高程异常拟合病态EIV模型的广义岭估计算法

应用法方程矩阵的特征向量构造正则化矩阵,改进通过单一参数既要实现降正则化、又要实现正则化的高程异常拟合病态模型算法。以二次多项式拟合模型为例,应用实测数据对算法进行验证,并与现有病态模型的正则化算法进行比较。     

基于Extrapolation Tikhonov正则化算法的重力数据三维约束反演

通过研究重力数据三维反演解的病态性,利用基于拉格朗日插值方法的Extrapolation Tikhonov正则化方法来解决反演中解的不唯一性和不稳定性问题,该方法最大限度的减少了因正则化参数的引入而在反演结果中介入的误差,同时详细讨论了基于三种选择原则的正则化双参数的具体选择方法,模型试算结果表明,与原Tikhonov方法相比,该方法提高了反演的拟合精度.其次,为了消除核函数随深度增加而快速衰减对反演结果的影响,本文改进了前人的重力数据三维反演深度加权函数,改进后的加权函数与原函数相比能更好的识别异常体底部密度分布特征,对于埋深较深的异常体具有较好的识别效果,更好的解决了由近地面趋肤效应作用引起的密度分布不均的问题.同时,利用上下限约束函数限制每一个立方体的密度差范围,并应用于多组人工合成模型.结果表明:该反演方法能准确地获得正演模型的预设参数范围和位置.     

基于曲波变换的大地电磁二维稀疏正则化反演

为了提高二维大地电磁反演对异常体边界的刻画能力, 我们引入曲波变换建立一种新的稀疏正则化反演方法.与传统的在空间域中对模型电阻率参数求解的方式不同, 我们借助曲波变换将二维电阻率模型转换为曲波系数, 并采用L1范数约束以保证系数的稀疏性.曲波变换是一种多尺度分析方法, 其系数分为粗尺度系数和精细尺度系数, 粗尺度的系数代表电阻率模型的整体概貌, 而精细尺度中较大系数代表目标体的边缘细节.此外, 曲波变换的窗函数满足各向异性尺度关系, 并具有多方向性, 因此曲波变换可以近似最佳地提取目标体的边缘特征信息, 这为我们在反演中恢复边界提供有利条件.通过对大地电磁的理论模型合成数据和实测数据反演, 验证了基于曲波变换稀疏正则化反演对异常体边界的刻画能力优于常规的L2范数和L1范数反演方法.

     

基于LAMBDA和DC算法的GPS单历元整周模糊度的快速确定

仅利用LAMBDA方法求解GPS单历元整周模糊度成功率不高,并且当接收卫星数较多时搜索空间较大。为此,采用TIKHONOV正则化方法削弱单历元模型法方程的病态性,并且基于协方差矩阵选择部分宽巷模糊度,先采用LAMBDA方法进行搜索,再利用高解算效率的DC算法解算剩余宽巷模糊度,最后通过两组不同线性组合的逆变换直接求取原始观测值L1和L2的整周模糊度。实验和计算表明,方法显著提高整周模糊度的搜索效率,并且提高模糊度搜索成功率。     

A wavelet-neural network hybrid modelling approach for estimating and predicting river monthly flows

Abstract

A wavelet-neural network (WNN) hybrid modelling approach for monthly river flow estimation and prediction is developed. This approach integrates discrete wavelet multi-resolution decomposition and a back-propagation (BP) feed-forward multilayer perceptron (FFML) artificial neural network (ANN). The Levenberg-Marquardt (LM) algorithm and the Bayesian regularization (BR) algorithm were employed to perform the network modelling. Monthly flow data from three gauges in the Weihe River in China were used for network training and testing for 48-month-ahead prediction. The comparison of results of the WNN hybrid model with those of the single ANN model show that the former is able to significantly increase the prediction accuracy.

Editor D. Koutsoyiannis; Associate editor H. Aksoy

Citation Wei, S., Yang, H., Song, J.X., Abbaspour, K., and Xu, Z.X., 2013. A wavelet-neural network hybrid modelling approach for estimating and predicting river monthly flows. Hydrological Sciences Journal, 58 (2), 374–389.     

一种改进的高精度地图自动配准方法

针对不同时刻或不同设备采集的高精度地图数据融合的问题,提出了一种利用正则化的局部加权薄板样条算法,实现高精度地图的自动化配准。利用K-D树搜索局部邻域控制点,生成正则化的局部薄板样条变换场,并利用局部加权的方式进行配准变换。试验结果表明,本文算法优于传统线性最小二乘算法,具有较好的配准效果。     

基于调和模型的连续Hopfield神经网络次优图像复原

本文提出了一种基于调和模型的连续Hopfield神经网络正则化次优图像复原算法。针对传统正则化图像复原由于"模糊矩阵"和"高通滤波器"规模庞大而带来的复原过程中占用存储资源多的问题,提出了一种基于部分图像信息的次优复原算法,该算法能在性能下降不大的前提下,较好地解决传统复原资源消耗问题。同时算法采用由梯度算子生成的调和模型作为正则项,能在复原的同时保留图像边缘。仿真结果表明了算法的有效性。     

均方误差意义下正则化解优于最小二乘解的条件

利用矩阵理论导出了均方误差意义下正则化解优于最小二乘解的条件,构造了相应的检验统计量,推导出的条件式及其相应的假设检验适合于各种正则化矩阵类型的Tikhonov正则化方法。     

波阻抗约束反演的几种方法

介绍三种理论与实际效果比较好的波阻抗反演方法,即宽带约束反演(BCI)、快速模拟退火算法(FSA)和正则化方法.BCI是一种线性迭代方法,FSA是一种具有全局寻优特点的随机搜索方法,正则化方法是通过对目标函数施加先验约束,来解决反演的病态问题--多解性和不稳定性.最后,使用正则化方法并结合快速模拟退火算法,进行了理论模型试算和实际资料处理,实用效果比较好.     

水平层状介质中双侧向测井资料的迭代Tikhonov正则化反演

根据非线性反演理论与Morozov偏差原理研究建立从双侧向测井(DLL)资料中同时重构地层原状电阻率、侵入带电阻率、侵入半径、层界面位置以及井眼泥浆电阻率的迭代正则化算法.首先利用Tikhonov正则化反演理论将双侧向测井资料的反演问题转化为含有稳定泛函的非线性目标函数的极小化问题,并利用Gauss-Newton算法确定极小化解.为得到稳定的反演结果并有效实现测井资料的最佳拟合,在迭代过程中将Morozov偏差原理和Cholesky分解技术相结合,建立了一套后验选择正则化因子的方法.最后通过理论模型和大庆油田实际测井资料的处理结果,验证了该算法能够取得更为满意的反演效果.