验证,证明该方法具有计算简单、准确性和鲁棒性高等方面的特点,具有较高的实用价值。     

Review of the algebraic linear methods and parallel implementation in numerical simulation of groundwater flow

The desire to increase spatial and temporal resolution in modeling groundwater system has led to the requirement for intensive computational ability and large memory space. In the course of satisfying such requirement, parallel computing has played a core role over the past several decades. This paper reviews the parallel algebraic linear solution methods and the parallel implementation technologies for groundwater simulation. This work is carried out to provide guidance to enable modelers of groundwater systems to make sensible choices when developing solution methods based upon the current state of knowledge in parallel computing.     

二维大地电磁正则化共轭梯度法反演算法

针对大地电磁二维反演中目标函数收敛速度慢而且解的稳定性较差等问题,提出了大地电磁数据的正则化共轭梯度法反演算法(Regularized Conjugate Gradient Algorithm,RCGA)。此算法在构建目标函数时引入正则化的思想,利用共轭梯度法求解最优化问题。在每次迭代过程中根据目标的收敛情况更新正则化因子,有效地解决了迭代时目标函数发散的问题。最后对两个典型模型进行了试算,对其收敛速度及解的稳定性进行了分析,并与传统反演方法的计算结果进行了对比,结果都表明RCGA具有收敛速度快、精度高、结果稳定等优点。     

基于地震记录的混凝土拱坝模态识别结果评价研究

利用混凝土拱坝地震记录识别的模态参数，可以揭示结构在地震过程中实际动力特性的变化情况，为结构地震反应分析和震后损伤评估提供重要信息。首先对模态识别常用方法的基本原理进行介绍；然后利用龙羊峡拱坝两次地震观测数据，采用"输入—输出"型和"仅考虑输出"型两类方法对大坝模态参数进行识别；最后将获得的模态识别结果与工程经验值和其他学者的研究成果进行对比，以分析评价识别结果的合理性。相关研究成果可为基于地震记录的混凝土拱坝模态参数识别的工程应用提供经验借鉴。