确定区域大地水准面的K-means-RBF神经网络方法

确定区域大地水准面的几何水准方法在拟合大地水面时未顾及重力场信息,仅是一种单纯的数学拟合,忽略了重力场数据自身的物理性和不同数据间的相关性.近年来,深度学习方法得到广泛重视与研究.本文提出了一种有监督学习的RBF神经网络精化大地水准面的方法,使用包含重力异常和大地水准面高的重力场数据进行神经网络训练,并采用K-mean...     

不同压实度下红层泥岩路堤沉降研究

压实系数是控制路堤填筑的关键性指标。本文通过分析不同压实系数下的强度特点以及通过离心试验和有限元对不同压实系数路堤沉降的模拟,得到粘聚力c值和摩擦角与不同压实系数的关系以及不同压实系数下路堤沉降的特点,为路堤填筑提供了重要的依据。     

夏冬季黄海浮游动物群落结构及其影响因素

根据2016年7月和2017年1月在黄海进行的57个站位的调查数据,研究了大型网采集的浮游动物的种类组成、丰度、生物量、群落聚类、优势种、多样性、均匀度、丰富度以及与环境因子的关系。本次调查共鉴定出浮游动物97种,其中夏季67种,冬季76种。该海区夏季浮游动物的丰度和生物量的高值区分布在黄海冷水团和长江口附近海域,冬季分布在黄海暖流主轴部分。根据各站位的地理位置和浮游动物相似程度,对黄海浮游动物Cluster聚类和MDS多维定标分析,将夏季划分为4个群落,将冬季划分为3个群落。共计有8个优势种类,夏季的优势种多为桡足类,冬季除中华哲水蚤(Calanus sinicus)优势度占绝对优势外,其余优势种的优势度较为相近。将浮游动物的丰度、生物量和生物多样性指数和环境因子做相关性分析得出:温度、盐度是影响黄海浮游动物群落结构的主要影响因子。     

地理时空三向聚类分析方法的构建与实践

随着地理数据获取能力的不断提升,地理数据体量呈指数增长,数据种类、数据性质更加多元化。对数据的有效甄别和归类成为理解地理现象时空特征、演化过程和行为机制的关键。传统聚类方法面临数据体量大、维数高、质量差的挑战,加之对地理空间与时间关联分析的需求,对聚类方法改进和提升研究的要求越来越迫切。本文介绍了从单向到三向聚类构建思路的变革。单向聚类是仅在样本或属性方向上进行聚类,易忽视非常相似的局部特征、易犯“横看成岭侧成峰”的错误。双向聚类是基于数据矩阵内元素值的相似性,形成一个子矩阵分割方案,使子矩阵内元素相似度尽可能高,子矩阵间元素相似度尽可能低,从而实现行列两方向的同时聚类,避免了单向聚类的不足。鉴于双向聚类难以满足地理研究超出双向的解译需求,本文提出并研发了一个全新的三向聚类方法,给出了运用该方法开展地理时空格局过程探测的流程,总结了如何根据研究涉及的“空间—时间—尺度—属性”构建三维数据体;最后,展示了三向聚类的地理实践案例。结果表明：① 三向聚类是一种大数据时代探测地理数据时空分异规律的有效方法,可以解决数据维度高、质量低等问题;② 面对不同的地理问题,三向聚类在算法层面上是通用的,不同之处仅在于：根据不同问题涉及的空间、时间、尺度、属性的不同,构建不同的数据体;不同数据体聚类得到的不同结果回答不同的地理问题;③ 三向聚类可以实现地理数据的时空分异规律多方向、多尺度、多层次的联合解译,揭示地理特征时空尺度叠加效应。最后,论文强调根据地理问题组织数据的重要性,期待未来能够提升三向聚类在多空间尺度、多属性方面的地理研究实践。     

模糊ISODATA聚类算法在声速剖面自动分类中的应用

依据中国海浅海区30′按月历史统计声速剖面数据,通过归一化处理和Akima差值采样得到梯度剖面,建立起各方区按月归化后的声速剖面分层梯度样本集,并采用模糊ISODATA聚类算法对声速剖面进行聚类分析.通过对分类结果和类内总方差和的分析表明,聚类参数m值在1.1～2.1之间,并以最远邻系统聚类法结果为初始类中心的模糊分类效果较好.应用该方法对海洋中的声速剖面进行自动分类和区划对海洋环境的战术应用意义重大.     

基于高斯混合模型的海冰图像非监督聚类分割研究

为了利用海冰图像识别技术获取海冰冰况信息, 探索了利用高斯混合模型进行海冰图像分割的技术途径, 描述了具体算法, 并利用高斯混合模型的最大期望值（EM）算法以及最小描述长度（MDL）准则对渤海海冰图像进行目标提取。研究结果表明, 该方法可以很好地实现海冰信息的有效提取和海冰图像的有效分割, 从而证明了建立在图像分割技术...     

2006年秋季长江口及邻近海域微微型浮游生物的分布特征及环境影响因素

2006年10月在长江口及邻近海域采用流式细胞技术测定了微微型浮游生物:聚球藻Synechococcus、微微型光合真核生物(picoeukaryotes)和异养浮游细菌(heterotrophic bacteria)的丰度和碳生物量,研究了其生态分布特点,并分析了其与环境因子之间的关系.结果表明,聚球藻、微微型光合真...     

基于模糊聚类的海水水质监测技术研究

海水水质监测数据纷繁复杂,为了在海量的数据中提取有效数据进行分析,采用模糊聚类实现对监测数据的分析处 理。对监测数据分析结构做了简要说明,接着分析模糊聚类C 聚类均值算法（FCM） 不足之处,提出了基于不完整数据样本 的FCM 算法,最后采用海水赤潮数据不完整样本进行实例仿真,实验证明,该算法在处理不完整样本数据时有一定的优势。     

基于空间自回归和空间聚类的渔情预报模型

作者针对远洋渔场渔情预报精度偏低的问题,提出一种基于空间自回归和空间聚类的渔情预报模型。该模型利用空间自回归对收集到的渔业历史数据进行预处理,然后通过空间聚类将所有数据样本根据地理位置分划成若干个区域,最后研究每个区域中环境数据与渔获数据之间的数学关系,各自建立栖息地适宜性指数模型(Habitat Suitability Index,HSI),并以印度洋大眼金枪鱼(Thunnus obesus)为例进行验证。结果表明,本模型的均方差为0.1742,与传统线性回归方法的均方差0.2363相比,能更好地表达海洋环境数据与渔获量之间的关系,预测精度显著提高。     

应用Argo资料分析西北太平洋冬、夏季水团

应用Argo剖面浮标观测的温、盐度资料,分析了西北太平洋海域冬、夏季的温、盐度分布、水团结构及其分布。首先采用T-S点聚图法分析了该海域水团分布的基本情况,由点聚分析结果可知,该海域至少存在6种以上水团;再用模糊聚类软化法对水团作进一步划分,分别计算了该海域6至11类水团的F和△F值,结果表明,冬、夏季的△F值都以划分为8类时为最大,这与大洋水团的稳定性是一致的,因此,该海域冬、夏季水团以划分为8类最佳,它们分别是北太平洋热带表层水、北太平洋次表层水、北太平洋中层水、北太平洋副热带模态水、北太平洋深层水和赤道表层水,以及南太平洋次表层水和南太平洋中层水。