改进的ARCE方法及其在单频 GPS快速定位中的应用

基于TIKHONOV正则化原理，设计了一种正则化矩阵的构造方法，将ARCE(ambiguity resolution using constraint equation)方法进行了改进。通过新的正则化矩阵的作用，减弱了GPS快速定位中少数历元情形下法矩阵的病态性，得到了比较准确的模糊度浮动解，大大减小了模糊度的搜索范围，利用ARCE方法固定模糊度的成功率高。并结合一个算例，验证了本文改进方法的效果。     

粗差发现和定位能力与相关系数的关系

根据粗差判断方程中的判断矩阵和两个统计检验量之间相关系数的函数式,论证了两种不同的研究方法所确定的粗差不能定位的数学模型实际上是相等的。通过算例,不仅说明两种研究方法对观测量不能定位粗差的判断是一致的,而且使用判断矩阵研究观测量的粗差发现和定位能力会更加方便简单。     

基于DMN的高光谱图像分割方法研究

简述高光谱遥感光谱特征体系(包括光谱曲线特征、光谱变换特征和光谱度量特征3个层面)。研究马尔科夫网的概念和方法,生成基于光谱角(SA)特征度量的DMN,并以DMN为证据对高光谱图像进行分割;研究和实验表明基于SA信息的马尔科夫网可以很好地综合高光谱数据空间特征与光谱特征间的关系,为进一步数据处理提供优化控制(其实质是概率神经网络)。最后提出未来应用和研究方向。     

超级计算机上矩阵乘的并行计算与实现

数值预报系统中经常要用到矩阵乘运算。在分布式超级计算机 (如IBM-SP) 上, 矩阵乘的并行计算需要较多的数据移动, 有效的数据传输对矩阵乘的实现至关重要。该文讨论了两种矩阵乘的并行算法, 一种是基于矩阵的列-行划分方式, 一种是基于矩阵的网格划分方式。在IBM-SP计算机上的实验结果表明, 网格划分的矩阵乘并行算法通讯开销更小, 并行效率更高, 其并行加速比较列-行并行算法改善约10 %。     

济南市冬季日降水概率预报方法

利用实时ECMWF2 4～ 1 44小时的格点资料和历史同时效ECMWF( 1 986～ 1 995年 )资料 ,进行相似离度分析 ,经过环流背景相似和天气形势演变相似过滤 ,从历史样本中筛选出与预报日形势及要素场最相似的样本 ,并根据各相似个例的相似程度和对应各站的降水情况 ,计算出济南市各站未来一周逐日的降水概率。     

用翁氏模型图版设计早期油气田(藏)开发方案

由于缺乏早期资料，设计早期油气田（藏）开发方案是非常困难的。在制作翁氏模型的Qctm/No-ER图版和ER-ctR图版过程提出根据探明储量No、经济极限产量Qc、假定达到峰值产量的时间tm、最终采收率ER，由翁氏模型的Qctm/No-ER图版求取增长指数b，由翁氏模型ER-ctR图版求取ctR，再求出其他参数及所有的油气田（藏）开发指标，完成早期油气田（藏）开发方案设计。     

四川省房屋建筑易损性研究

研究房屋建筑易损性特征是防震减灾工作必不可少的环节之一，本文通过对多年工作的系统总结，得出四川省不同地区的房屋建筑易损性矩阵，全省房屋建筑抗震性能总体水平不高，这是造成地震灾害加重的主要原因之一，随着经济发展实力的提高，适当提高全省房屋建筑抗震设防水平可大大减轻特别是中强地震所造成的经济损失。     

山西夏县台热水井水氡异常特征与地震的关系初探

为弄清山西夏县中心地震台水氡震前异常的原因 ,对山西夏县中心地震台热水井水氡 1984年以来的观测资料用概率论的数据处理方法进行了处理 ,以负异常的发震原理进行了分析 ,结果表明震前负异常的发震概率为 70 %。     

喉癌CT分型和CD44V6表达的意义

目的 探讨喉癌的CT分型和转移相关因子CD44V6表达的意义。方法 对39例喉鳞癌行术前常规CT检查，其术后标本进行CD44V6的表达检测，与术前CT片作对照分析。结果39例喉鳞癌CT检查；声门型24例，声门上型14例，跨声门型1例，声门下型0例；T1－2级22例，T3－4级17例；淋巴结转移组13例，非转移组26例，CD44V6总的阳性表达率为61．5％，对各组均采用秩次检验分析，CD44V6在喉癌的CT的T分级和淋巴结分组中存在显著性差异（P＜0．01）。而部位分区无明显差异。结论 喉癌的CT分型中的T分级、淋巴结分组与CD44V6的阳性表达密切相关。     

应力释放模型的改进及其在研究台湾地区地震预测问题中的应用.

应力释放模型过去主要用于研究大范围历史大地震活动规律．本文对应力释放模型进行了改进，对其能否运用于区域更小、时段更短、震级更低的情况进行了探讨；以台湾地区近百年6级以上地震为例的研究结果表明，应力释放模型仍然适用．在回溯性的地震预测检验中，用改进的应力释放模型计算出台湾地区地震发生的条件概率强度，并用其预测6级以上地震的发震时刻．结果表明，其预测精度优于泊松模型．