改进分数阶达尔文粒子群的多Renyi熵图像分割算法

针对智能优化图像分割算法易陷入局部最优、分割精度不高等问题,本文融合改进的分数阶达尔文粒子群算法和二维Renyi熵多阈值,提出了一种新的多阈值遥感图像分割算法。算法利用粒子自身进化信息来定义进化因子,结合进化因子并利用高斯图函数调整分数阶次a系数以实现精确计算和快速收敛;根据局部最优概率因子对局部最优位置进行Levy飞行随机扰动以提高算法跳出局部最优的能力;同时将二维Renyi熵单阈值扩展到多阈值分割上,并结合改进的分数阶达尔文粒子群算法,将二维Renyi熵多阈值应用于遥感图像分割中仿真结果表明,与其他2种智能优化分割算法相比,本文分割算法在细节处理和分割精度上均有明显优势,在PRI上至少提升7.27%、VOI至少降低6.5%、GCE至少降低10.4%.     

紫金山天文台55 yr手绘黑子数据系统差分析

对紫金山天文台(简称紫台)自1954年至2011年共55 yr的手描黑子图进行了数字化.将紫台太阳黑子相对数(PRSN)和黑子群数(PGSN)与国际太阳影响数据分析中心(SIDC)中的对应数据(月平均太阳黑子相对数(IRSN)和月平均黑子群数(IGSN))进行对比研究,发现:(1)紫台黑子数据与SIDC黑子数据有很强的正相关性,说明紫台黑子数据的可靠性;(2) PRSN和IRSN、PGSN和IGSN的系统偏差分别处于7%左右、5%左右,紫台数据与SIDC数据在活动周的极小期的差异性显著大于极大期;(3)紫台的视宁度从1995年开始变差,直接导致了PRSN (PGSN)与IRSN (IGSN)的比值明显变大,表明视宁度的变化影响了紫台黑子的观测质量.     

约书亚树国家公园

约书亚树国家公园(Joshua Tree National Park)位于美国加利福尼亚州南部,在莫哈韦沙漠(MojaveDesert)与科罗拉多沙漠(Colorado Desert)交汇处,总面积约为3196平方千米。公园内布满了巨岩怪石和外形奇异的沙漠植物。其中,在靠近科罗拉多沙漠的一侧,散落着一种形态奇特的植物——约书亚树,其粗糙粗壮的枝干竭力向上伸展,在干旱和严寒交替的荒漠中顽强地生长,空寂而又壮观。公园因其奇特的地貌成为众多攀岩爱好者的天堂。     

山东省烟台市牟平区宋家沟金矿区内莱阳群林寺山组砾岩碎屑锆石UPb年龄地质意义

山东省烟台市宋家沟牟平区金矿区内发育有莱阳群林寺山组砾岩,该组砾岩分选性较差,既有近椭圆磨圆度极高砾石,也有棱角分明无磨圆砾石,反映了砾岩源区复杂的特点。该文对砾岩内碎屑锆石U-Pb年龄段的分析得到碎屑锆石年龄分别落入640~770Ma,540~570Ma和(228±4)Ma,通过对这些年龄时段的分析,新元古代活动大陆边缘事件的花岗质片麻岩、震旦纪时代的岩体、柳林庄序列喷出岩都可能是其母岩。根据研究区内此类岩石的出露情况分析得到其近源与远距离搬运沉积两种结果,并与前人研究相对比,得到该组砾岩物源区为苏鲁造山带,说明在胶莱盆地形成之初,东北缘的物源区就以苏鲁造山带为主。该认识对于研究胶东地区的造山带不同时期地质事件具有重要意义。     

寒武纪生物大爆发之后的底栖生态系统工程建造者:以河南地区为例

扰动生物作为生态系统工程建造者,通过对沉积底质的改造直接影响沉积物和水体之间的相互作用(营养物质的循环、迁移和存储),对底栖生态系统工程有重要的影响.遗迹化石作为底栖生物活动的载体,为研究寒武纪大爆发之后底栖生态系统工程建造者的演化规律,并评价底栖生态系统工程建造者对生态系统工程产生的影响提供了依据.对河南地区8个寒武...     

气候变化对植物多样性的影响研究综述

植物多样性是生态系统结构和功能的基础,气候变化已对其产生了深刻的影响,甚至于严重威胁.植物多样性的减少或丧失必然会影响生态系统结构和功能的稳定性,导致严重的生态、经济和社会后果.植物多样性对气候变化的响应受控于气温和水分的动态平衡.本文系统总结了气候变暖和降水格局变化对植物多样性的影响,分析了气候变化对不同生态系统、群...     

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。