两种不同模型对漂流适宜性等级预报的对比分析

利用常规地面气象观测资料,对桃源河景区2015年1月1日—2016年12月31日2 a逐日漂流客流量与前一日气象要素进行了分析。BP网络和判别分析均具有良好的非线性函数拟合效果,分别利用这两种方法建立模型,并检验。结合日常经验挑选出主要影响漂流气象要素(日雨量、最高气温、最低气温、平均温度、平均相对湿度、最小相对湿度、08—20时降水量和风速),作为计算漂流等级预报的气象因子,建立漂流适宜性等级方程;同时为了降低暑假、周末和节假日对预报效果的影响,进行二次建模。结果发现:BP网络预报模型较好,预报等级正确率均高于40%,同时等级绝对值差为1的正确率均高于70%,正确率均高于判别分析法,预测的等级也更稳定;此外,暑假对漂流等级预报具有正面影响。     

基于决策树的天津地区冰雹天气雷达因子分析

利用决策树对天津地区2005—2014年4—9月间的25次有灾情资料的冰雹天气进行多普勒天气雷达因子识别,采用冰雹概率(POH)、强冰雹概率(POSH)、垂直液态含水量(VIL)、最大反射率因子(DBZM)、风暴质心高度(HT)、风暴顶高(TOP)等主要雷达识别指标,归纳出天津地区冰雹云雷达回波判识指标:(1)当DBZM≤54.5dBz,或者当DBZM54.5dBz但POSH≤35,单体不会降雹;(2)当DBZM54.5dBz且POSH35,则该单体将会降雹。与判别分析方法比较,基于决策树分析的识别降雹单体的成功率达90.2%,临界成功指数达78.3%,识别结果明显优于判别分析方法。     

贝叶斯判别分析在中长期径流预报中的应用研究

基于贝叶斯判别分析原理,考虑径流形成的特点及物理成因,选择研究区碧流河水库1959~2011年的实测资料,且将径流分为5个级别,用相关系数模型,考虑因子的不确定性,筛选出相关性高、彼此间独立性强的10个判别因子,分别构建基于朴素贝叶斯分类器(N-Bayes)和贝叶斯判别准则(DBayes)的年径流属性级别预报模型,并利用研究区2001~2011年资料进行了试报和检验。预报结果表明:两种模型的预报结果相近,准确率均超过70%,D-Bayes的预报效果略优于N-Bayes,初步说明:贝叶斯判别分析原理在水文预报中的应用,有着较好的前景。     

Shape Classification of AltiKa 40-Hz Waveforms using Linear Discriminant Analysis and Bayes Decision Rule in the Gujarat Coastal Region

Shape classification of the 40-Hz waveforms obtained by the recently launched AltiKa satellite has been attempted in the paper. Since retracking algorithms suitable for altimeter return echoes based on Brown model are not applicable for the echoes from coastal ocean, specific algorithms are to be devised for such echoes. In the coastal ocean, waveforms display a wide variety of shapes due to varying coastline geometry, and topography. Hence, a proper classification strategy is required for classifying the waveforms into various categories so that suitable retracker could be applied to each category for retrieving the oceanic parameters. The algorithm consists of three steps: feature selection, linear discriminant analysis, and Bayesian classifier. The classification algorithm has been applied to the waveforms in the close proximity of Gujarat coast. Independent validation has been done near the eastern coast of India. Confusion matrices obtained for both the coasts are quite encouraging. Individual examples of classification have been provided for the purpose of illustration.     

Fisher判别及自动获取元胞自动机的转换规则

提出一种基于费歇尔(Fisher)判别和离散选择模型相结合来自动获取地理元胞自动机转换规则的方法。CA的核心是如何定义转换规则,但目前主要是采用启发式的方法来定义转换规则,受主观因素影响较大。本模型结合离散选择模型,通过对Fisher判别方法进行改进,可以成功搜索最佳分隔单元发展和不发展的变量组合,自动确定模型参数值。与常用的Logistic回归模型进行对比分析,结果表明,所提出的方法具有更高的模拟精度,转换规则有着清晰的物理意义。此外,本模型在模拟多类复杂的土地利用变化时可能更具有优势。     

基于聚类分析和判别分析的地图用户分类研究

针对地图用户分类缺少量化研究的问题,本文进行了问卷调查。并用二阶聚类和层次聚类确定四类用户样本;采用K-均值聚类方法获取聚类中心坐标,建立用户聚类模型,其方差分析显著;对两个特定用户进行判别分析,说明了该模型的应用方法。该研究对于地图设计个性化匹配及提高地图可用性等具有重要意义。     

广东百顺地区伽马场参数特征及其与铀矿化关系

运用伽马场参数特征与铀矿化关系,结合判别分析系数和伽马频率曲线形态,对百顺地区的牛澜、烟筒岭、百顺硅化断裂带的异常点、带的找矿远景区段作了评价,简述伽马频率曲线形态与矿体空间位置的关系。     

Prediction of blast fragmentation using multivariate analysis procedures

An extensive multivariate analysis procedure for prediction of blast fragmentation distribution is presented. Several blasts performed in various mines and rock formations in the world are brought together and evaluated. Blast design parameters, the modulus of elasticity, in situ block size are considered to perform multivariate analysis. The hierarchical cluster analysis is used to separate the blasts data into different groups of similarity. Group memberships were checked by the discriminant analysis. The multivariate regression analysis was applied to develop prediction equations for the estimation of the mean particle size of muckpiles. Two different prediction equations were developed based on the rock stiffness. Validation of the proposed equations on various mines is presented and the capability of the prediction equations was compared with one of the most applied fragmentation distribution models appearing in the blasting literature. Prediction capability of the proposed models was found to be strong. Diversity of the blasts data used is one of the most important aspects of the developed models. The models are not complex and suitable for practical use at mines. Copyright © 2010 John Wiley & Sons, Ltd.     

青藏高原地区近地表冻融状态判别算法研究

青藏高原地区以其独特的气候水文特征被称为“亚洲水塔”, 这一地区广泛分布的冻土及其冻融过程对地表非绝热加热与水文过程具有重要影响。然而, 恶劣和复杂的地理环境为这一区域的地表冻融过程本地观测和遥感监测均带来极大挑战。本文利用AMSR-2传感器遥感数据开展青藏高原地区的近地表冻融判别算法研究, 包括判别式算法和季节性阈值算法, 并使用4个青藏高原典型地区的土壤温湿度密集观测网数据对算法进行区域适应性优化。研究特别针对季节性阈值算法进行了两点改进: 首先考虑到地表发射率的变化对于冻融相态的转变指示更为直接,故采用6.9 GHz水平(H)极化的准发射率替换季节性阈值算法中的原有冻结因子; 其次使用一种新的数据归一化方法：标准差归一化方法, 用以替代原有的离差归一化方法, 并通过阈值设定对判别精度的影响分析改进后的优势。结果证明, 冻融判别式算法在升轨时期的整体精度最具优势, 其优势在于能够减少夏季地表发射率复杂变化导致的误判, 基于标准差归一化方法的季节性阈值算法在降轨时期的整体精度具有优势。通过对不同典型区域的冻融土辐射特征和判别精度的分析, 发现地表发射率的变幅(初始液态含水量)大小是影响所有冻融判别算法精度的最关键因素。