P矢量方法在南海夏季环流诊断计算中的应用

基于1998年6～7月南海调查航次的CTD资料,对南海环流采用最近发展的P矢量方法进行诊断计算.计算结果:黑潮向西入侵南海,然后做反气旋弯曲向东北方向流动,最终有通过巴士海峡流出南海的趋势.在南海北部存在一个气旋性环流,这个环流的强度和范围随深度增加而减小.该环流的冷中心位置随深度增加稍向南移.南海中部、越南以东海域存在一个明显的气旋涡和反气旋涡,尤其在200m及其以上水层均相当稳定,反气旋涡位于越南以东,其中心位置在11°53'N,111°50'E,气旋涡的中心位置在13°17'N,112°55'E,两者的尺度皆约为250km.吕宋岛西侧存在一个反气旋涡.在计算海区南部、巴拉望岛西南海域,100m以上层存在一个反气旋式涡.从各层流场分布均可以显示海流在西部强化的现象.     

航空重力测量数学模型及其测量精度分析

基于数学和分析力学角度分别推导了航空矢量重力测量的数学模型,得到了一致的模型公式;给出了矢量模型的3个分量形式,其中垂直方向的分量就是标量重力测量的数学模型;简要介绍了我国研制成功的航空标量重力测量系统CHAGS的数据处理的过程,分析了标量重力测量中测线交叉点和重复测线的重力异常的精度;根据实测数据计算的结果表明:测线交叉点重力异常不符值的标准差约为5×10-5ms-2左右,重复测线的内符合精度优于5×10-5ms-2,达到了预期的要求。     

数字管网连通分析的淘汰算法与实现

本文从图论的观点出发,分析了数字化市政管网的构成和连通的特点,探索出数字化管网线路连通性分析的规律,提出了逐步淘汰算法进行连通性分析的方法。给出了基于mapbsic的实现这种算法的关键语句和注意问题。     

基于光谱和纹理的SVM矿化蚀变信息提取研究

针对传统矿化信息提取方法单一,利用光谱或纹理、信息量相对较少、需要大量样本的缺陷,利用基于光谱和纹理的支持向量机(SVM)原理,建立矿化信息提取模型.选择青海泽库县析界日地区作为典型研究区.首先提取研究区光谱和纹理信息,选取训练样本;然后求解最优超平面,进而确定决策函数;最后泛化推广识别其他待识别的样本.通过所提取的遥感蚀变异常信息与重砂异常点叠加分析,叠加基本吻合;从野外实地验证来看,均发现了不同程度的矿化现象,并指出了5个重点异常区.     

沿空掘巷合理煤柱宽度综合分析与确定

在总结分析经验法、理论计算法、数值模拟法、现场实测等确定煤柱宽度方法优缺点的基础上,提出了采用现场实测和数值模拟相结合的方法来确定保留煤柱宽度。根据石炭井二矿生产实际,分别对巷道开挖前后,不同煤柱宽度下围岩应力、变形进行了模拟,同时利用21053工作面异型煤柱的有利条件,对不同煤柱宽度下巷道围岩变形、支护结构受力等进行了实测。经过对监测数据的分析,得出了巷道围岩变形、支护结构受力与煤柱宽度之间的关系,结合数值模拟结果,确定了石炭井二矿煤柱宽度。     

区域似大地水准面确定的最小二乘支持向量机方法

支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性.     

球面线要素的多分辨率实时简化方法

在分析球面3维数据可视化特点的基础上,提出了视点相关的球面矢量数据LOD简化方法,基本原理是：以视点为基础在屏幕空间获取投影误差,反投影到模型空间得到动态简化阈值,并结合Douglas—Peucker算法,对矢量数据进行多分辨率实时简化表达。最后,开发实验系统并对相关方法进行了验证。结果表明：在不影响球面图形可视化效果下,数据量减少了约4-5倍,有效地提高了图形渲染速度和效率。     

苏锡常地区地面沉降风险评价管理模型研究初探

平原区超采地下水引发的地面沉降地质灾害已成为影响这些地区经济可持续发展的重要制约因素,如何从收益、成本、风险三个方面为决策者提供制定地面沉降相关防治措施的综合支持,实现灾害防治从被动应对向主动防御转变,是地面沉降防治研究领域的新课题。在综合考虑苏锡常地区技术、经济、人类活动等因素基础上,从地面沉降总体风险和地区差异水平出发,提出构建地面沉降风险评价模型及决策支持系统的初步研究思路和方法,为实现地面沉降防治的科学化决策管理进行了探索。     

Modelling Positional Uncertainty of Line Features by Accounting for Stochastic Deviations from Straight Line Segments

The assessment of positional uncertainty in line and area features is often based on uncertainty in the coordinates of their elementary vertices which are assumed to be connected by straight lines. Such an approach disregards uncertainty caused by sampling and approximation of a curvilinear feature by a sequence of straight line segments. In this article, a method is proposed that also allows for the latter type of uncertainty by modelling random rectangular deviations from the conventional straight line segments. Using the model on a dense network of sub‐vertices, the contribution of uncertainty due to approximation is emphasised; the sampling effect can be assessed by applying it on a small set of randomly inserted sub‐vertices. A case study demonstrates a feasible way of parameterisation based on assumptions of joint normal distributions for positional errors of the vertices and the rectangular deviations and a uniform distribution of missed sub‐vertices along line segments. Depending on the magnitudes of the different sources of uncertainty, not accounting for potential deviations from straight line segments may drastically underestimate the positional uncertainty of line features.     

动态最小二乘支持向量机学习算法

针对大样本集的训练问题和动态训练样本的模型更新问题,提出了动态最小二乘支持向量机学习算法.该算法充分利用已建好的模型,逐渐加入新样本,并可删除位于任何位置的非支持向量,避免了矩阵求逆运算,保证了算法的高效率.大坝变形及电离层延迟两个时间序列的预报实例表明,该算法具有计算时间短、预报精度高的特点.