同步N-策略多重休假的M/M/C/WV排队

考虑同步N-策略多重休假和工作休假M/M/c排队,简记为M/M/c（N-WV）。在休假期间,服务员并未完全停止工作而是以较低的速率为顾客服务。用拟生灭过程与矩阵几何解方法,给出了系统稳态队长和稳态条件等待时间的分布。此外,也得到了队长和等待时间的条件随机分解结构及附加队长和附加延迟的分布。     

函数模型与随机模型双约束的GPS-InSAR数据融合方法建立三维形变场

针对InSAR技术研究地表三维形变时监测信息不足的问题,以GPS监测信息为先验信息,建立附有随机模型约束的地表三维形变模型。考虑到SAR卫星极轨方式运行导致LOS向观测量对南北向形变不敏感的问题,以GPS南北向形变观测值作为强约束,构建三维形变解算的函数约束条件。模拟数据与西安地区实测数据的计算结果表明,基于随机模型与函数模型共同约束的地表三维形变参数最小二乘解的精度优于仅有函数模型约束或仅有随机模型约束及无任何约束的参数解精度。     

用随机有限断层方法模拟2016-11-13新西兰Mw7.8地震

在未来大地震发震构造已知的前提下,提出用经验公式确定大地震断层长度、宽度、地震矩和滑动分布等参数,并用随机有限断层方法预测未来大地震。用随机有限断层方法模拟2016-11-13新西兰M_W7.8地震的12个基岩台站地震动时程和反应谱,并用模拟的频谱幅值与记录频谱幅值平均比值确定模拟误差。结果表明,在周期为0~10 s的范围内,模拟误差在0.92~1.08之间,不同频率模拟误差的标准差变化范围不超过1。95%的置信区间宽度随频率无明显变化,模拟结果反映了地震动记录的平均效果。用准随机方法重新获取新西兰大地震断层初始破裂点和位错滑动分布,模拟地震动并计算模拟误差随频率的变化,得到与最初模型相似的结论,从而进一步证实了本文提出的获取震源参数并用随机有限断层方法预测未来大地震的可靠性,且其特别适用于大地震远场模拟。     

中国碳强度关键影响因子的机器学习识别及其演进

碳强度影响因子数量众多,通过在众多因子中评估其重要性以识别出关键影响因子进而解析碳强度关键因子的变化规律,是中国2030年碳强度能否实现比2005年下降60%~65%目标的科学基础。传统的回归分析方法对于评估众多因子的重要性存在多重共线性等问题,而机器学习处理海量数据则具有较好的稳健性等优点。本文从能源结构、产业结构、技术进步和居民消费等方面选取了56个中国碳强度影响因子指标,采用随机森林算法基于信息熵评估了1980-2014年逐年各项因子的重要性,通过指标数量与信息熵的对应关系统一筛选出每年重要性最大的前22个指标作为相应年度关键影响因子,最终依据关键影响因子的变化趋势划分了3个阶段作了演进分析。结果发现：1980-1991年,碳强度的关键因子主要以高耗能产业规模及占比、化石能源占比和技术进步为主;1992-2007年,中国经济进入快车道增长时期,服务业占比和化石能源价格对碳强度的影响作用开始显现,居民传统消费的影响作用在增大;2008年全球金融危机后,中国进入经济结构深化调整时期,节能减排力度大大增强,新能源占比和居民新兴消费的影响作用迅速显现。为实现2030年碳强度下降60%~65%目标,优化能源结构和产业结构,促进技术进步,提倡绿色消费,强化政策调控是未来需要采取的主要措施。     

中国城市网络关联格局的影响因素分析——基于电子信息企业网络的视角

城市网络关联格局影响因素的测度及其作用机理的解析是建立城市网络理论模型的关键环节。基于2017年中国电子信息100强企业网络视角构建城市网络,采用指数随机图模型定量测度了中国城市网络的影响因素,解析了城市网络生长发育的微观过程,并探索性的提出了理解中国城市网络发育机理的概念框架。研究发现：偏好依附效应和接收者（GDP）效应构成了中国城市网络中心性格局的微观基础,中国城市网络生长发育表现为择优选择的地理过程;互惠性链接深刻影响着城市间的关系格局,网络闭合机制逐步成为城市间链接关系的重要影响因素;空间距离对基于电子信息企业网络的城市网络约束作用并不明显,城市网络表现出在“流动空间”中生长发育的特征。     

胶州湾潮余流和物质输送之间的关系

基于MIKE21的HD模型,通过模拟得到胶州湾的潮流场,胶州湾在涨急时最大流速1.04m/s,落急时最大流速约为0.96m/s。胶州湾余流总体较小,平均为0.03m/s左右。并在湾内不同位置释放自由粒子,以MIKE21的Particle tracking模型计算出其在潮流作用下的运移轨迹,结果表明粒子大多数运移到湾内近岸区域,少部分在湾口区域附近;在潮流场基础上计算了欧拉余流场,并和粒子运移结果进行对比,表明欧拉余流场在区域流向比较一致时可以表示粒子运动的趋势,为物质迁移、控制污染等方面提供了一定的参考借鉴意义。     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距,不仅可以快速获取地面物体的三维坐标,还可以获得多个波段的地物光谱信息,可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征,完成多光谱LiDAR的随机森林地物分类;并分析随机森林的特征贡献度特性,采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度,而且可以适当地去除部分冗余和相关的特征,从而有效提高分类精度。     

PDR算法对地磁室内定位精度的提升研究

利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位,而且基于地磁场的定位无需布设任何额外设施,因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题,本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法,并开发了地磁室内导航系统,以智能手机为硬件平台构建磁力计传感器模型,建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内,产生的平均定位误差为1.13 m,最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%;与单一地磁指纹匹配算法相比,定位精度提高了57%。试验证明,本文提出的融合算法对提高室内定位精度具有显著的作用。     

大坝变形监测的粒子群优化高斯过程预测

针对大坝变形数据的非平稳非线性特点,传统预测模型受到了一定限制。鉴于高斯过程(Gaussian Process,GP)对非平稳数据具有高自适应性,考虑到其自身在协方差函数选取以及超参数优化方面存在不足,为提高高斯过程模型的预测精度,文中通过粒子群算法(Particle Swarm Optimization,PSO)优化其超参数并选择最优协方差函数。通过实例验证分析,比较多元回归分析、GP、PSO-GP三种模型在大坝变形监测数据处理中的预测精度,表明大坝非线性预测模型粒子群优化高斯过程算法具有较高的预测精度,是一种有效的大坝变形分析预测方法。     

粒子群算法优化的神经网络短期钟差预报

针对导航卫星钟差短期预报精度上的不足,该文提出了一种基于粒子群算法优化的BP神经网络钟差预报模型,通过粒子群算法来对BP神经网络的权值和阈值进行优化,利用IGS的钟差数据进行实验,并与灰色GM(1,1)模型、二次多项式模型和BP神经网络模型的预报结果进行对比分析。结果表明,粒子群优化算法的BP神经网络模型钟差预报效果良好,3h预报精度能够达到0.3ns,体现了本文钟差预报模型的实用性。