粗差探测的Bayes方法

讨论粗差探测的Bayes方法。首先根据Bayes统计推断的基本原理,建立判断粗差的Bayes方法———后验概率法,然后针对测量平差实际,分别给出非等权独立观测条件下基于均值漂移模型和方差膨胀模型的后验概率的计算公式,最后结合一边角网算例,验证本文方法的效果。     

基于K均值动态聚类分析的地球物理测井岩性分类方法

在地球物理测井数据处理与解释中,岩性识别是地层评价、油藏描述等方面的一项重要内容.利用计算机自动进行岩性识别已成为测井解释发展的重要方向、人们研究和关注的内容.聚类分析是数据挖掘中的一个重要研究领域,是一种数据划分或分组处理的重要手段和方法.K均值算法是聚类算法中主要算法之一,它是一种基于划分的聚类算法.依据不同岩性在常规测井资料中的不同响应,根据K均值动态聚类方法的原理,结合其它资料,对井中的岩性进行分类,从而达到了区分和识别钻孔不同岩性的目的.     

高分辨率遥感影像中云和似云目标的自动区分

云的存在会对遥感影像的处理及目标识别等产生影响,因此,自动提取云对高分辨率卫星影像的应用具有重要意义。高分影像上更加复杂的云的细节形态及似云目标的干扰,使得高分影像的自动云提取难以达到实用水平。本文以雪地为例,选取形状、纹理和边缘3个差异化特征作为云与似云目标区分的关键,提出了一种区分高分辨率遥感影像中云和似云目标的云检测算法。首先利用Wallis滤波对输入影像进行预处理,增强影像中不同尺度的影像纹理模式;然后对影像进行快速稳定的均值漂移分割,利用灰度和纹理特征构成支持向量机的第一层分类器,将分割后的区域对象分成"云"和普通地物,再利用边缘、形状、纹理等特征结合灰度特征构成支持向量机的第二层分类器,将"云"区分为云区和似云目标;最后使用Grab-cut对云检测结果进行边缘迭代精化。本文算法取得了优良的试验结果,证明了算法在似云目标干扰下对高分辨率遥感影像进行精确云检测的能力。     

顾及地形的滇中引水工程最低成本线路研究

以滇中引水工程线路规划为例,以资源三号测绘卫星ZY-3 DSM为数据源,以均值变点分析法为理论依据,借助Python语言编程实现研究区地势起伏度最佳统计单元的确定,并运用GIS技术生成地势起伏度和坡度图。再运用专家打分评价方法,确定地势起伏度和坡度的权重,采用基于栅格的成本加权分析法,构建滇中引水工程地形成本栅格。在此基础上,将引水工程线路规划问题转化为GIS最低成本路径求解问题,以栅格数据Dijkstra算法为基础,求解出滇中引水工程最低成本线路。从地形的角度,研究了复杂地形状况下滇中引水工程智能线路规划的方法,可为引水工程提供一定的参考和借鉴。     

地区发展均衡性的可视化测度

在刻划复杂现象的方法中,图像媒体往往能比数值指标传递更多的信息,且由于直观、形象,而更具有说服力。运用空间均值地图演示的方法,探索了地区发展均衡性的可视化测度。通过与数值型综合测算方法的比较,说明了它在刻划地区差异上的准确性,而且在反映地区差异的空间表现上具有优势。作为一种描绘空间过程总体趋势的手段,该方法在研究其它“区域重心转移”问题上也具有一定的实用价值。     

非定长相关时间序列集内平均序列的摆动异常及其解释

文中对多个时间序列的平均序列中常常出现的异常摆动问题进行了探讨。结果表明,给定时间序列集中序列个数的多少会造成其所组成的平均序列的方差的变化,即序列个数越多,平均序列方差越小的可能性就越大,由此定义了方差增长率α。当给定方差增长率限定值α_0并使其满足α≤α_0时,可以得到最小序列个数m_0,且α_0越大或序列间平均相关系数越大,所需要的时间序列数越少。这一结果可应用于气候变化研究中有关平均时间序列建立的研究中,亦可运用到其他相关研究领域。     

一种适用于物流配送系统的TSP算法

由于城市道路网络图结构复杂,许多TSP算法在物流配送路径优化中的应用受到限制。提出一种TSP算法——改进的均值比较法。该算法突破以往算法对网络图的限制,因而能够满足物流配送系统中路径优化的要求,并具有逻辑结构简单、计算速度快的特点。     

中国大陆科学钻探主孔流体异常与其附近2次ML3.9级地震的关系

2001年11月30日和12月25日中国大陆科学钻探主孔(CCSD)附近发生了2次ML3．9级地震。从日均值图上看,地震前后中国大陆科学钻探主孔流体测值曲线存在明显的异常现象。通过流体组分的最大相关系数分析知道,除Ar和CO2组分两者相关性较差(最大相关系数平均值为0．632,均方差为0．223)之外,其他组分间的相关性较好,最大相关系数在地震前后均出现明显的异常波动。从日均值和最大相关系数异常来看,大陆科学钻探主孔中的地下流体异常与该区的地震活动可能存在一定关系。     

基于SSA-MGF的BP神经网络多步预测模型

采用奇异谱分析（Singular Spectrum Analysis，SSA）方法对标准化样本序列进行准周期信号分量重建，将重建序列构造均值生成函数（Mean Generating Function．MGF）延拓矩阵作为输入因子，原样本序列作为输出因子，构建BP神经网络多步预测模型。通过实际建模并与逐步回归等方法进行对比预测试验，结果表明，基于SSA-MGF的BP神经网络多步预测模型预测效果优于其他3种模型，说明SSA的去噪及BP神经网络预报模型对于提高预测准确率是相对有效的，是一种具有较高应用价值的多步预测方法。     

基于分类思想的高密度数据去噪方法研究

这里参照图像去噪方法[1～4],提出了一种基于噪声分类的自适应混合滤波去噪方法。由于传统均值滤波[5]和中值滤波[6]对高斯型噪声和椒盐型噪声(脉冲噪声)有着不同的滤波特性,而在野外采集的原始高密度数据中,可能同时存在高斯型噪声和椒盐型噪声。因此,单独采用中值滤波或均值滤波都不会达到最好的去噪效果。为了能有效滤除这对二种不同性质的噪声,现提出了一种新的混合滤波算法。该算法首先利用局部阈值把受高斯型噪声污染的数据点和受脉冲型噪声污染的数据点区别开来,然后对前者采用均值滤波算法,而对后者则采用带自适应的改进中值滤波算法进行去除。