南水北调中线降水丰枯遭遇风险分析

受降水丰枯变化不确定性和差异性的影响,南水北调中线工程水源区与受水区降水的丰枯遭遇状态各不相同,给南水北调工程水资源调度运行带来风险。联合copula函数和贝叶斯网络理论,建立了南水北调中线工程水源区和受水区降水丰枯遭遇风险分析模型,对南水北调中线工程调水最不利的丰枯遭遇风险概率进行了研究。利用copula函数建立了水源区和受水区年降水量联合分布函数,计算条件概率,结合贝叶斯网络进行丰枯遭遇风险分析。结果表明南水北调中线4个受水区调水风险的概率均在25%以下,并对不同情景的调水风险进行了仿真分析。     

利用限制性最大似然方法和贝叶斯方法估计大菱鲆生长性状的遗传参数。

Bayesian and restricted maximum likelihood(REML) approaches were used to estimate the genetic parameters in a cultured turbot Scophthalmus maximus stock. The data set consisted of harvest body weight from 2 462progenies(17 months old) from 28 families that were produced through artificial insemination using 39 parent fish. An animal model was applied to partition each weight value into a fixed effect, an additive genetic effect, and a residual effect. The average body weight of each family, which was measured at 110 days post-hatching, was considered as a covariate. For Bayesian analysis, heritability and breeding values were estimated using both the posterior mean and mode from the joint posterior conditional distribution. The results revealed that for additive genetic variance, the posterior mean estimate( δ_a~2=9 320) was highest but with the smallest residual variance,REML estimates( δ_a~2=8 088) came second and the posterior mode estimate( δ_a~2=7 849) was lowest. The corresponding three heritability estimates followed the same trend as additive genetic variance and they were all high. The Pearson correlations between each pair of the three estimates of breeding values were all high,particularly that between the posterior mean and REML estimates(0.996 9). These results reveal that the differences between Bayesian and REML methods in terms of estimation of heritability and breeding values were small. This study provides another feasible method of genetic parameter estimation in selective breeding programs of turbot.     

基于GIS与SDM技术的可视化空间数据分类研究

提出将GIS与可视化空间数据挖掘技术之集成的基本框架。在此基础上,基于VisualC++6.0和Ma-pObject2.0组件技术设计和开发了一个可视化交互空间数据挖掘分类系统,系统采用决策树方法和贝叶斯网络作为数据挖掘方法的基本算法,采用训练与学习相结合实现空间数据的分类。文中用实例数据对系统性能、算法和规则有效性进行了验证。结果表明,该系统是一个适用的、可扩展的可视化交互空间数据挖掘工具,系统能够实现数据挖掘实时动态的交互控制,实现了数据挖掘过程的可视化、挖掘模型的可视化和结果的可视化显示、可视化思考、可视化分析与评价。     

基于自适应核密度的贝叶斯概率模型岩性识别方法研究

准确地刻画岩石类型及其结构关系可以为能源矿产勘探、深部结构与构造等研究提供重要信息.目前利用地球物理技术可以通过不同岩石对应的物性参数(如密度、磁化率、电阻率、速度等)之间的差异进行岩性识别,但是不同岩石物性往往存在一定程度的重合,利用单一物性进行岩性识别的结果不够准确,因此利用多源数据进行岩性识别具有重要的意义.贝叶斯方法属于统计分类方法,依靠概率进行分类,概率密度的计算依靠样本属性之间的相互联系.基于此,我们将基于自适应核密度估计的贝叶斯概率模型引入到岩性识别中.该方法对于多类不同物性参数具有良好的适应能力,预测的岩性分类结果带有概率参数,可以存在模糊区间,提供多种岩性分类结果.该方法具有较强可扩展性,可以同时处理参数和非参数信息,使得已知地质信息以及物性参数得到最大化的利用.实验证明该方法的岩性识别结果较好,相比于传统高斯算法和固定带宽核密度估计,自适应带宽的核密度估计获得的分类结果更稳定、更准确.     

误差受控的多细节层次地形模型的实现

基于视点的细节层次模型对于提高三维GIS中地形模型的漫游速度以及减少地形模型的数据量具有重要的作用。为了提高地形模型的漫游速度,开发与视点相关的细节层次模型的数据结构和算法,推导细节层次模型的误差计算公式,建立误差受控的细节层次模型,同时缝合漫游时细节层次模型中的缝隙现象。试验结果表明,误差受控的细节层次地形模型对于减少三维漫游过程中几何数据的装载量和提高漫游速度具有明显的效果。     

基于标点随机过程的遥感影像道路提取

在分析贝叶斯方法用于遥感影像目标提取技术的基础上,基于标点随机过程方法,利用线状地物的整体几何约束和地物之间的空间结构及相关关系对目标构建数学模型,提取线状地物,并以道路网的自动提取为例,详细阐述了此算法。     

基于贝叶斯网络分类的遥感影像变化检测

遥感成像过程中,地面、大气等诸多要素的不确定性和波段之间的相关性等原因影响了分类精度,导致变化检测的不准确性。为了提高分类精度往往需要引入先验知识。贝叶斯网络是一种新的数据表达和推理模型,对数据没有严格的正态分布前提要求,通过动态地调整先验概率密度,能有效提高分类精度。以北京通州地区1996-05-29和2001-05-19两个时相的陆地卫星Landsat TM遥感影像为例,介绍了基于贝叶斯网络的分类算法,并在此基础上实现了两个时相遥感影像的变化检测。实验结果表明:基于贝叶斯网络分类算法的后分类比较变化检测方法是遥感影像变化检测的一种新的有效方法。     

基于回归支持向量机的水库防洪承载力预测模型研究

防洪承载力,即水库目前剩余防洪库容条件下,不泄洪所能容纳的流域面降雨量.根据水量平衡原理分析概化出防洪承载力的预报因子为当前土壤含水量,当前入库流量以及水库剩余库容.利用2010-2020年青山水库55场历史洪水建立基于回归支持向量机的防洪承载力预测模型,利用贝叶斯优化进行超参数率定,通过分析预测值确定回归支持向量机核...     

改进的贝叶斯迭代反演方法及其在白云岩致密储层识别的应用

由于低孔隙度和低渗透率的白云岩致密油储集层的纵波阻抗与其围岩差异非常小,利用叠后反演技术难以有效预测储层,而可以提取丰富弹性信息的叠前反演是解决此问题的有效手段,但是由于噪声等问题,叠前反演方程有较强的不适定性,笔者在贝叶斯框架下引入了改进的多变量柯西分布和改进的低频约束因子,重新推导了反演方程,获得了新的目标函数,有效地减少了反演的不适定性,从而提高了反演的稳定性,并结合迭代的思想来不断更新反演求解过程中的背景纵横波速度比值,从而增加了反演结果的精度。模型数据测试和实际资料应用都证明了该方法的稳定性和适用性。统计表明,利用提出的反演方法,目的层段内优质储层厚度预测吻合率高达89.75%。因此,此方法对类似硅质致密储层的勘探有重要的借鉴意义。     

基于BPSO-NBayes的雷暴释用预报技术研究

提出了一种新的雷暴预报法,即二进制粒子群-朴素贝叶斯分类器(Binary Particle Swarm Optimization-Naive Bayesian Classifiers,BPSO-NBayes)方法,以福州、连城、宁波3站为例,对使用T511数值预报产品站点的雷暴释用预报技术进行研究。利用2010—2014年T511数值预报产品和单站观测资料,使用BPSO-NBayes方法,建立了0~72 h雷暴预报模型,并与Fisher判别准则和Bayes判别准则进行比较。预报结果表明,BPSO-NBayes模型临界成功指数都在0.29以上,平均值达到0.33以上,是3种方法中最好的,空报率都在0.59以下,漏报率在0.60以下,而且变化幅度很小。BPSO-NBayes模型明显优于Fisher判别准则和Bayes判别准则,具有良好的稳定性和预报能力。