基于GA参数辨识的直流伺服电机PID调节器的设计

针对数控火焰切割机自动调高系统的特点和要求,采用遗传算法对其位置调节器PID参数进行全局优化辨识,有效地解决了直流伺服电机的控制精度和快速性的问题.仿真结果表明,与传统的参数辨识法相比,遗传算法参数寻优使自动调高系统的动态性能大幅提高,具有很强的鲁棒性.     

松嫩平原东部浅层地下水水化学特征及水质评价

针对松嫩平原东部浅层地下水环境特征及存在的问题,利用该区地下水水质检测数据进行了水化学特征分析,利用1983年、1993年、2003年及2012年四个时段的地下水水质资料进行了对比分析,水质出现了明显的变化,在此基础上采用支持向量机法进行了水质现状评价。结果表明:第四系潜水及承压水中Fe、Mn含量较高,总硬度最大值1321.12mg/L,溶解性总固体最大值2214.45mg/L,水化学类型均为矿化度不大于1.5g/L的HCO3-Ca型水。NO3-、NH4+、Cl-、SO42-的含量呈现逐年增加的趋势,同时也出现了原来没有的酚、Cr6+等有毒物质。潜水Ⅰ、Ⅱ、Ⅲ类水样点占总样本的12.03%,Ⅳ、Ⅴ类水占总样本的87.97%。承压水Ⅰ、Ⅱ、Ⅲ类水占总样本的10.83%,Ⅳ、Ⅴ类水占总样本的89.17%。该方法评价结果与综合指数法结果一致率达95%,因此,评价结果可为该区水资源管理提供科学指导。     

吹填砂场地强夯振动特性研究及安全评估

针对曹妃甸工业园区液化天然气储罐地基加固过程中所引起的地面振动进行了深入研究,通过对现场强夯振动观测记录进行统计分析、频域分析以及规律拟合,给出了吹填砂场地上强夯所引起的地面振动衰减规律、振幅（振速）随夯击次数的变化规律以及强夯振动的主频变化规律,并就场地周围已存的海堤工程和天然气储罐工程进行了振动安全评估,为现场强夯施工参数的选取提供了理论支撑,同时也弥补了国内对于类似场地振动特性研究不足的局面。     

地质前探轻便高效钻机的研制与应用

为了确保煤矿井下采掘工作面施工安全,防止因地质条件不清造成安全生产事故,需对施工前方进行地质前探。淮南矿区原来使用的地质前探钻机由于功率太小或搬迁困难,不能很好地满足地质前探钻孔施工需要。以中煤科工集团西安研究院有限公司生产的ZDY1200S型全液压坑道钻机为原型,对其液压系统和主要零部件进行优化设计,以满足地质前探的使用要求。经过现场试验,应用效果良好。     

土壤粒径空间预测方法研究综述

土壤粒径（砂粒、粉粒和黏粒）是各种陆表过程和生态系统服务评估等模型的关键参数。作为一种土壤成分数据,土壤粒径的空间预测方法有和为1（或100%）等特殊要求,其空间分布精度受预测方法影响较大。本文针对土壤粒径相较于其他土壤属性的特殊性,提出了土壤粒径空间预测方法框架,综述了土壤粒径数据变换、空间插值和精度验证等系列方法,总结了提升土壤粒径空间预测精度的各种途径,包括通过有效的数据变换改善数据分布、结合数据分布特点选择合适的预测方法、结合辅助变量提升制图精度和分布合理性、使用混合模型提升插值精度、使用多成分联合模拟模型提升预测的系统性等。最后,提出了今后土壤粒径空间预测方法研究的未来方向,包括从考虑数据变换原理和机制角度改善数据分布、发展多成分联合模拟模型和高精度曲面建模方法,以及引入土壤粒径函数曲线并与随机模拟结合等。     

基于机器学习模型的区域土壤重金属空间预测精度比较研究

为识别区域土壤重金属的空间变异特征并厘清其影响因素,本研究构建了多元线性回归（MLR）、弹性网络回归（ENR）、随机森林（RF）、随机梯度提升（SGB）、堆叠（stacking）集成模型、反向传播神经网络（BP-ANN）、基于模型平均的神经网络集成（avNNet）、线性核支持向量机（SVM-L）和高斯核支持向量机（SVM-R）共九种机器学习模型,利用山东省中部土壤重金属（Cd、Cu、Hg、Pb和Zn）和环境辅助变量数据,开展区域土壤重金属空间预测精度比较研究。结果表明：RF对五种重金属空间预测的决定系数（R²）介于0.263~0.448之间,平均绝对误差（MAE）和均方根误差（RMSE）分别小于8.408和10.636,预测值/实际值（P/O）均接近于1,对五种重金属的预测效果均较为理想,是研究区土壤重金属空间预测的最优模型;SVM-R整体预测性能仅次于RF,各项精度评价指标均相对稳健,可作为备选模型;其余七种模型的预测性能均明显低于RF和SVM-R。RF的空间预测结果显示,研究区五种重金属呈现出相似的空间分布格局,含量均由研究区东北部向西南部递减,包括东北部、北部和南部3个高值区,且高值区与当地工业–交通密集区的分布格局一致,反映出人类活动是研究区土壤重金属空间分异的主要影响因素。本研究可为区域土壤污染调查、评价和管控提供科学参考。     

基于LSTM神经网络的青藏高原月降水量预测

青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括：① 使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R²分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;② 分析了降水量预测精度的空间分布特征,将各模型的R²在青藏高原地区内插值,分析R²的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R²较低,在气候稳定、降水规律性明显的地区R²较高,且LSTM模型R²≥0.6的空间范围远大于传统模型;③ 分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。     

一种基于流形正则化的半监督指纹定位算法

针对传统指纹定位算法采集带标签训练数据成本高的问题,本文提出了一种基于流形正则化的半监督指纹定位算法。首先以流形假设为依据,利用批量输入的带标签数据与无标签数据之间的相似度构建图拉普拉斯算子;然后与极限学习机算法相结合,通过随机特征映射建立隐含层;最后在流形正则化框架下,求解隐含层和输出层之间的权值矩阵,从而建立位置估计模型。仿真结果表明,与INN、SVR、ELM 3种算法相比,该算法的训练和测试时间相对较短,且在带标签训练数据稀疏的前提下仍能保持较高的准确率与稳定性。     

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。