复经验正交函数在水温预报中的应用

复经验正交函数（ＣＥＯＦ）是一种新的物理场的分解方法，它除了可以揭示物理场的时、空分布和变化规律外，还可以反映波动或平流效应。故本文首次将该方法移植到预报方法研究上来，建立了渤海、黄海的表、底层水温预报方案。为了检验该预报方案的可靠性，试报的结果除与实测值进行比较外，同时还与依据经验正交函数（ＥＯＦ）建立预报方法的预报结果进行了对比。结果表明，对于南、北黄海表层水温的试报结果，ＣＥＯＦ方法试报的平均绝对误差比ＥＯＦ方法预报的误差平均小０．２℃；而对于底层水温，两种方法的预报误差相近。     

卧虎山水库不同算法LS因子值适用性分析

在总结以往LS因子相关算法研究基础上,结合McCool的LS因子参照值,对LS算法的适用性进行评价分析。研究表明,除去复合算法和Remortel修正算法外,其他不同算法LS因子值都小于参照值;研究区LS因子值的最优算法为基于Remortel迭代运算的修正算法;其次为结合刘宝元的陡坡公式和Remortel改进L指数因子迭代运算的复合算法,以及Remortel第4版AML程序算法;再次为B?hner算法,而Moore算法和Desmet算法,由于其与参照值的相关性相对较差,而且其RMSE相对较大,不推荐在该区使用。     

混沌遗传算法在高层结构风振控制优化中的应用研究

将混沌遗传算法(Chaos Genetic Algorithm,简称CGA)引入高层结构的风振控制优化中,对采用黏弹性阻尼器来控制风振响应的高层结构进行参数优化;用Matlab语言编制了均布法、迭代法、简单遗传算法(Simple Genetic Algorithm,简称SGA)和混沌遗传算法的风振控制优化分析程序;对9个高层结构进行风振控制优化,对比了算法程序的计算效率以及无控、均布、迭代、SGA和CGA工况下的结构风振响应。研究结果表明:混沌遗传算法可以应用于高层结构风振控制优化之中;混沌遗传算法的计算效率比简单遗传算法最高提升了29%;经混沌遗传算法优化后,黏弹性阻尼器附加给结构的附加阻尼比与均布和迭代相比最高分别提高了61%和22%,CGA工况的顶层加速度响应与均布和迭代法相比最高分别减小了14%和12%。为高层结构风振控制优化研究提供了新思路,具有一定的理论价值和实际意义。     

GPS基线快速计算与跟踪方法探讨

为减少中国地壳运动观测网络提供的GPS最终解的滞后时间,及时跟踪地壳形变的动态,利用提取的GPS长期运动背景外推GPS每日最终解;同时以松弛解H文件中的协方差矩阵为约束条件,对松弛解H文件中的坐标进行7参数转换,得到ITRF2000框架下的GPS当日坐标;用外推的GPS当日解、GPS最终解和H文件分别计算基线长,并对结果进行比较,然后,为了从大量的基线中找出变化幅度较大的基线,利用经验正交函数分析（EOF）方法对活动地块内基线的空间特征进行分析,实现对GPS基线的动态跟踪与监视。     

基于遗传神经网络的入侵特征选择模型

针对高维数据包含的不相关和冗余特征影响检测方法性能的问题,提出了基于遗传神经网络入侵特征选择模型.该模型在传统的遗传神经网的输入层和隐含层之间增加特征选择层,并在特征选择层与输入层间设置连接开关,如果开关合上,则该特征被选中;否则为放弃.实验结果表明,该模型在保持原有信息完整性的同时,能有效减少冗余特性;在保证检测准确率的前提下,有效提高系统的检测速度.     

利用经验正交函数数据插值法重构东中国海叶绿素a质量浓度场

利用经验正交函数数据插值法(Data INterpolating Empirical Orthogonal Functions)重构由MODIS-Aqua卫星提供的三级产品叶绿素a质量浓度,得到了从2003—2009年东中国海叶绿素a质量浓度的月平均场。东中国海近岸叶绿素a质量浓度7 a平均值明显高于外海。对叶绿素a质量浓度季节平均场进行分析研究表明,东中国海叶绿素a质量浓度主要受长江径流、海表水温和季风的影响。对叶绿素a质量浓度异常场进行EOF分析表明,第一模态方差贡献为37.8％,空间分布显示,在长江口东北部出现叶绿素a质量浓度异常高值区,时间变化以半年和半年以下周期为主;第二模态方差贡献为21.4％,空间分布显示,在长江口东部出现叶绿素a质量浓度异常高值区,时间系数主要表现为年际变化。     

Estimation of monthly reference evapotranspiration using novel hybrid machine learning approaches

ABSTRACT

In this research, five hybrid novel machine learning approaches, artificial neural network (ANN)-embedded grey wolf optimizer (ANN-GWO), multi-verse optimizer (ANN-MVO), particle swarm optimizer (ANN-PSO), whale optimization algorithm (ANN-WOA) and ant lion optimizer (ANN-ALO), were applied for modelling monthly reference evapotranspiration (ET_o) at Ranichauri (India) and Dar El Beida (Algeria) stations. The estimates yielded by hybrid machine learning models were compared against three models, Valiantzas-1, 2 and 3 based on root mean square error (RMSE), Nash-Sutcliffe efficiency (NSE), Pearson correlation coefficient (PCC) and Willmott index (WI). The results of comparison show that the ANN-GWO-1 model with five input variables (T_min, T_max, RH, U_s, R_s) provides better estimates at both study stations (RMSE = 0.0592/0.0808, NSE = 0.9972/0.9956, PCC = 0.9986/0.9978, and WI = 0.9993/0.9989). Also, the adopted modelling strategy can build a truthful expert intelligent system for estimating the monthly ET_o at study stations.     

A conceptual evolutionary aseismic decision support framework for hospitals

In this paper, aconceptual evolutionary framework for aseismic decision support for hospitalsthat attempts to integrate a range of engineering and sociotechnical models is presented. Genetic algorithms are applied to find the optimal decision sets. A case study is completed to demonstrate how the frameworkmay applytoa specific hospital.The simulations show that the proposed evolutionary decision support framework is able to discover robust policy sets in either uncertain or fixed environments. The framework also qualitatively identifies some of the characteristicbehavior of the critical care organization. Thus, by utilizing the proposedframework, the decision makers are able to make more informed decisions, especially toenhance the seismic safety of the hospitals.     

正交实验法优化紫蛇尾皂苷提取工艺研究

以紫蛇尾(Ophiopholis mirabilis)皂苷溶液吸光度为指标,采用单因素实验法考察乙醇体积分数、料液比、提取时间、提取次数、提取温度等因素对紫蛇尾皂苷提取效果的影响,通过正交实验确定最佳工艺条件。结果表明,紫蛇尾皂苷的最佳提取工艺为60℃水浴,料液比1:40(W/V),每次3 h,提取4次。按照最佳工艺条件所得蛇尾皂苷平均产率为1.77‰,表明此最佳工艺可用于紫蛇尾皂苷的制备。     

GA-BP神经网络在罗源湾口波浪模拟研究中的应用

由于BP神经网络存在收敛速度慢和易于陷入极小值等缺点,引入遗传算法(GA)对网络的权值和阈值加以优化,并采用不同组合的输入因子和样本数,对福建省罗源湾口的波浪进行模拟研究.对输入因子的分析结果表明,研究区域的波浪主要受台湾海峡波浪传播影响,与局地气象因子(风速、风向、海气温差)的相关性较弱.训练样本试验表明,30 d以上的波浪历史数据可使GA-BP神经网络充分学习研究区域的波浪特征,从而实现对波浪要素的高精度模拟.模拟结果显示,对春、夏季实测波浪数据的模拟效果均很好,其中相关性分别为0.967和0.938,均方根误差分别为0.112 m和0.107 m,表明GA-BP神经网络在近岸波浪模拟预报中有较广阔的应用前景.