一种应用协同优化策略的有组织疏散方案

随着城市化建设水平的不断提高,城市结构日趋复杂,给城市应急疏散的设计和实施带来困难和挑战.针对复杂城市道路网络中高密度人群的多出口疏散问题,以疏散时长和拥堵时长为优化目标,提出了一种基于协同优化的有组织疏散方案.首先,对道路网络和疏散人群进行建模;接着,为每个疏散组分配疏散出口和最短路线;然后,针对出口占用不平衡问题,...     

岩土参数概率分布统计意义上的优化分析

通过实验数据的可靠性检验、概率模型有限比较法拟合优度检验和分布参数的推广贝叶斯法估计,来实现岩土参数概率分布在统计意义上的优化分析。     

目标函数聚类法在地下水动态分类中的应用

地下水动态类型的划分是正确认识研究区水文地质条件与地下水开发利用之间关系的一个重要环节。本文论述了目标函数聚类法的原理与计算过程,并应用该方法对某河流附近的１５个观测孔的水位动态进行分类。分析结果表明该方法具有较高的可靠性与较广的适用性。     

空间软数据及其插值方法研究进展

由于对地观测技术的迅速发展,空间数据的种类和数量增长迅猛,由空间数据反演得到的各种信息日趋膨胀,这些反演结果中的信息不少以软数据的形式出现。在实际应用中,这些软数据往往与空间插值的目标变量具有一定的相关性,甚至成为控制目标变量空间分布特征的重要因素。然而,由于这些数据通常表示为非数值形式,在计算和处理上存在着一定困难,以致被传统的插值方法所忽视,从而造成信息浪费。近来出现的空间软插值方法是一种利用空间软数据作为辅助信息并以改善插值效果的方法,能够较好的处理并利用软数据所隐含的信息,具有较好的应用发展前景。本文根据空间软数据的特点及其分类,系统综述了空间软插值方法及其应用领域。首先分析了空间数据软硬性质的根本区别,论述了软数据的分类和“硬化”方法,然后介绍空间插值模型中对空间软数据的集成方法和原理,最后对空间软插值方法及其应用研究领域进行了展望。     

车贝雪夫多项式的约简算法

解释了文献「１」中关于化整后的车贝雪夫多项式约简处理的技术原理,给出了一种可快速实现多项式约简处理的求算方法。     

基于多雷达三维插值格点强冰雹诊断因子的强冰雹识别方法

为解决单部雷达强冰雹识别产品在雷达的探测范围、雷达的静锥区以及与基于格点的近风暴环境因子的融合上存在局限性的问题,本文建立了雷达反射率因子的三维局部空间插值及多部雷达拼图方法;类似于SCIT算法的风暴单体的VIL及SHI等冰雹识别参数的计算,基于多部雷达三维插值拼图数据集,实现了格点VIL、SHI、POH和POSH等算法,建立了基于三维格点的多部雷达强冰雹识别参数因子、风暴数值模拟的近风暴环境因子(0°层及-20°层高度)为识别参数的冰雹识别算法。为确定适合于贵州地区的冰雹识别阈值,使用贵州504个防雹炮点的冰雹观测资料及贵州2005年和2006年8次贵阳、遵义雷达站冰雹个例观测资料,建立了冰雹算法校验数据库;通过对降雹校验数据库的统计分析,建立了适于贵州地区VOD与冻结层高度统计关系式,确立了VIL密度产品的强冰雹判别阈值,并通过对WTSM的调整,改进了原来的POSH算法,在贵州西北部到中部一线的一次强冰雹过程中对强降雹区的识别效果较好。     

卫星遥感反演土壤水分研究综述

土壤水分是影响地表过程的核心变量之一。精准地测量土壤水分及其时空分布,长期以来是定量遥感研究领域的难点问题。简要回顾基于光学、被动微波、主动微波和多传感器联合反演等卫星遥感反演土壤水分的主要反演算法、存在的难点和前沿性研究问题,介绍了应用土壤水分反演算法所形成的3种主要全球土壤水分数据集,包括欧洲气象业务卫星（ERS/MetOp）数据集、高级微波扫描辐射计（AMSR-E）数据集、土壤湿度与海洋盐分卫星（SMOS）数据集,并结合目前存在的问题探讨卫星遥感反演土壤水分研究的发展趋势。     

基于满意度的液体质量双调谐减振器参数优化及应用

为探讨多重液体质量双调谐阻尼器(MTLMD)参数优化算法,引入满意度理论,以满意度水平为目标函数,建立了主结构与MTLMD系统动力放大系数的三参量改进型加权满意度方程.对南京大胜关长江大桥吊杆结构MTLMD系统最优阻尼比及频率比等参数进行优化分析,得出了满意度水平、信心指数及最优参数之间的相互关系.研究结果表明:以满意...     

A New Strategy for Solving a Class of Constrained Nonlinear Optimization Problems Related to Weather and Climate Predictability

There are three common types of predictability problems in weather and climate, which each involve different constrained nonlinear optimization problems: the lower bound of maximum predictable time, the upper bound of maximum prediction error, and the lower bound of maximum allowable initial error and parameter error. Highly efficient algorithms have been developed to solve the second optimization problem. And this optimization problem can be used in realistic models for weather and climate to study the upper bound of the maximum prediction error. Although a filtering strategy has been adopted to solve the other two problems, direct solutions are very time-consuming even for a very simple model, which therefore limits the applicability of these two predictability problems in realistic models. In this paper, a new strategy is designed to solve these problems, involving the use of the existing highly efficient algorithms for the second predictability problem in particular. Furthermore, a series of comparisons between the older filtering strategy and the new method are performed. It is demonstrated that the new strategy not only outputs the same results as the old one, but is also more computationally efficient. This would suggest that it is possible to study the predictability problems associated with these two nonlinear optimization problems in realistic forecast models of weather or climate.