GPS用于海上定位的模拟试验

文中给出了在海洋测量中用全球定位系统(GPS)伪距以及伪距和载波相位相结合进行定位的数学模型,并用这些模型分析了TL-4100接收机在地面点上70分钟的单点实测资料。分析指出,考虑高程先验信息时,消除了目前P-码三维单点定位特有的零定位现象,并使定位的平面精度优于±5米。P-码伪距和载波相位相结合的单点定位,可以达到优于±0.5米的重复精度。     

融入先验知识的贝叶斯神经网络分类器

提高神经网络模型推广性的关键是控制模型的复杂度，给出了一种基于贝叶斯推理的神经网络方法，它能自然地融入关于模型的先验知识，与观察到的数据样本相综合来控制神经网络模型中不同部分的复杂度。使用马尔可夫链蒙特卡罗模拟可获得模型参数的后验分布，预测分类是许多个以各自后验分布为权的马尔可夫链上的模型样本的平均。在二个实际分类问题应用中与常规神经网络方法进行了对比分析。     

非线性不适定遥感反演中正则化参数的定量确定

以地表和大气参数一体化反演为例,以香农熵减表达反演过程中的信息利用,在一定的合理假设下,推出了非线性不适定反演问题中正则化参数(先验信息比)在迭代过程中的定量确定方法.本文方法在保持反演稳定性的前提下,最大限度地利用观测数据中的信息,提高了目标参数的反演精度.     

铁岭组中风化柱状叠层石灰岩强度确定概率方法

研究区大量分布中风化柱状叠层石灰岩, 岩石强度具有很强的变异性和区域性, 而岩石强度是影响边坡稳定的重要因素。要进行边坡稳定性评价, 就需要对研究区现场试验数据作为随机变量进行概率统计分析, 获取可靠的岩石强度指标。本文通过对研究区内中风化柱状叠层石灰岩( t23 ) 现场点荷载实验数据进行统计分析, 利用x2 检验进行拟和, 得到岩石强度的概率密度函数和概率分布形式, 抗压强度和抗拉强度均服从对数正态分布。在此基础上, 结合相近岩性岩石强度的拟和结果, 建立区内中风化柱状叠层石灰岩点荷载试验强度概率分布函数。运用Bayes估计推断区域内中风化柱状叠层石灰岩岩石点荷载强度, 得到岩石抗压强度预测值为72. 42 MPa, 抗拉强度预测值为2. 29 MPa, 相对误差较小, 样本信任度达到70%以上。该方法对于岩石强度估计是有效的, 由该方法所得到的估计值对研究区边坡稳定性评价以及后期边坡治理都具有重要的实践意义。     

实用劈窗算法的改进及大气水汽含量对精度影响评价

对劈窗算法进行了改进,提高了算法的精度和实用性.对影响大气透过率的大气水汽含量进行了敏感性分析.模拟数据结果表明,劈窗算法对大气水汽含量不敏感,当大气水汽含量误差在-80%～80%变化时,反演的平均精度仍能在1 ℃以下.对实际MODIS影像进行反演的结果与大气模拟数据分析的结论基本一致,这说明适当地利用大气水汽含量的先验知识可以提高劈窗算法反演地表温度的精度.     

一种顾及先验约束的北斗观测数据多路径一步修正模型

卫星观测数据质量是衡量系统服务性能的关键指标之一。多路径延迟作为导航定位服务中的主要误差源,是全球导航卫星系统数据处理领域的研究热点。针对多路径分步处理策略无法获得全局最优解的问题,提出一种基于先验约束的北斗卫星导航系统（BeiDou navigation satellite system, BDS）观测数据多路径实时修正模型。首先,基于提取的多路径延迟序列,利用全变分正则化算法实现多路径序列的分离与降噪;然后,利用最小二乘和自回归模型对多路径序列中趋势项与随机项进行一步建模处理;最后,以求解的多路径模型系数为先验信息,精化实时服务条件下BDS多路径处理模型。BDS实时精密单点定位实验表明,相较于传统多路径处理策略,经顾及先验约束的BDS观测数据一步修正后,BDS-2定位精度在E、N、U方向分别提升了10.6%～64.9%、0.0%～59.1%和12.6%～67.2%(B1I+B3I),BDS-3定位精度在E、N、U方向分别提升了13.9%、60.0%、45.9%(B1I+B3I)与19.1%、46.5%、23.9%(B1C+B2a)。所提的多路径处理模型可有效改善BDS实时定位应用中...     

东亚地区气象参数卫星遥感反演理论和方法研究I:ISPRM和SRRM

文中对10a来改进的同步物理反演方法（ISPRM）实践与发展进行了总结。在不违背先验信息和卫星测值之间独立的原则下,所做的改进都是针对这类非适定反演问题的欠定性（under－determinedness）进行的。由适定反演理论知道,正演是反演的基础,又是卫星辐射率测值输入和反演结果输出之间的桥梁。为了获得好的正演,就必须竭尽可能充分利用一切可以使用的先验信息,把非适定反演问题转化成适定的反演问题,从而通过Ridge回归或Bayes反演过程,把先验信息、理论模拟信息和卫星探测信息三者最佳地结合起来,以最大限度减少这类反演问题的欠定性对数值解的影响。     

基于物理约束GRU神经网络的河流水质预测模型

河流水质预测对于水环境管理与水污染防治具有重要意义。近年来,以神经网络为代表的非机理性水质预测模型已被广泛应用于河流水质预测领域。然而,此类模型不考虑水质因子变化的物理机理,导致预测结果难以解释、稳定性差。为此,本文将水质因子变化的物理规律视为一种先验知识约束,建模于门控循环单元神经网络（Gated Recurrent Unit, GRU）之中,以河流水质预测的重要参数溶解氧为例,提出了一种物理约束的门控循环单元网络（Physics-constrained Gated Recurrent Unit, PHY_GRU）。以美国亚特兰大市2021年河流溶解氧预测为例进行实例验证,结果表明：① PHY_GRU与差分自回归移动平均模型、多层感知机和门控循环单元模型相比,预测精度和稳定性明显提升,其中预测均方根误差分别降低了94.8%,62.9%和37.2%;② 综合考虑多种物理规律约束可以提升PHY_GRU的预测精度和稳定性;③ PHY_GRU采用门控循环单元模型训练样本的30%,其预测精度和稳定性即可超过门控循环单元模型。本文提供了一种在神经网络模型中融入水质先验知识的研究思路,有助于提升水质预测模型辅助决策的水平。     

基于高斯模型的样本缺失GPS时间序列重构方法

缺失样本的存在会造成GPS时间序列速度估计的不确定性,从而影响GPS时间序列的应用。针对该问题本文提出一种基于高斯模型的样本缺失GPS时间序列重构方法,首先利用高斯概率密度函数对GPS时间序列的先验分布进行建模,在此基础上构建全概率贝叶斯统计模型,采用期望最大(Expectation Maximization,EM)算法对模型参数(隐变量)进行迭代更新并计算其最大似然估计值,最终完成信号重构。分别对随机缺失和分段连续缺失两种情况进行实验分析,结果表明所提方法相对于传统插值方法可以获得更好的重构性能。     

基于单轨道OT DInSAR的矿山时序三维多量级形变重建

提出一种矿山地表时序三维多量级形变重建方法。首先利用单轨道OT和DInSAR技术提取LOS向非连续的多量级形变;再结合形变先验融合模型和概率积分法构建矿山三维多量级形变重建模型;最后以神东大柳塔矿山52303工作面为研究对象,对覆盖研究区的6对高分辨率TerraSAR-X数据进行时序处理,获取长时间序列的矿山地表三维多量级形变监测结果。与水准测量结果对比发现,该方法与水准测量结果形变趋势一致,垂直向、东西向和南北向的均方根误差（RMSE）分别小于0.188 0 m、0.224 3 m和0.207 4 m。该方法不仅能准确测量矿山地表三维多量级形变,还能精细反演矿山地表沉降漏斗边缘到中心的形变特征。