近40a来海南岛南岸的相对海平面变化

根据海南岛榆林验潮站１９５４～１９９２年连续３９ａ潮位观测资料，经过统一基准面校正后，运用多种统计分析方法研究，得出近４０ａ来海南岛南岸的相对海平面变化呈上升趋势，相应的平均上升速率为０．６４ｍｍ／ａ，这一数值较近百年来１～２ｍｍ／ａ的全球海平面上升速率明显偏小，反映出同期海南岛南岸的地面是微弱抬升的。     

浅述多元数据处理的一种简化拟合形式及算法剖析

在实际工程试验与研究中 ,多元数据处理经常遇到 ,根据 Weierstrass定理 ,采用多项式拟合是一种常见的数据处理方法。对于多元多项式的系数求解问题 ,可以归结为超定方程组的求解问题。该文以超定方程组的 SVD求解算法为核心 ,阐述了在工程实际中关于多元数据处理的一种应用方法 ,并尝试给出多元多项式拟合的一种简化方法     

海上矿石运输最优船队的组建

针对海上矿石运输，介绍了一种完成定量任务并能使投资费用最少为目标的最优船队组建方法，同时对易变参数进行了灵敏度分析，使决策更加科学化     

增长曲线模型中线性估计类所有可容许估计

对增长曲线模型中回归矩阵的函数的线性估计进行了研究。在矩阵损失下 ,作者得到了线性估计在一切线性估计类中可容许的充要条件     

高识别力的微卫星标记系统在鳜属(Siniperca)物种鉴定中的应用

根据自行分离的翘嘴鳜微卫星序列（GenBank登录号：DQ789247-DQ789306）设计并合成20对微卫星引物,对鳜属鱼类4个物种即翘嘴鳜、大眼鳜、斑鳜和暗鳜共80个个体进行了物种鉴定分析.结果表明,20对微卫星引物共检测到293个等位基因,大小在80-301bp之间.它们在4个物种中的多态性位点百分率分别为90%、75%、85%和85%,累积个体识别率和非父排除率均达到0.9999,属于高识别力的微卫星遗传标记系统,可以用来进行鳜属鱼类物种的鉴定分析.UPGMA聚类分析表明,翘嘴鳜与暗鳜之间亲缘关系最近,可归属于第Ⅰ类;大眼鳜为第Ⅱ类;斑鳜独自为第Ⅲ类.本研究可为鳜属鱼类的分类及进化关系、群体遗传结构分析等提供理论支持,为野生原种鳜类遗传多样性的监测和评估以及鳜类优良的种质资源得到合理保护和开发利用奠定基础.     

受扰线性系统的前馈-反馈最优控制

针对具有外部持续扰动的线性系统，研究前馈-反馈最优控制律的设计问题。给出了最优控制律的存在唯一性条件。并提出了最优控制律的设计算法。利用滤波器解决了前馈控制的物理不可实现问题。仿真结果表明，此算法易于实现，与传统的反馈最优控制相比对抑制外部扰动具有较强的鲁棒性。     

McCreary和Fickian湍扩散形式差异的分析

用矩阵方法,求解McCreary和Fickian铅垂向湍扩散形式下,无界海洋条件时在风应力和深层浮力作用下的线性解。得出不同的湍扩散系数A情况下McCreary与Fickian湍扩散形式的流场结构。指出随湍扩散系数的增加,McCreary和Fickian湍扩散形式下u分量结构及其量值差异增大。在Fickian湍扩散形式下,能量穿越密度跃层的传递能力较强。当A=0.1cm~2s~(-3)时,在风应力和深层浮力作用下两种湍扩散形式造成流场的差异很小。提出在小湍扩散系数下,用McCreary湍扩散形式研究热带海洋环流,其结果和Fickian形式应相当一致。     

基于坐标归一化和奇异值分解的直接线性变换解法

直接线性变换方法是数字摄影测量和计算机视觉领域最常用的解析处理方法之一,特别适用于未检校数码相机的三维测量,但直接线性参数间的相关性、物方控制的约束和设计矩阵元素数量级的较大差异,均可导致法矩阵严重病态,从而影响解的稳定性。本文借鉴改进的八点基本矩阵估计算法,采用基于坐标归一化和奇异值分解的解法,即首先将像点和物点坐标进行相似变换得到归一化坐标后组成法矩阵,其次利用矩阵奇异值分解方法代替常规的最小二乘方法,模拟和真实数据表明,此方法可以有效提高解算精度和稳定性。     

多频载波相位组合进行单点定位

不同于双频数据的应用,多频数据的采用对单点定位有着特殊意义,可以更好地获得其模糊度的解。基于卫星导航定位系统多频载波相位线性组合理论,研究了具有特殊意义的组合观测值及其特性。在此基础上,通过多频观测值数据的数值仿真,采用新方法进行整周模糊度快速求解。编制了基于多频载波相位组合单点定位软件,通过结果的比较分析,得出有一定实际应用意义的结论。此方法算法简单,速度快,能够满足实时导航定位的需要,具有工程应用价值。     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。