一种盾构施工引起的地面沉降预测方法

针对盾构施工引起的地面沉降的影响因素众多、关系错综复杂,常规数学模型难以准确预测沉降量的问题,该文提出了采用主成分分析法和粒子群优化的支持向量机方法来建立预测模型。并结合工程实例将预测结果与常用的多元线性回归模型和基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做了比较。结果表明:PCA-PSO-SVM的预测结果精度较多元线性回归模型和LM-BP神经网络有很大的提高,证明了该研究方法具有一定的理论意义和参考价值。     

从气象学看我国春季六节气

二十四节气是根据一年中太阳在天球黄道圆上位置划分出来的24段等长时间的总称。每段15度,各相应约15天。二十四节气的名称是:立春,雨水,惊蛰,春分,清明,谷雨,立夏,小满,芒种,夏至,小暑,大暑,立秋,处暑,白露,秋分,寒露,霜降,立冬,小雪,大雪,冬至,小寒,大寒。     

太行山东麓一次低槽冷锋降水云系云物理结构和作业条件的飞机观测研究

2017年5月22日河北省出现一次低槽冷锋降水过程,河北省人工影响天气办公室利用机载粒子测量系统在太行山东麓区域对积层混合云进行了5次垂直探测。依据这些飞机探测资料结合石家庄天气雷达和邢台皇寺观测站的Ka波段云雷达资料分析了积层混合云的微物理结构和增雨作业条件。结果表明,降水云系出现在低槽槽前西南气流中,积层混合云由冷、暖云组成,云厚大于5 km,暖云厚度大于2 km,冷云厚度大于3 km,0℃层高度位于3577～4004 m,云底温度为15. 4℃,云顶温度为-17℃。云内出现最强雷达回波达45 d BZ的对流雨核,人工增雨作业应在雷达回波强度不超过40d BZ,且4000 m以上雷达回波强度不超过30 d BZ积层混合云区实施增雨作业。嵌入对流核的积层混合云中,5000 m以上冷云中上层过冷水含量达0. 2 g·m-3,比稳定的层状云中过冷水含量提高2～4倍;丰富的过冷水从雨核发展初期维持到雨核发展盛期,且该高度层是冰晶重要增长区,温度在-15～-5℃之间,适合催化作业。     

基于粒子群算法优化SVM的GPS高程拟合方法

采用支撑向量机(Support Vector Machine,SVM)模型进行GPS高程拟合时,拟合精度受模型参数(核参数和惩罚因子)选择影响较大,传统交叉验证法存在计算复杂,易陷入局部最优的问题.本文将粒子群(Particle Swarm Optimization,PSO)算法引入SVM模型,利用PSO全局搜索能力强...     

双线偏振雷达判别降水粒子类型技术及其检验

在综合分析国内外降水粒子相态识别方法的基础上,结合我国双线偏振雷达的应用需求,建立了一套利用双线偏振雷达探测资料识别降水粒子类型的识别模式,并根据美国KOUN雷达观测资料对该模式进行了分析验证,同时检验了模式中的几个偏振参数:差分反射率因子ZDR、差传播相移KDP、水平偏振和垂直偏振回波功率零滞后互相关系数ρHV(0)对不同降水粒子的识别效果。通过分析认为:利用该识别模式得到的结果基本合理,可以反映降水区域内降水粒子的相态结构,但还需要对资料作进一步的研究。同时在识别各类降水粒子方面,ZDR的效果要高于KDP和ρHV(0),在缺乏相关资料的情况下可以考虑用ZH和ZDR配对识别的结果作为真实的结果。     

粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法．该方法先通过经验模态分解（EMD）将初始信号分解成6个本征模态函数（IMF）及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型．将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型．该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型...     

欧洲球载太阳望远镜SUNRISE及相关研究成果简介

利用发射到平流层的球载太阳望远镜来观测太阳磁场演化和监视太阳活动有着得天独厚的优势.首先,在平流层中,球载太阳望远镜对太阳的观测不受来自地球对流层大气中天气现象的干扰,处于无视宁度影响的环境中,这为获取高质量的太阳图像提供了优越的条件.其次,平流层的空气已经十分稀薄,对紫外线的吸收也大大减弱,球载太阳望远镜能够在近紫外...     

Parsivel(R)激光降水粒子谱仪及其在气象领域的应用

降水粒子特性是大气运动和云内微物理过程的综合结果,在云降水物理及人工影响天气领域有着重要的意义.传统的测量方法不适合对大量数据分析寻找规律,德国OTT公司的Parsivel(R)激光降水粒子谱测量系统可以较好解决自动测量难题.该仪器是以激光测量为基础的粒子测量传感器,采用平行激光束和光电管阵列结合,当有降水粒子穿越采样空间时,自动记录遮挡物的宽度,通过穿越时间计算降水粒子的尺度和速度,根据各种参数的综合信息对降水粒子进行分类,并能够以数字形式显示瞬时降水强度、降水粒子总数、累积降水量、降水时的能见度和雷达反射因子,以图形方式显示降水粒子尺度谱、速度谱、降水粒子分类且自动生成天气现象代码,实现天气现象的自动识别.激光降水粒子谱仪主要用于气象水文观测.在雷达气象学领域可用于Z/R关系的拟合修正,比传统的用雨量筒观测数据拟合效果好得多;由降水粒子谱仪测量雨滴的降落速度,可以对天气雷达垂直向上测量的粒子径向速度谱进行校正.人工影响天气的效果检验一直是一个难题,自然降水粒子谱分布形式与人工催化以后的降水粒子谱型理论上应当具有较大的差别,人工增雨作业降水滴谱变化物理响应和降水强度时间变化响应都有明显的区别.如果能够实时检测到这些差别,就能够充分说明人工催化的有效性.未来如果能够进行联网观测记录区域性降水、降雹,就有充分证据表明人影作业的有效性,在定量化作业效果评估以及灾害损失评估等方面应用潜力巨大.利用该仪器已经对一年的自然降水过程进行了连续观测,并将所获得的降水粒子谱、雨滴浓度值随时间变化状况与卫星反演的云顶有效粒子半径时间变化趋势进行了对比,发现有较好的一致性.     

几种非线性滤波算法的性能比较与分析

在非线性状态估计中,传统的扩展卡尔曼滤波通过线性化来实现高斯近似,由于截断误差的存在很难保证估计精度;而基本粒子滤波容易出现粒子退化,导致滤波发散。针对粒子滤波的两个基本假设：蒙特卡罗假设和重要采样假设,采用蒙特卡罗随机链的方法来提高粒子的多样性,并利用无味卡尔曼滤波来产生更高精度的替代分布,发展了无味粒子滤波。通过仿真实验证明,相比较扩展卡尔曼滤波和基本粒子滤波,改进后的无味粒子滤波算法性能更优越,对含有非线性非高斯的状态估计问题有更好的滤波效果。