利用误差熵评价光斑中点云不确定性

三维激光扫描点位精度受光斑影响较大,激光点在光斑中呈现了不确定性,该不确定性的准确描述关系到激光点位精度的评价。将误差熵模型引入到点位不确定性的评价中,利用激光点位在光斑中不确定性的概率密度函数,推导了激光点位信息熵,并依据误差熵与信息熵的关系得到了激光点位的误差熵。通过分析误差熵与光斑面积的关系,得到点云光斑平均误差熵,实现了将平均误差熵引入到点云不确定性的评价中。通过设置不同扫描间隔得到的点云数据,分析了平均熵模型进行基于光斑影响下的点云精度评价的可行性,最终实现了对光斑中点云不确定性的准确评价。     

基于时空不确定性的对流尺度集合预报效果评估检验

针对对流尺度天气系统的高度非线性特征和高分辨率模式预报结果存在时、空不确定性现象,以及当前邻域概率法主要考虑高分辨率预报结果的空间位移误差,而不能有效解决预报结果存在时间超前与滞后问题,将时间因素引入到邻域概率法中,结合一次强飑线过程进行对流尺度集合预报试验,并基于改进后的新型邻域概率法与分数技巧评分,对降水预报进行了不同时、空尺度的效果评估检验。结果表明:（1）邻域集合概率法和概率匹配平均法在极端降水的分数技巧评分远高于传统集合平均,弥补了集合平均对极端降水预报能力偏低的缺陷。（2）对于此类飑线过程的对流尺度天气系统而言,邻域半径为15—45 km的空间尺度能够改善降水位移误差的空间不确定性,并使其预报效果达到最优,其中15—30 km的邻域半径对于尺度更小的大量级降水事件预报能力更强。（3）对流尺度降水预报考虑时间尺度与降水强度存在着对应关系,不同时间尺度可以捕获到不同量级降水的时间不确定性。同时,时间尺度与空间尺度对于降水预报效果的影响是相互关联的。（4）改进的邻域概率法能够同时体现高分辨率模式预报结果在对流尺度降水事件上存在的时、空不确定性,实现了对流尺度降水在时、空尺度上的综合评估,并能为不同量级降水提供与其时、空尺度相匹配的概率预报结果。      

“7·20”华北强暴雨集合预报的中期预报转折和不确定性分析

中央气象台主观预报和数值模式对2016年7月20日华北强暴雨过程的中期预报出现了一定的误差,本文利用ECMWF(简称EC)集合预报和T639集合预报等资料对"7·20"华北强暴雨过程的中期预报效果进行了分析,结果发现:(1)EC集合预报在7月16日前后对降雨区及强度的预报出现了明显转折,其因是大尺度影响天气系统的预报发生了转折性变化,7月16日20:00起报的环流形势集合平均场对比15日20:00起报场显示,在河套地区附近500hPa低槽发展更深,其下游华北高压脊也更强,形成了移动缓慢"东高西低"的环流型,黄河气旋及中低层西南涡北抬加强,导致降雨预报更接近于实况;(2)集合敏感性分析发现对降雨中期预报敏感的区域与转折前后预报的环流差异的分布型一致,引起降雨预报转折的影响系统也是降雨中期预报不确定性的来源;(3)对于降雨预报最敏感的环流系统是黄河气旋,集合成员预报的黄河气旋偏西偏北,强度越强,则预报的京津冀地区降水量越大。     

基于不确定性的大样本集抽样设计

本文研究是针对全球森林覆盖变化检测系统的大训练样本选择的优化问题。样本自动标记系统自动标记了"千万个"代表森林和非森林的像元。为了提高精度和效率,我们需要从千万个样本的大样本集中选择对训练分类器有益的样本。本文提出了两种方法:第一种方法是传统的分层等距离采样;第二种方法是基于不确定性的样本优化,通过研究相同样本间的相似性度量指标、样本不确定性度量指标及样本特征空间分布,来实现基于不确定性的训练样本选择策略。实验通过精度评价验证了基于不确定性的采样策略能比传统的分层等距离采样策略获得好的效果。     

不同测算方法下行程时间不确定性对可达性的影响分析

行程时间不确定性导致了可达性随时间的变化,相关研究表明忽略行程时间不确定性会高估可达性水平。既有可达性研究往往用行程时间可靠性表示行程时间不确定性,但未考虑不同可达性模型结果的差异以及行程时间可靠性价值。本文结合各OD之间的行程时间分布特征,构建方差型的行程时间可靠性来描述行程时间不确定性,并进一步将行程时间可靠性纳入到广义出行时间成本中,建立了时间距离模型、潜力模型、累计机会模型和高斯模型4种基于位置的可达性测算方法,以比较在不同测算方法下,行程时间不确定性对可达性的影响。深圳的案例研究表明：① 忽略行程时间不确定性会使全区域的可达性至少被高估5.04%,最大被高估95.04%。潜力模型、时间距离模型、累计机会模型和高斯模型的高估幅度由低到高;② 行程时间不确定性对可达性的影响存在阈值效应,阈值越高,可达性受影响的程度越小;③ 从空间分布来看,行程时间不确定性对可达性水平高和低的区域都有一定影响。若不考虑行程时间不确定性,可达性高的区域高估值大,而在可达性低的区域,可达性高估的百分比较大,高估百分比中位数的差异程度最大可达77.1%;④ 行程时间不确定性对潜力模型可达性分类的影响最小,对累计机会模型差异的影响最大。可达性使用者应充分考虑研究区域实际情况,结合可解释性与理论性偏好,进而选择合适的可达性模型和评判标准。     

考虑软弱夹层控滑机制及其空间不确定性的顺层岩质滑坡易发性评价: 万州区铁峰乡应用研究

顺层岩质滑坡突发性强, 破坏性大, 是危害山区城镇安全的重要灾害类型之一。发育软弱夹层的顺向斜坡是顺层岩质滑坡的高发区, 区域顺层岩质滑坡易发性评价应融入软弱夹层的控滑机制和空间分布不确定性分析。以万州区铁峰乡为研究区, 在软弱夹层物质结构及空间分布详细调查的基础上, 分析了原生沉积、构造变形和表生改造作用下区内页岩和泥岩两类软弱夹层发展为滑动面的演化机理, 总结了顺层岩质滑坡的变形破坏机理。考虑软弱夹层空间分布的不确定性, 提出了软弱夹层垂向分布和有效控滑深度范围内软弱夹层控滑贡献度的计算模型。提取了软弱夹层类型和控滑贡献度等表征顺层岩质滑坡控滑结构的关键指标, 结合地形地貌、斜坡结构、水文地质及人类工程活动4类要素, 构建了顺层岩质滑坡易发性评价指标体系。针对万州区铁峰乡河谷南侧的顺向坡区段, 以斜坡为评价单元, 采用层次分析法对研究区顺层岩质滑坡开展了易发性评价。结果显示研究区内侏罗系珍珠冲组泥化夹层和自流井组页岩层是顺层岩质滑坡的主要控滑层位, 极高易发区和高易发区占比分别为9.7%和25.8%, 岩质斜坡单元下伏软弱夹层分布情况和斜坡前缘开挖情况是影响滑坡灾害易发性的主要因素, 建房和道路开挖等人类工程活动极易诱发顺层岩质滑坡灾害。与不考虑软弱夹层相关指标的易发性评价结果相比, 本文方法的结果更符合实际情况。      

位置不确定性与属性不确定性的场模型

不确定性是自地理信息系统发展与应用以来一个引起关注的课题。位置不确定性与属性不确定常常不加区分地被看作是可以单个讨论的问题。本文将借助场的概念和模型使二者得以统一的描述和分析;对于明确定义的离散目标,二者虽然可分别讨论,但却在数学上有着联合的基础;对于非明确定义的地理现象,二者以连续体的形式而存在,位置不确定性可以作为属性不确定性的空间映射而提取出来。     

城市空气质量数值预报的不确定性与可预报性

主要综述了数据误差、随机误差和模式物理误差所造成的城市空气质量数值预报的不确定性,简要介绍分析预报不确定性的统计方法。并对由内在随机性和外在误差引起的可预报性问题进行了分析讨论     

基于数据分布域变换与贝叶斯神经网络的渗透率预测及不确定性估计

渗透率是储层评价和油气藏开发的关键参数.传统测井方法与常规机器学习方法估算的渗透率都是固定值.但由于测井数据本身存在噪声,渗透率的预测结果可能受到噪声的影响出现测量性的随机误差(即任意不确定性);同时,当测试数据与训练数据存在差异时,机器学习模型在预测渗透率时可能出现模型参数的不确定性(即认知不确定性).为实现渗透率的准确预测并量化两种不确定性对结果的影响,本文提出基于数据分布域变换和贝叶斯神经网络同时实现渗透率预测及其不确定性的估计.提出方法主要包括两个部分：一部分是不同域数据分布的相互转换,另一部分是基于贝叶斯理论的神经网络渗透率建模预测和不确定性估计.由于贝叶斯神经网络存在数据分布的假设,当标签的概率分布与网络的分布保持一致时,贝叶斯神经网络可以更好的学习到数据之间的关系.因此通过寻找一个函数将一个原始域的渗透率标签转换为目标域的与渗透率有关的变量(我们称为目标域渗透率),使得该变量符合贝叶斯神经网络的分布假设.我们使用贝叶斯神经网络预测目标域渗透率以及任意不确定性和认知不确定性.随后,通过分布域的逆变换,我们将目标域渗透率还原回原始域渗透率.应用本文方法到某油田的18口井的测井...