小波去噪的广西加权平均温度插值研究

针对广西地区探空站稀少,难以获得精确的T_m问题,GGOS atmosphere提供了利用ECMWF的相关资料计算而得到的时间分辨率为6h(UTC 00:00:00,06:00:00,12:00:00,18:00:00)、空间分辨率为2.5°×2°的全球T_m格网数据可以在没有气象数据的情况下获得较高时空分辨率的T_m,该文利用GGOS atmosphere T_m格网数据对广西地区4个探空站插值T_m,并用无线电探空数据计算的T_m检验其精度;对误差进行分析后,选取最优小波基与尺度对其残差去噪,利用去噪后得到的曲线建立T_m的改正模型。实验结果表明,插值T_m经基于小波去噪的模型改正后,其RMSE为1.29K;Bevis模型的RMSE为10.71K;GPT2_1W模型的RMSE为3.56K;改正模型精度优于传统模型,可以达到地基GPS反演GNSS-PWV的精度要求。     

GPS高层建筑物动态特性的小波分析提取

针对高层建筑物GPS动态监测数据特点,该文将小波分析技术应用于高层建筑物动态特性提取,研究了数据处理时4种阈值选取准则的好坏,针对观测数据不同阶段振幅和频率不同,提出分段、分层处理数据的思想,为了获得更全面的观测信号,将小波包分析应用于数据处理。结果表明:自适应阈值准则更适用于高层建筑物动态数据处理,采用分段分层的处理方法,既能满足去噪要求又能提取丰富的变形信息,小波包分析能有效提取高层建筑物动态特性,保留更多的动态信息。     

基于小波变换与ARMA模型的建筑物沉降预报

对建筑物进行沉降监测并预报其变化趋势,能有效保障建筑物的安全性。本文提出一种基于小波变换的ARMA模型用于建筑物沉降预报。利用小波多尺度分析将沉降监测数据分解为高频信号和低频信号,并分别采用ARMA模型进行预测,然后将各序列预测结果进行合成,得到最终预测结果。并以青岛市某高层建筑物监测数据为例,分别采用传统ARMA模型以及基于小波变换的ARMA模型进行预报对比分析,结果表明基于小波变换的ARMA模型取得了较高的预报精度。     

基于改进等维信息灰色模型的高铁隧道沉降预测研究

等维信息灰色模型是对传统灰色模型的改进,但其模型背景值仍设定为0.5,为了使模型的预测性能得到提高,本文提出了基于粒子群PSO算法的等维信息灰色模型来优化模型的背景值,以消除灰色模型本身固有的偏差。根据已有的高铁隧道沉降监测数据,对其进行小波去噪处理,再分别建立传统GM(1,1)模型、等维信息GM(1,1)模型和PSO-等维信息GM(1,1)模型进行拟合预测,并与原始数据进行对比。预测结果表明,改进后的等维信息GM(1,1)模型的预测精度更高。     

基于扫描电镜图像和微观渗流模型的云冈石窟砂岩风化特征分析

风化作用、岩石微观结构、岩石微观渗流特性定量关系的研究是石窟文物有效保护的重要基础,砂岩风化作用严重影响了岩体上石窟文物的有效保护。本次研究使用扫描电镜（SEM）获得云冈石窟不同窟体砂岩的微观图像,根据图像增强和图像分割技术得到了岩石中颗粒和孔隙的数字特征参数,从微观角度建立了反映孔喉连接特性的渗流模型,得到了不同窟体岩石的局部水力传导系数,分析了数字特征参数、水力传导系数、风化作用之间的关系。结果表明,风化作用对石窟砂岩微观结构具有很大影响;砂岩孔隙平均长轴长度大小对应的风化程度分别是全风化或强风化、中等风化、微风化或未风化,长度分别为大于40 μm、25～35 μm、15～25 μm;风化程度越高、水力传导系数越大,随着风化程度的增高、水力传导系数的范围为1 × 10?9～1 × 10?4 cm/s;水力传导系数与孔喉尺寸、孔喉连通性密切相关;孔喉半径比增大时、水力传导系数也增大。     

基于双波段图像的玉米长势自动观测技术研究

基于双波段图像的玉米长势自动观测方法研究     

西藏雅江中西段流域夏季降水量变化特征

利用西藏雅鲁藏布江流域6个代表站降水资料,研究了雅江流域近53年的夏季降水量变化特征。主要结论包括:1963~2014年雅江流域6个站各站年平均降水量在286.2~447.9mm,夏季(6~8月)平均降水量在221.4~355.4mm,占年降水量的71%~85.5%。年最大降水量出现在拉萨,其次是日喀则和泽当,位于雅江偏西段的定日和江孜降水量最少;夏季降水量空间分布特征与年降水量的分布特征基本一致。雅江流域年降水量存在显著的年际和年代际变化特征,降水总量呈增多趋势。夏季降水量对年总降水量的贡献最大,占年降水总量的77%。夏季(6~8月)降水量变化与年降水量的变化趋势一致,即总体呈增多趋势。拉萨、定日、日喀则、浪卡子夏季降水量的变化趋势与雅江流域整体趋势特征一致,其中拉萨最明显,而泽当和江孜降水量呈减少趋势。雅江流域夏季降水量在1998年出现了明显突变,21世纪以来的十几年内存在短时间的突变现象。雅江流域夏季降水量主要存在2~4a和7~8a的变化周期。      

CINRAD-SA双偏振雷达资料在降水估测中的应用初探

对基于水平反射率ZH和差分传播相移率K_(DP)的降水估测综合法R(C)进行了改进,并对广州S波段双偏振雷达2016年2次飑线和2次台风降水过程的Φ_(DP)使用小波分析进行滤波处理,在此基础上使用变距最小二乘法拟合得到K_(DP)的值。分别使用R(C)和R(Z_H)法对2次飑线和2次台风降水过程进行降水估算,将估算结果和雨量计小时雨量进行了对比,并将两种方法的评估结果进行了对比。结果表明:(1)对于飑线类型降水,R(C)法对5 mm·h~(-1)以上的降水估测精度要好于R(Z_H)法,且降水率越大,R(C)法优势越明显,当降水率≥20 mm·h~(-1)时,两次过程R(C)法比R(Z_H)法的平均相对误差(RE)降低了17. 2%,平均绝对误差(AE)减少了1.89 mm,平均均方根误差(RMSE)减少了1.66 mm;(2)对于台风类型降水,R(C)法对5 mm·h~(-1)以上的降水估测精度也好于R(Z_H)法,当降水率≥20 mm·h~(-1)时,两次过程R(C)法比R(Z_H)法的平均RE降低了33. 19%,平均AE减少了3. 95 mm,平均RMSE减少了4.05 mm;(3)对于飑线和台风两种类型降水R(C)法都明显改善了降水率较大时的R(Z_H)法低估问题,但R(C)法在降水率10 mm·h~(-1)时也存在低估,可能是由雨滴谱资料观测误差导致拟合的系数偏小或雷达硬件造成的观测偏差等造成的。     

基于小波长短期记忆网络的风电功率超短期概率预测

随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆（LSTM）网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理,再建立各子序列样本的LSTM网络预测模型,借助最大似然估计法估计预测误差的高斯分布函数,最终实现对未来4 h时刻的风电功率概率区间预测.最后,采用中国东北某风电场数据对所提方法进行算例分析,结果表明,将小波分解与深度学习方法结合可以较好地提高预测的精度,提高概率预测的区间可靠性.     

基于小波分析的场地波速测量方法

在场地波速测量中,由于噪声等因素的影响很难准确识别P、S波的初至时刻,致使波速结果存在很大的误差。本文给出了一种基于小波变换的波速测量的新方法。该方法利用波动信号的小波变换与弹性波群速度的关系准确识别弹性波初至时刻。弹性波小波变换的峰值时刻代表着以群速度传播的弹性波的初至时刻,使P波、S波的初至时刻的确定具有明确的物理意义,波速的结果准确、可靠、稳定。此外,波动信号的小波多尺度分析还可以确定地层中传播的弹性波的频散特性。最后,该方法在场地波速测量的实测信号的应用表明该方法可准确确定P、S波速。