粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法．该方法先通过经验模态分解（EMD）将初始信号分解成6个本征模态函数（IMF）及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型．将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型．该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型...     

山东半岛东北部海域悬浮体季节分布及控制因素

基于2018年山东半岛东北部海域冬、夏两季悬浮体浓度、浊度及水温和盐度调查资料,分析了研究区水体悬浮体浓度的季节性变化,探讨了其控制因素.结果表明:夏季浊度在0.2～37.8FTU之间变化,冬季浊度在1.5～100.1FTU之间变化,均表现为底高表低、东高西低的特征.夏季水温分层明显,表现为表层高、底层低的特征,盐度整...     

Parsivel(R)激光降水粒子谱仪及其在气象领域的应用

降水粒子特性是大气运动和云内微物理过程的综合结果,在云降水物理及人工影响天气领域有着重要的意义.传统的测量方法不适合对大量数据分析寻找规律,德国OTT公司的Parsivel(R)激光降水粒子谱测量系统可以较好解决自动测量难题.该仪器是以激光测量为基础的粒子测量传感器,采用平行激光束和光电管阵列结合,当有降水粒子穿越采样空间时,自动记录遮挡物的宽度,通过穿越时间计算降水粒子的尺度和速度,根据各种参数的综合信息对降水粒子进行分类,并能够以数字形式显示瞬时降水强度、降水粒子总数、累积降水量、降水时的能见度和雷达反射因子,以图形方式显示降水粒子尺度谱、速度谱、降水粒子分类且自动生成天气现象代码,实现天气现象的自动识别.激光降水粒子谱仪主要用于气象水文观测.在雷达气象学领域可用于Z/R关系的拟合修正,比传统的用雨量筒观测数据拟合效果好得多;由降水粒子谱仪测量雨滴的降落速度,可以对天气雷达垂直向上测量的粒子径向速度谱进行校正.人工影响天气的效果检验一直是一个难题,自然降水粒子谱分布形式与人工催化以后的降水粒子谱型理论上应当具有较大的差别,人工增雨作业降水滴谱变化物理响应和降水强度时间变化响应都有明显的区别.如果能够实时检测到这些差别,就能够充分说明人工催化的有效性.未来如果能够进行联网观测记录区域性降水、降雹,就有充分证据表明人影作业的有效性,在定量化作业效果评估以及灾害损失评估等方面应用潜力巨大.利用该仪器已经对一年的自然降水过程进行了连续观测,并将所获得的降水粒子谱、雨滴浓度值随时间变化状况与卫星反演的云顶有效粒子半径时间变化趋势进行了对比,发现有较好的一致性.     

2004年夏季台湾浅滩及其邻近海域悬浮体成分与分布特征

本文根据2004年7月25日至8月10日在台湾浅滩及其邻近海域获取的悬浮体样品,采用了"微孔滤膜法"取得数据,利用偏光显微镜、体视显微镜和扫描电镜及能谱分析,结果表明:悬浮体含量在水平分布上为由近岸向外逐渐降低,总体上表层悬浮体含量高于底层;悬浮体的成分包括粗颗粒组份(它生矿物碎屑、自生矿物和生源碎屑)和细颗粒组份(无机矿物颗粒和超微生源颗粒),其中表层矿物碎屑分布特征为由岸向外递减,底层矿物碎屑则为近岸低、浅滩区高和浅滩外侧低;自生矿物和表层生源碎屑都具有自岸向外增加的特点;细颗粒组份中无机矿物颗粒为主,超微生源颗粒含量较少.研究区悬浮体分布受水文因素、物质来源及海底地形的影响,中国大陆陆源输入影响研究区悬浮体成分及其分布特征.     

几种非线性滤波算法的性能比较与分析

在非线性状态估计中,传统的扩展卡尔曼滤波通过线性化来实现高斯近似,由于截断误差的存在很难保证估计精度;而基本粒子滤波容易出现粒子退化,导致滤波发散。针对粒子滤波的两个基本假设：蒙特卡罗假设和重要采样假设,采用蒙特卡罗随机链的方法来提高粒子的多样性,并利用无味卡尔曼滤波来产生更高精度的替代分布,发展了无味粒子滤波。通过仿真实验证明,相比较扩展卡尔曼滤波和基本粒子滤波,改进后的无味粒子滤波算法性能更优越,对含有非线性非高斯的状态估计问题有更好的滤波效果。     

北京市大气悬浮颗粒物TSP和PM10的季节变化特征

为了解北京市大气悬浮颗粒物随时间的变化规律,对北京市2000年全年的总悬浮颗粒物(Total Suspended Particulates, TSP)和可吸入颗粒物(Inhalation Particle Matter, PM10)观测结果进行了统计分析.结果表明:颗粒物浓度春季最高,夏季最低,TSP浓度和PM10浓度有良好的线性关系(相关系数为0.77).通过后向轨迹分析得出,发生在2000年4月6日和25日的2次强沙尘天气的沙尘源地位于蒙古国的东南部和内蒙古的中西部.     

胶州湾潮余流和物质输送之间的关系

基于MIKE21的HD模型,通过模拟得到胶州湾的潮流场,胶州湾在涨急时最大流速1.04m/s,落急时最大流速约为0.96m/s。胶州湾余流总体较小,平均为0.03m/s左右。并在湾内不同位置释放自由粒子,以MIKE21的Particle tracking模型计算出其在潮流作用下的运移轨迹,结果表明粒子大多数运移到湾内近岸区域,少部分在湾口区域附近;在潮流场基础上计算了欧拉余流场,并和粒子运移结果进行对比,表明欧拉余流场在区域流向比较一致时可以表示粒子运动的趋势,为物质迁移、控制污染等方面提供了一定的参考借鉴意义。     

PDR算法对地磁室内定位精度的提升研究

利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位,而且基于地磁场的定位无需布设任何额外设施,因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题,本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法,并开发了地磁室内导航系统,以智能手机为硬件平台构建磁力计传感器模型,建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内,产生的平均定位误差为1.13 m,最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%;与单一地磁指纹匹配算法相比,定位精度提高了57%。试验证明,本文提出的融合算法对提高室内定位精度具有显著的作用。     

大坝变形监测的粒子群优化高斯过程预测

针对大坝变形数据的非平稳非线性特点,传统预测模型受到了一定限制。鉴于高斯过程(Gaussian Process,GP)对非平稳数据具有高自适应性,考虑到其自身在协方差函数选取以及超参数优化方面存在不足,为提高高斯过程模型的预测精度,文中通过粒子群算法(Particle Swarm Optimization,PSO)优化其超参数并选择最优协方差函数。通过实例验证分析,比较多元回归分析、GP、PSO-GP三种模型在大坝变形监测数据处理中的预测精度,表明大坝非线性预测模型粒子群优化高斯过程算法具有较高的预测精度,是一种有效的大坝变形分析预测方法。