一种由铣刀刃形求螺旋槽形状方法的探讨

根据无瞬心包络原理,用向量法推导一种由已知铣刀刃形求螺旋槽形状的简便计算公式和方法.     

解决太阳横向磁场方向测定中180°不确定性的一个方法

本文提出了一种解决太阳横向磁场方向测定中１８０°不确定性的方法。该方法首先将Ｇａｒｙ等提出的方法定量化，客观地确定每一点的横场方向；然后由独立的Ｈ＿α观测或磁场演化历史，分析和确定磁力线的拓扑联接性，对客观确定的横场方向做经验修正。对活动区的应用表明，该方法是一个可供选择的解决横场方向不确定性的有效方法。     

基于最小二乘支持向量机回归的GPS高程转换模型

探讨了将最小二乘估计引入到支持向量机中,给出最小二乘支持向量机回归(LS-SVR)算法,该算法用等式约束代替传统支持向量机回归中的不等式约束,使得求解过程更为简单。将构建的LS-SVR模型应用到GPS高程转换中,提出该回归模型的实现步骤。实例表明,在有限样本情况下,LS-SVR完全可以达到与传统GPS高程拟合方法相同的精度,但实现起来更简单,而且在泛化性能方面具有理论上的保证。     

单基准线向量解算法在GPS变形监测中的应用

GPS测量目前在三峡库区变形监测应用较为广泛,但常规数据处理中,网平差这一步骤导致了因某点测量误差偏大而导致的整个监测网中其他监测点测量误差偏大,为解决这一问题,介绍了单基线向量解算法,并利用该方法对长屋滑坡2005年3月-2007年3月的监测点数据进行解算,提出了该方法能减少测量误差和内业工作量,并能运用于实际工程。     

Landsat系列影像支持下的凤阳县石英砂矿区土地利用动态监测

利用1991—2015年间Landsat系列遥感影像,基于SVM方法获取凤阳县石英砂矿区土地利用信息,并通过GIS空间分析功能研究矿区土地利用类型的时空变化特征和规律。结果表明:(1)SVM方法对Landsat系列影像分类具有较高精度,且提取效率快,省时省力。(2)25年来,凤阳县石英砂矿区土地利用方式和空间格局发生了显著变化。工矿用地面积增加速度最快,主要由草地和林地转化而来;建筑用地面积持续增加,为侵占耕地、草地和水域所得;水域总面积变化量不大,呈现先减后增的趋势;草地面积急剧减少,净减量最大,主要转化为林地、耕地和工矿用地;耕地和林地面积先增后减,但林地净增加,而耕地被废弃、闲置或被建筑用地扩张占用,流失的耕地多分布在乡镇(村庄)、河流周边。(3)工矿用地和建筑用地面积变化呈正相关增加,对植被和水域的侵占逐年增加,矿区土地系统的质量朝着变差的方向发展。     

红外卫星云图和相关向量机的有眼热带气旋客观定强模型

热带气旋TC(Tropical Cyclone)是全球影响最严重的自然灾害之一。TC强度和路径的准确预报,对于减轻其带来的灾害影响至关重要。本文基于静止红外卫星云图和相关向量机RVM(Relevance Vector Machine)构建有眼TC客观定强模型。首先,利用高斯平滑对红外卫星云图进行去噪;然后,利用基于测地活动轮廓GAC(Geodesic Active Contour)模型的偏微分方程PDE(Partial Differential Equation)法对有眼TC的眼壁进行分割,提取眼壁的亮温梯度信息,计算眼壁亮温梯度的最大值及梯度数据不同概率时的均值,从而构造与TC强度密切相关的特征因子;最后,利用RVM构建单特征因子、多特征因子与近地面最大中心风速的客观定强模型,研究不同特征维度对TC客观定强误差的影响。实验结果表明,在单特征因子的模型定强中,95%概率眼壁亮温梯度均值的定强误差最小,相比利用单特征因子所构建的定强模型,多特征因子的模型定强误差更小,即多特征因子中包含更多与TC强度相关的特征信息。在多特征因子的模型定强中,二特征因子优于三特征因子模型,说明应当合理选择特征因子维数,并非越多越好。本文所用RVM模型具有良好的高维非线性处理能力,能对TC强度进行有效估计。     

基于谱聚类的救援提升车故障诊断方法

针对救援提升车结构复杂、工况故障数据独立性差、故障诊断难的特点,提出一种基于谱聚类的半监督支持向量机救援提升车故障诊断算法。该算法利用谱聚类的思想挖掘原始故障数据的隐藏特征信息,有效区分不同耦合程度的部件系统中故障信息的独立结构特征。首先根据原始输入数据建立故障图谱,然后通过建立拉普拉斯矩阵获取更加符合聚类假设的核函数,最后,建立半监督支持向量机模型,利用梯度下降算法求解最终分类结果。将上述算法应用于XCA30＿JY救援提升车工况故障诊断系统,通过搭建真实仿真环境,对采集到的工况数据进行分类,获取最终分类效果。为评价其性能,分别与传统支持向量机及梯度下降半监督支持向量机进行比较。实验结果表明：提出的算法对于救援提升车故障诊断具有较好的分类效果,救援提升车工况故障分类错误率降低至10.2%,可有效解决复杂工况故障诊断难题。由于本算法具备任意样本空间聚类及非凸函数优化求解能力,因此,除可广泛应用于车载故障诊断系统外,对于数据分类、模式识别等方面具有普遍的应用和指导意义。     

支持向量回归算法在土体含水率AHFO测试中的应用研究

主动加热光纤法(AHFO)可实现土体原位含水率的分布式测量,但受场地复杂环境的影响,现有含水率计算模型解译获得的测试结果容易发生较大误差。本文在试验研究的基础上,探究了土体干密度对AHFO法含水率计算的影响,并将支持向量回归(SVR)算法引入含水率的计算模型中,与传统计算模型进行了对比。研究结果表明：土体干密度是影响含水率计算模型精度的重要因素,干密度波动越大则传统计算模型的计算误差也越大,土体较高含水率下会降低计算模型的敏感性;与传统的含水率计算模型相比,考虑干密度影响的径向基核支持向量回归方法具有更高的计算精度,建议在含水率AHFO法的测试中推广应用。