混合禁忌搜索算法在湖泊富营养化评价中的应用

本文提出了幂函数加和型湖泊富营养化评价指数公式,同时将禁忌搜索算法与模拟退火、免疫进化算法有机地结合起来,建立了求解优化问题的混合禁忌搜索算法(HTS).将此算法用于评价指数公式的参数优化,从而建立起湖泊富营养化综合评价模型,为湖泊富营养化评价和预测提供了一条有效的途径.将优化好的湖泊富营养化模型用于东湖富营养化评价的实例研究,结果表明此评价模型能较好地反映湖泊富营养化水平,并具有较好的通用性和实用性.     

基于地震属性约简的深度学习储层物性参数预测:以莺歌海盆地乐东区为例

储层物性参数作为描述储层特性、储层建模和流体模式的重要指标,其准确估算可以为储层预测提供有力参考依据,但传统储层物性参数反演方法无法兼顾反演精度及空间连续性。针对上述问题,本文引入地震属性作为深度学习算法输入,针对地震属性之间存在的信息冗余特征,利用随机森林-递归消除法对地震属性进行约简预处理,最终建立一种基于地震属性约简的储层物性参数预测方法。实际数据测试结果表明,地震属性约简的深度学习储层物性参数预测结果具有良好的精度及横向分辨率,证实本文方法的有效性。     

基于夜间多时相遥感数据的热异常与地震的相关性

本文使用第二代欧洲气象卫星MSG搭载的SEVIRI传感器数据,基于卫星数据稳健分析技术提取了意大利地区2015—2017年间的三次热异常,并在此基础上增加热异常的判定条件,利用静止气象卫星的高时间分辨率特性,基于夜间多时相遥感数据探究热异常与地震的相关性.结果显示:通过夜间多时相遥感数据均值可更清晰地展示出研究区热异常...     

新一代雷达应用软件对富宁5.16等特大暴雨的检验

云南文山天气雷达站采用的新一代天气雷达是由四创电子公司生产的C INRAD-CC,随雷达配备的应用软件是由北京敏视达公司提供的,由美国W SR-88D雷达Bu ild 7(第七版本)软件移植而来的软件RPG与PUP,通过研究W SR-88D降水处理系统的质量控制步骤,对降水算法的可调参数进行重新设置与验证,发现降水等部分原厂设置并不适用于低纬高原的雷达站所在地区,通过调整后的设置经过文山天气雷达站几次大雨与暴雨的比较后得出:对一些参数进行重新设置后其输出的降水产品比较接近降水的真实情况。     

新冠肺炎流行病学模型的最优参数化

现如今,新冠肺炎(COVID-19)严重威胁着世界各国人民的生命健康.许多流行病学模型已经被用于为政策制定者和世界卫生组织提供决策参考.为了更加深刻的理解疫情趋势的变化特征,许多参数优化算法被用于反演模型参数.本文提议使用结合了高斯-牛顿法和梯度下降法的Levenberg-Marquardt(LMA)算法来优化模型参数...     

基于双隐层ANN模型的叶绿素a浓度智能预报方法

利用2019年5月WZ02生态浮标监测数据,建立了两种不同隐层人工神经网络(ANN)模型的叶绿素a(Chl-a)智能预报方法,并对单隐层和双隐层模型的预测结果做了对比.结果表明:双隐层结构预测结果精度更高,泛化能力更强,一定程度上说明了深层学习比浅层学习对信息的主要特征提取能力更有优势.同时,对数据样本集合进行了系统预...     

基于SAPSO-ELM的瓦斯涌出量分源预测及应用

为了提高瓦斯涌出量预测精度,针对瓦斯涌出量影响因素的多重相关性、复杂性等问题,结合主成分分析法和分源预测理论,对开采层、邻近层、采空区的瓦斯涌出量数据分别进行主成分分析降维,得到预测指标。针对极限学习机(ELM)存在的输入权值矩阵与隐含层阈值随机生成的问题,利用模拟退火粒子群算法(SAPSO)对极限学习机的参数寻优,将新疆某煤矿回采工作面瓦斯涌出量及影响因素作为SAPSO-ELM模型的输入进行训练,再利用训练好的SAPSO-ELM模型对陕西某煤矿回采工作面的瓦斯涌出量进行验证预测,并对比原始ELM模型的预测结果。结果表明,SAPSO-ELM模型的平均相对误差为3.45%,ELM模型的平均相对误差为8.81%,与ELM模型相比,SAPSO-ELM模型预测精度及效率均优于原始ELM模型。分源预测理论和主成分分析法的结合有效解决了多因素间的多重相关性并降低了预测模型的复杂度,SAPSO-ELM预测模型实现了瓦斯涌出量的快速精准预测,对预防瓦斯事故发生和保障煤矿安全高效开采具有较好的指导作用。      

基于测井参数优选的煤层含气量预测模型

随着煤层气勘探的不断深入,对煤层含气量预测精度提出了更高的要求。基于煤层含气量测井响应特征,分析测井参数与含气量的相关性,提出MIV（Mean Impact Value）技术与LSSVM（Least Squares Support Vector Machine）结合的测井参数优选策略,优选最优测井参数作为网络建模的输入自变量组合,通过粒子群算法优化LSSVM网络核心参数,最后构建一套适用于煤层含气量预测的MIV-PSO-LSSVM模型。在此基础上,分别对比分析LSSVM、PSO-LSSVM、MIV-LSSVM和MIV-PSO-LSSVM模型对煤层含气量的预测性能,并与传统多元回归方法进行了对比,利用拟合优度和均方根误差对此5类模型进行评价。结果表明:PSO优化下的LSSVM模型预测精度得到有效提升,结合MIV方法优选测井参数可大幅度改善神经网络建模性能,MIV-PSO-LSSVM模型可实现煤层含气量高精度预测,为煤层气勘探及其储层评价提供新的技术支撑,且本研究的建模策略及思想可广泛应用于其他机器学习建模研究领域。      

数字孪生铁路多目标粒子群任务调度方法

展示/分析/探索多层次任务及存储/计算/网络资源高效调度是数字孪生铁路的关键技术,随着存储、计算和网络等分布式异构资源不断接入,数字孪生铁路多层次任务并发场景异构资源分配倾斜、任务优先级不匹配、时延高等问题突显。现有调度方法大多针对单一层次任务资源进行设计,无法直接适用多层次任务调度场景,难以保障多层次任务调度的最大完工时间和资源负载均衡全局最优。针对上述问题,本文设计了适用于数字孪生铁路特点的多层次任务调度模型,提出了多目标粒子群任务调度算法,基于云仿真平台CloudSim对该方法进行对比测试,基于DTScope引擎设计实现数字孪生铁路“安全—质量—进度”智能施工管理案例原型。结果表明,本文方法适用于数字孪生铁路多层次任务并发调度场景,与现有方法相比明显提高了多层次任务完成时间效率和任务调度均衡性,可有效支撑数字孪生铁路展示—分析—探索多样化应用。     

基于ArcEngine的数字高程模型更新方法研究

采用COM技术,以ARCENGINE所提供的类库和凸包算法,实现了数字高程模型(DEM)数据更新的边界检测和利用矢量地形数据采集更新数字高程模型数据的方法。保证了数字高程模型数据的精度,可以满足数字高程模型的现势性需求。