凸包插值算法的改进与实现

研究了凸包插值算法在n维欧拉空间构造Delaunay三角网的应用,提出了其三角剖分不惟一的重大缺陷,采用了限制区域生长法解决了这一缺陷。     

GA-BP网络模型在GPS似大地水准面精化中的应用

针对误差反向传播（BP）算法训练速度慢和易于陷入局部最小值的缺点,提出了利用遗传算法（GA）的全局寻优性,结合GA和BP的各自优点,分析和建立了进化神经网络（GA-BP）模型,并将该模型应用于似大地水准面模型精化。最后以南方某市E级GPS控制网高程数据为例,进行BP和GA-BP模型的对比实验,通过对内、外符合精度及MAPE（平均绝对误差百分比）指标分析,验证了该方法的可行性。     

高精度高性价比的GPS定向仪的设计

介绍了一种高精度、高性价比的GPS定位定向仪的设计及实现（〈1mil,2σ）方法,系统利用了实际应用中的有利约束条件,对基于LAMBDA方法的载波相位整周模糊度解算算法进行了改进,经过系统工程设计,在实际应用中实现了单频、高精度、快速定向数据的输出。可以满足绝大多数环境下的使用需求,大大降低了系统成本。     

地下水封洞库单裂隙花岗岩纵波速度变化规律与预测模型

揭示裂隙岩体纵波速度变化规律对工程岩体质量分级与稳定性评价具有重要意义。以某地下水封洞库无充填型单裂隙花岗岩为研究对象,基于钻孔电视成像、水压致裂法地应力测试与声波全波列测井,获取了384组单裂隙花岗岩的几何特性、受力状态与纵波速度,构建起了预测单裂隙花岗岩纵波速度的进化-神经网络模型,分析了关键指标影响下单裂隙花岗岩纵波速度的变化规律。研究表明：该水封洞库单裂隙花岗岩纵波速度分布于4 300～5 330 m/s之间,82.3%的纵波速度在4 700～5 200 m/s之间;选取裂隙法向应力、平均张开度与倾角作为单裂隙花岗岩纵波速度的预测指标是合理可行的;将现场测试数据分为训练样本与测试样本,基于遗传算法优化神经网络权值、阈值的进化-神经网络模型构建出单裂隙花岗岩纵波速度预测模型,其测试误差最大仅为2.9%,85%的样本测试误差不超过1.5%,预测模型精度较高。分析了纵波速度变化规律,发现单裂隙花岗岩纵波速度随裂隙法向应力增大而增大,但当法向应力增至5 MPa后的纵波速度增大速率逐渐减小,纵波速度随裂隙张开度增大而逐渐减小,纵波速度在裂隙倾角小于40°时无明显变化,此后纵波速度随倾角增...     

人工神经网络在云南5月雨量预测中的应用

提出了一个基于３层ＰＢ神经网络的云南５月雨量的短期气候预测模型。由于神经网络本身是一个非线性动态系统,将其应用到短期气候变化预测这一非线性系统中,更能反映出气候系统状态量之间的物理关系和动力行为特性。并用该预测模型对云南５个区域１９９１～１９９８年的５月雨量距平趋势进行了共４０次的预测试验和检验,其预测的距平符号相关准确率可达到７７．５％。     

基于LSTM的海洋表面短期风速预测研究

为实现对海面风速精确的短期预测,提出了一种基于长短期记忆(LSTM,longshort-termmemory)神经网络的短期风速预测模型,选取OceanSITES数据库中单个浮标站点采集的风速历史数据作为模型输入,经过训练设置最佳参数等步骤,实现了以LSTM方法,对该站点所在海区海面风速在各季节性代表月份海面风速的24 h短期预测。同时通过不同预测时长的实验以及与BP(back propagation)神经网络神经网络和径向基函数神经网络(radialbasisfunctionneuralnetwork,RBF)的预测效果对比实验,证明了LSTM预测方法相比上述两种神经网络预测方法,在海表面风速预测应用中的优越性。最后通过多个海域对应的站点风速数据预测实验,证明了LSTM神经网络模型的普遍适用性,由相关系数和预测误差的分析可知该方法具备应对急剧变化数据的预测稳定性,可以作为海洋表面风速短期预测的一种可靠方法。     

基于改进EWT和LogitBoost集成分类器的地震事件分类识别算法

快速、准确地识别天然地震和人工爆破事件是地震台网监测的重要工作之一,也是提高地震观测记录质量、开展地震研究工作的重要基础。针对反向传播神经网络、支持向量机等主流分类识别方法在地震事件分类识别应用上的不足,提出一种基于改进EWT和LogitBoost集成分类器的地震事件分类识别算法。首先,基于S谱能量曲线对传统经验小波变换进行改进,将信号自适应分解为按频率和能量分布的本征模函数;其次,提取P波与S波最大振幅比,前4个本征模函数的香农熵、对数能量熵,以及去噪后重构信号主频等特征;最后,采用基于集成学习LogitBoost的决策树集成分类器进行分类。实验结果表明,所提算法具有较高的鲁棒性,能有效解决样本不足的问题,识别准确率达93.1%以上,比集成学习AdaBoost、反向传播神经网络和支持向量机等方法提高了1%以上,且分类识别效果好。     

古尔班通古特沙漠灌木冠幅预测模型

古尔班通古特沙漠是中国第二大沙漠,也是中国固定和半固定沙丘主要分布区,固沙灌木种较多。冠幅不仅是反映固沙灌木可视化的重要参数,也是反映沙漠植被生长情况的重要变量。以3种沙丘（固定沙丘、半固定沙丘和流动沙丘）上主要固沙灌木为研究对象,利用12种基础模型、BP(Backpropagation Neural Network)神经网络和支持向量机（Support Vector Machine,SVM）机器学习算法建立了基于固沙灌木株高和冠长率的冠幅预测模型,同时将两种机器学习算法拟合结果与基础模型进行比较,最终选出了适合研究区的冠幅预测模型。结果表明：（1）不同沙丘类型和不同灌木种类的最优冠幅预测模型不同,且固定沙丘和半固定沙丘模型优于流动沙丘。3种沙丘类型最优拟合为M2(Quadratic Model)模型;（2）白梭梭（Haloxylon persicum）在半固定沙丘和流动沙丘上拟合的最优模型分别为M2、M7(Gompertz),沙拐枣（Calligonum mongolicum）最优模型为M2,蛇麻黄（Ephedra distachya）和油蒿（Artemisia ordosica）在...     

基于神经网络优化算法的海洋动态缓波型立管设计

柔性立管连接海上平台和水下生产系统,缓波型构型可以减轻其受到的顶部张力和疲劳损伤,触地点处系链对于固定水下立管起着重要作用,然而加装系链的缓波型立管系统设计更为复杂。通过缓波型基本理论计算出合理的立管初始状态,之后使用立管分析软件OrcaFlex,在充分考虑环境因素、船体结构、立管材料和线型以及重力块、浮力块、系链等配置参数的情况下,建立缓波型立管系统有限元模型,通过静动态分析验证其满足设定的关于立管构型、张力、弯曲半径,系链张力和FPSO偏移量5个约束条件。结合神经网络优化算法和遗传算法制定出针对文中立管系统的优化算法并通过MATLAB编程将浮力块数量优化至最少,之后基于L-M算法构建神经网络模型,通过迭代训练提升精度,得到最终参数优化结果。通过对比优化前后静动态分析结果可知：优化后浮力块数量大幅减少,立管最大有效张力大幅减小,而悬挂段最低点深度有一定程度的增大,整体构型更趋向于合理的缓波型构型。