基于改进麻雀搜索算法优化BP神经网络的PM_(2.5)浓度预测北大核心CSCD

针对传统BP神经网络模型收敛速度慢、易陷入局部极值等问题,本文采用分段线性混沌映射(PWLCM)和萤火虫算法(FA)改进麻雀搜索算法(SSA),并优化BP神经网络模型初始权值和阈值,对西安市PM_(2.5)浓度进行预测。通过比较不同模型预测结果的评价指标,并与性能较优的SSA-BP模型对比,ISSA-BP模型预测结果的RMSE、MAPE、MAE分别下降了3.70、3.73、3.34。试验结果表明,改进后的麻雀搜索算法具有高效的全局最优搜索能力,优化后的ISSA-BP神经网络预测稳定性高,精度优于BP、SSA-BP神经网络模型,可用于预测PM_(2.5)浓度。     

结构总体最小二乘估计理论的拓展及其应用研究EI北大核心CSCD

具有随机系数矩阵的高斯-马尔可夫(GM)模型被称为变量误差(EIV)模型,在均方误差意义下,总体最小二乘(TLS)估计得到的EIV模型参数估值优于最小二乘(TLS)估计,这种状况已引起测绘领域的极大关注,并成为多年来的热点问题之一。     

BDS-2/BDS-3/GPS/Galileo双频精密单点定位精度分析与评价

由于北斗卫星导航系统(BDS)已完成正式组网,有必要对BDS的定位性能进行精度评估与分析. 本文主要通过在MGEX (Multi-GNSS Experiment)选取8个测站5天的观测数据,以北斗二号/北斗三号(BDS-2/BDS-3)为主分析BDS-2/BDS-3、BDS-2/BDS-3/Galileo、BDS-2/BDS-3/GPS、BDS-2/BDS-3/GPS/Galileo四种不同组合卫星系统静态精密单点定位(PPP)性能,试验结果表明:BDS-2/BDS-3静态PPP在东(E)、北(N)、天顶(U)方向上的定位精度和收敛速度分别优于2.49 cm、2.27 cm、4.04 cm和34.6 min、19.3 min、28.1 min;BDS-2/BDS-3/Galileo静态PPP在E、N、U方向上的定位精度和收敛速度分别优于1.81 cm、1.65 cm、2.94 cm和20.4 min、13.0 min、18.6 min;BDS-2/BDS-3/GPS静态PPP在E、N、U方向上的定位精度和收敛速度分别优于1.67 cm、1.62 cm、2.82 cm和18.3 min、10.2 min、16.1 min;BDS-2/BDS-3/GPS/Galileo静态PPP在E、N、U方向上的定位精度和收敛速度分别优于1.46 cm、1.40 cm、2.45 cm和14.5 min、9.3 min、14.5 min.      

联合BEMD和WMM方法实现位场多尺度边界检测

利用不同尺度下的位场数据进行边界检测可获得相应的多尺度边界信息,其在区域地质构造单元划分、地质填图、矿产资源圈定和结晶基底研究等方面具有广泛应用。通过联合二维经验模态分解（bi-dimensional empirical mode decomposition, BEMD）和小波模极大值（wavelet modulus maximum, WMM）方法实现位场数据多尺度分解及各尺度异常边界检测,首先,证明了BEMD方法能够实现对位场的多尺度分解,且分解各尺度异常具有实际地质含义;然后,对构建的模型重力异常进行边界检测,结果显示, WMM方法具有良好的抗噪声干扰能力,能够清晰、准确地检测出组合模型体的边界位置、走向及分布范围;最后,将该联合方法用于三峡地区布格重力异常的多尺度分解和各级固有模态函数的边界检测,结合径向对数功率谱曲线对分解各尺度异常进行场源深度估计,得到了三峡地区不同深度层位上的构造或岩体线性分布特征,并对各尺度异常边界检测结果与区域地质构造特征进行了比较分析和解释,验证了该方法的优越性和有效性。     

领域知识优化深度置信网络的遥感变化检测

为提高高分辨率遥感影像变化检测精度,提出一种以领域知识为优化策略的深度学习变化检测方法。利用改进的变化矢量分析和灰度共生矩阵算法获取影像的光谱和纹理变化,设定合理阈值获得变化区域待选样本;引入领域知识中图斑形状特征指数与光谱知识,筛选得到高质量的训练样本;构建并训练了深度置信网络模型,使用优化策略对深度学习变化检测结果进行优化,以减少“椒盐”噪声和伪变化区对检测精度的影响。通过高分二号与IKONOS影像的变化检测实验表明,该方法较优化前准确率与召回率最大增幅分别为7.58%和14.69%（高分二号）、17.08%和23.87%（IKONOS）,虚警率和漏检率最大降幅为30.22%和23.30%（高分二号）、17.08%和23.87%（IKONOS）,能够有效提高变化检测精度。     

基于偏最小二乘算法的ＢＤＳ－２／ＢＤＳ－３卫星钟差短期预报

针对机器学习算法在卫星钟差短期预报应用中训练数据量最佳确定、算法有效性评估研究较少的问题,以 武汉大学ＩＧＳ数据中心连续１５ｄ３３颗事后ＢＤＳ－２／ＢＤＳ－３精密卫星钟差产品为例,基于钟差相位数据的偏最小二乘 （ＰＬＳ）、基于钟差相位数据一次差分的偏最小二乘（ＤＰＬＳ）、长短期记忆网络（ＬＳＴＭ）模型进行了ＢＤＳ－２／ＢＤＳ－３卫星 钟差短期预报。实验结果表明：首先,选择第１５天数据为测试样本,前１４天距第１５天最近的连续ｎ　ｄ数据为训练 样本时,ｎ 为８时,ＰＬＳ模型预报性能达到最优;ｎ 为１、３、８时ＤＰＬＳ预报性能达到相对最优;ｎ 为１１时ＬＳＴＭ 预报 性能最优;ＰＬＳ、ＤＰＬＳ模型的预报效率较优,而ＬＳＴＭ 预报效率较差,最大预报耗时分别为０．２５ｓ、０．９０ｓ、 １９８．６５ｍｉｎ;随着测试样本的增加,ＬＳＴＭ 模型的预报耗时显著增加,而其他两个模型预报耗时基本没有变化;其次, 连续１４ｄ的短期预报（当前１天为训练样本,后１天为测试样本）结果表明,ＤＰＬＳ较ＰＬＳ与ＬＳＴＭ 模型,６ｈ预报时 长下,均方根误差（ＲＭＳ）分别提升了３１．２６％、３９．６６％,极差（Ｒａｎｇｅ）分别改善了２６．３４％、４０．３０％,２４ｈ预报时长 下,ＲＭＳ分别提升了３３．４８％、４２．６８％,Ｒａｎｇｅ分别改善了２９．７７％、４２．９５％。     

加乘性混合误差模型精度评定的SUT法EI北大核心CSCD

已有加乘性混合误差模型参数估计方法能达到二阶精度,但精度评定方法只能达到一阶精度,若通过传统泰勒级数展开近似函数法来获取参数估值的二阶精度信息,由于加乘性混合误差模型中参数估值与观测值为一个复杂的非线性关系,必然需要复杂的求导运算。针对该问题,本文使用一种无须求导、无须了解非线性函数构成的比例无迹变换(scaled unscented transformation,SUT)法来计算参数估值的二阶精度信息。通过算例分析表明,利用SUT法求解加乘性混合误差模型能够有效避免复杂的求导运算,所求得的参数估值及其协方差阵均能达到二阶精度,从而验证了本文方法的可行性和优势。     

高度约束MHE算法在伪距单点定位中的应用

针对目前全球卫星导航系统(GNSS)中伪距单点定位(SPP)技术的定位精度已不能满足现代大多数应用场景的需求,提出了一种附加高度约束的滚动时域估计(MHE)算法,以此来改善SPP的定位性能. 附加高度约束的MHE算法是将接收机的位置高度作为非线性约束加入到SPP的估计参数中,并采用近似MHE算法来进一步提高定位精度的优化算法. 结果表明:高度约束的MHE滤波比传统最小二乘(LS)的滤波具有更好的平滑特性,同时随其视窗大小的增加,其定位精度得到了进一步改善. 验证了附加高度约束MHE方案的有效性、可行性,所得结果对SPP的实际应用具有重要的参考意义.      

要把学习贯彻好两会精神当做头等大事来抓

举世瞩目的十二届全国人大二次会议及全国政协十二届二次会议（以下简称“两会”）,日前在北京胜利闭幕。这是全党全军全国人民政治生活中的一件大喜事。我们向两会的成功召开表示热烈祝贺！     

三维数值模拟在地下工程围岩二次应力-形变场研究中的应用

地下工程开挖时常出现围岩稳定性问题[1],而研究围岩稳定性问题的关键之一是围岩开挖后的二次应力-形变场研究.由于受诸多不确定因素的影响,对此问题的认识和研究面临一定难题.工程实践证明,借助三维数值模拟方法来研究这一问题具有较好效果.