相机与激光跟踪仪相对位姿标定方法的研究

在空间目标的六自由度精密测量中,激光跟踪仪测量技术与视觉测量技术的联合应用越来越多,为解决相机坐标系与激光跟踪仪位姿模型的标定问题,研究一种利用罗德里格矩阵标定相机坐标系与激光跟踪仪坐标系相对位姿的方法。首先,分别用激光跟踪仪与相机测量出公共靶点坐标和拍摄含有靶点的照片,再用标志中心提取算法和单张相片空间后方交会算法解算出靶点在相机坐标系下坐标,最后利用罗德里格矩阵进行坐标系转换,即可标定出相对位姿。实验结果表明:标定模型X轴平均误差和均方根误差分别为0.005 7mm和0.006 2mm;Y轴平均误差和均方根误差分别为0.003 2mm和0.003 5mm;模型的标定精度和稳定可靠程度基本满足测量需要。     

相空间相似预报的一种新方法

本文针对相空间相似预报方法应用过程中存在需要同时确定时滞和维数的困难,引入历史预报准确率最高原则,提出了一种相空间相似预报的新方法。应用昆明站近百年（1901年～1992年）逐月雨量和气温时间序列对该方法进行了检验。计算结果表明此方法是可行的。     

基于混沌时间序列的地下水位多步预测模型

利用相空间重构技术，并借助G—P算法、C-C方法和Wolf方法从宁陵地区地下水位一维时间序列中提取Lyapunov指数，结果表明此时间序列具有混沌特征。计算了宁陵地区地下水位时间序列的关联维数、时间延迟和最大Lyapunov指数，将局域加权一阶多步预测模型应用于地下水位预测。预测表明，此模型可有效应用于地下水位时间序列的多步预测。     

相空间中划分大尺度异常雨型的初步研究

文中针对以往雨型研究中的不足 ,从动力学角度将相空间引入到大尺度异常雨型的划分 ,通过估计EOF相平面上的概率密度函数、并确定局部极大值区域来划分主要雨型。分析表明 ,新雨型不仅再现了传统的 3类雨型特征 ,还得到了其他分型 ,并且能够反映出异常降水分布的季节内低频变化 ;分别采用 10和 2 0d低通滤波数据划分的雨型形态比较接近 ,但其种类、持续性和季节内分布等特征存在一定差异 ;雨型的气候分布与季风雨带有一定对应关系 ,其形成与夏季风异常关系密切。通过对简单直观的二维相平面问题的探讨 ,不仅证实了在相空间中划分大尺度雨型的可行性 ,也为进一步在高维空间中讨论雨型问题提供了依据。     

冷迳流的稳定性及其解析解的分析

本文利用相法讨论了y方向无限伸延的冷迳流方程.首先发现其非线性项作用由于z方向上的补偿作用而消失,即其相空间的方程是四阶线性常微分方程.利用Hurwitz方法分析其稳定时,证明了唯有中性大气符合冷迳流的稳定性条件.其解析解的趋势表明与观测结果类似.     

相空间反演方法在表层水温预报中的应用

利用相空间理论及方法对渤、黄、东海共4个站位近十几年的旬平均SST进行分析。结果表明：表层水温具有混饨特性，其吸引子关联维数平均约为1．23、嵌入相空间维数为6（渤、黄海）和7（东海178号站位）、二阶Renyi熵平均约为3．7×10-4（1／d）及平均可预报时间尺度平均为27个点；基于以上分析结果运用相空间反演方法建立了旬平均SST的反演模型，并且在试预报的前5旬的最大相对误差约为4．2％。     

第四纪古气候变化非线性动力学初步研究——黄土粒度曲线的奇异谱分析

作者将奇异谱分析(SSA)引入第四纪古气候变化研究中,收到了较好的效果。奇异谱分析是一种新的时间序列分析工具,它可形成一个单边(向前)滤波器,将原时间序列有效地分解成各个主成分,其滤波系数完全由数据本身决定。由奇异谱分析确定的统计维,给出动力维上界的估计,为非线性动力学研究打下基础。分析表明,在整个第四纪,宝鸡黄土粒度曲线的统计维为19,与深海钻孔V28-239氧同位素分析结果(=18)十分接近;各主成分在地球轨道几何参数各成分中大都能找到对应关系,但均不是线性响应关系;与偏心率、地轴倾斜度和岁差有关的成分分别占46、43和6％左右;其中第一主成分还揭示出与偏心率约0.4Ma周期对应的振荡仅在2.5—1.7和0.7—0.3Ma B.P.出现。     

基于PSR-WSVM模型的边坡位移预测

为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。     

基于相空间重构与支持向量机预测滑坡位移的一种新方法

提出了一种基于相空间重构与支持向量机预测滑坡位移的新方法。首先,以滑坡位移时间序列的混沌特性为基础,对其应用互信息法计算最优时间延迟;然后,利用小波变换对滑坡位移序列数据进行频域分解,应用Cao氏方法对分解后的每个分量序列分别计算其最佳嵌入维数,在此基础上,对各个分量序列进行相空间重构,利用支持向量机对每个分量单独进行建模预测;最后,将各分量预测结果进行小波重构,得到最终预测结果。实例证明,该方法可以在滑坡位移预测中获得有效的应用。     

基于Lyapunov指数与神经网络融合的预测模型研究

提出一种基于最大Lyapunov指数法和神经网络融合的预测模型,该模型(Lya-BP)吸取了最大Lyapunov指数预测的优点,同时能够改善对于数据样本不够大时,最大Lyapunov指数预测精度不高的缺点.实例研究表明,Lya-BP模型大大提高了小数据量下Lyapunov指数法预测的精度,与单一的Lyapunov指数预测相比,更具可靠性,应用更为广泛,具有较大的实用价值.