多重加密格网内插法坐标转换

我国CGCS2000坐标系启用后,各地均面临着大批量、多类型、多坐标系成果数据坐标转换的需求,而国家大地坐标系、地心坐标系及独立坐标系之间的转换参数属于绝密级别,保密要求高,因此给实际应用带来了困难。顾及与参数法坐标转换成果的一致性及数据的安全要求,本文提出了多重加密格网内插坐标转换方法,研制了适用于多种数据格式的二/三维格网坐标转换软件,并将该算法应用于CORS服务,通过实例验证了该方法的可靠性与实用性。     

椭球面上绘制大地线的算法

针对传统二维线划图无法表达大区域地理要素的问题,该文提出了一种在椭球面上绘制大地线的算法。以等间距内插空间直线逼近空间曲线这一思想作为基础,通过Bessel大地主题正、反算及克莱劳方程,实现大地线内插与绘制的综合分析与解算。实验结果表明,该方法较好地解决了在参考椭球面上难以精确绘制大地线的问题,对传统地图向三维椭球面线划图的转换与应用具有一定的参考价值。     

拟合推估新用——新逼近模式

作为拟合推估的新用之一，提出一种带有随机量的新逼近模式，将拟合推估的通行算法，去短取长，藉以推得良好的插值。     

地统计学分析技术及其在气象中的适用性

首先论述了地统计学的一些特点，然后从变异函数和Kriging插值两个方面介绍了地统计学的分析技术，最后讨论了地统计学在气象研究中的适用性。     

基于全局弱式无单元法直流电阻率正演模拟

全局弱式无单元法是在有限单元法基础上发展起来的一种数值模拟方法,它采用局部支持域内的节点信息来构造形函数实现局部精确逼近,摆脱了单元,仅依赖于节点信息,具有预处理简单、模拟精度高、灵活性强的特点,适用于复杂地电条件下直流电阻率正演模拟.本文采用RPIM构造直流电阻率全局弱式无单元法形函数,利用RPIM形函数推导了直流电阻率全局弱式无单元法方程.然后,编制了直流电阻率全局弱式无单元法正演模拟Fortran程序,利用该程序对典型的地电模型进行了正演模拟,并将正演结果与基于线性插值的FEM正演结果及解析解进行对比,结果表明采用RPIM形函数的全局弱式无单元法用于直流电阻率正演模拟的正确性及有效性,且在同等条件下,全局弱式无单元法模拟精度高于矩形剖分的FEM,更有利于指导电法勘探的数据解译;利用该程序对复杂地电模型进行了正演模拟,结果表明全局弱式无单元法对复杂地电模型模拟效果良好,适应性强,灵活性高,可任意加密节点提高模拟精度.

     

Optimal weakening and damping using polynomial control for seismically excited nonlinear structures

This paper presents an approach for the optimal design of a new retrofi t technique called weakening and damping that is valid for civil engineering inelastic structures.An alternative design methodology is developed with respect to the existing ones that is able to determine the locations and the magnitude of weakening and/or softening of structural elements and adding damping while insuring structural stability.An optimal polynomial controller that is a summation of polynomials in nonlinear states is used...     

天文定位中几何精度衰减因子最小值分析

天文定位是一种重要的导航定位方法,被广泛应用于大地天文测量、天文航海等领域。该方法中观测恒星的选择会影响最终的定位精度,目前缺少针对同时测定经纬度天文定位算法中最优选星问题的研究。随着观测仪器自动化水平的提高,观测数据的获取变得更加高效,这就要求研究最优的选星方案以达到最高的定位精度。本文借鉴卫星导航中几何精度衰减因子GDOP的概念,研究了天顶距法中恒星的数量以及分布对定位精度的影响,最后通过仿真试验和实测数据验证得到结论:在天顶距观测误差的统计特性一定时,GDOP能够用来描述恒星的分布对定位结果影响的优劣,且观测的恒星方位角均匀分布时定位误差最小。考虑到不同高度的恒星天顶距大气折射改正残差不同,在实际测量中应尽量采用等天顶距且方位角均匀分布的恒星。     

基于机器学习的稀疏样本下的土壤有机质估算方法

采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则（Minimization of the Mean of the Shortest Distances）抽稀为8种不同采样密度的样本（分别为2703、1352、676、339、169、85、43、22个样本）,分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。     

数字高程模型生成中的高程序同构

通过揭示三维地面严密的高程有序性,揭示并定义了数字高程模型(DEM)生成中的高程序同构特性。在此基础上论证了DEM的高程序同构的必需条件——内插生成过程中与地面的拓扑对应和变换的“高处仍高,低处仍低”的数量特性,并据此论证了在DEM生成中三种主要内插方法的高程序同构特性。     

局部最优形态参数的RBF分块地形插值方法与实验

径向基函数（Radial Basis Function,RBF）是一种不需对数据做任何假设,能准确逼近任意维度数据的空间插值方法。其特别适合于复杂地形的数字高程模型（Digital Elevation Model,DEM）插值重建,但随着已知点数量的增加会导致插值模型求解困难或缓慢。针对这个问题,本文基于二叉树自适应递归分块原理,采用局部最优形态参数的RBF分块插值方法进行DEM插值重建。首先,设定子区域最小点数阈值和相邻子区域的重叠率,自顶向下,对研究区域进行递归分块,构建区域分块二叉树,对二叉树叶子节点区域,采用逐点交叉验证（Leave One Out Cross Validation,LOOCV）方法求解其最优形态参数,建立局部RBF最优插值模型;然后,根据单元分解原理,采用加权平均方法对相应叶子节点区域内的待插值点高程进行加权求和,自底向上递归求解,得到待插值点最终高程值。以云南某地区DEM进行插值实验表明,采用本文方法进行DEM插值重建,稳定性较好,插值精度高。