异质多模型集成的辛烷值和抗爆系数分级建模

针对成品汽油调和过程中研究法辛烷值(RON)和抗爆系数难以实时获取，且传统未考虑二者关联的单一模型精度和适应性不足等问题，提出了2种异质多模型集成的分级预测建模方法(方法Ⅰ和方法Ⅱ)。先采用K折交叉验证法对建模算法进行参数调整与算法优选，分别建立了5个一级辛烷值和二级抗爆系数异质子模型。方法Ⅰ利用加权平均法对异质子模型进行线性集成，并为提升集成模型性能，对目标函数引入L1、L2、L1&L2等3种正则化约束，以此确定子模型最优权重；考虑线性集成可能对非线性过程适应性不足，方法Ⅱ基于堆叠思想建立了非线性集成预测模型。经使用工业生产数据仿真实验研究表明，较传统单一模型以及加权平均模型，考虑抗爆系数对辛烷值依赖提出的2种异质集成分级建模方法，具有更优的性能，可用于成品汽油调和过程中辛烷值和抗爆系数的准确预测，有望解决后期配方模型建立和优化控制的数据缺失问题。     

某矿矿岩可爆性分级研究

为了确定某锡矿不同岩性小断面巷道掘进合理的炸药单耗，对该锡矿所属硫化矿、氧化矿、大理岩以及花岗岩等岩体进行岩体可爆性分级，以集对分析模型为工具，选取 γ、σ、σ_c和 η 作为评价指标，计算得到单因素联系度，而后采用加权平均值法确定每个指标的权重，最后将 γ、σ、σ_c、η 的相关计算结果合成一个反映岩石可爆性级别的综合联系度，采用最大联系度原则确定岩石的可爆性等级。计算结果表明：该锡矿岩体可爆性按照由难到易的顺序为：硫化矿>大理岩>花岗岩>氧化矿；并以大理岩小端面巷道掘进爆破试验所确定的炸药单耗为基础，确定了硫化矿、花岗岩以及氧化矿小端面巷道掘进所需的炸药单耗。     

环太湖各水资源分区入出湖总氮负荷与浓度变化

为明确环太湖各水资源分区入出湖总氮负荷与浓度的时空变化规律，基于2012～2018年环太湖各水资源分区水质水量监测资料，计算分析了各水资源分区年、季(蓝藻暴发期)尺度入出湖总氮负荷与浓度的年际变化及其负荷贡献率时空变化规律。结果表明：环太湖入湖总氮多年平均浓度明显高于出湖，各水资源分区年、季尺度入出湖总氮浓度的年际变化特征相似，总体而言，湖西区、浙西区、武澄锡虞区年、季尺度入湖总氮浓度明显高于阳澄淀柳区和杭嘉湖区，西太湖出湖高于东太湖出湖，入出湖水质均未出现显著改善。环太湖入湖总氮多年平均负荷远大于出湖，各水资源分区年、季尺度入出湖总氮负荷年际变化规律相似，湖西区、浙西区在环太湖入湖负荷中的贡献排名前两位，在出湖负荷中太浦河的贡献最大，蓝藻暴发期武澄锡虞区入湖总氮负荷对全年的贡献最大，蓝藻暴发期太浦河和望虞河出湖总氮负荷对全年的贡献受丰枯年份变化影响较大。     

一种新的青藏高原地区加权平均温度模型

大气加权平均温度(T_m)是进行全球导航卫星系统(GNSS)水汽反演的关键参数之一，也是进行大气气象研究的重要数据，针对中国青藏高原地区地面起伏较大、探空站分布不均匀、在建模时未能同时顾及T_m在垂直方向上的非线性变化和季节变化等问题，建立高精度的T_m模型成为中国青藏高原地区的迫切需求。在分析T_m的时空特性的基础上，分别利用2015—2017年的ERA5再分析资料和无线电探空数据构建中国青藏高原地区实时高精度格网T_m模型(ERATm＿H模型)和需要气象参数的本地化区域T_m模型(TKZTm＿H模型),并利用未参与建模的2018年的无线电探空数据和ERA5再分析资料进行精度验证，并与广泛使用的Bevis模型和目前较优的GPT3模型进行精度对比。结果表明，以ERA5再分析资料为参考值，ERATm＿H模型在中国青藏高原地区表现出最优的精度，年均均方根误差(Root Mean Squared Error, RMSE)值相较于Bevis模型、GPT3模型以及TKZTm＿H...     

顾及时空因素的青藏高原地区加权平均温度模型

大气加权平均温度(T_m)在GNSS大气水汽反演过程中扮演着关键角色.本文针对现有的T_m模型在青藏高原地区的适用性较差等情况,利用2014—2017年青藏高原地区13个探空站观测数据建立了一种顾及地面温度、高度、纬度及季节变化的青藏高原地区T_m模型(TPT_m模型).以2018年的探空资料为参考值,对TPT_m模型进行精度检验,并与常用的Bevis模型、局域精化后的Bevis模型(Bevis-TP模型)和GPT2w模型进行比较分析,结果表明:TPT_m模型具有相对较好的精度,其年均偏差和均方根误差(RMS)分别为0.07 K和2.76 K,相比Bevis、Bevis-TP、GPT2w-5(5°分辨率)和GPT2w-1(1°分辨率)模型其精度(RMS值)分别提高54.5％、30.8％、36.3％和27.6％;此外,将TPT_m模型用于GNSS水汽计算,其导致的水汽计算理论RMS误差和相对误差分别为0.10 mm和1.02 ％.因此,TPT_m模型在青藏高原地区的GNSS水汽反演中具有重要应用.     

基于IINFO的粒子重组FastSLAM在SLAM中的研究

针对FastSLAM算法需要增加粒子数提高精度以及重采样导致的粒子多样性缺失的问题，提出一种改进INFO(向量加权平均算法)优化的粒子重组FastSLAM算法。首先，在预测粒子集时加入最新时刻的观测信息并通过INFO计算粒子适应度值，为增强INFO跳出局部最优的能力，对最优个体进行柯西变异；其次，通过改进INFO寻优能力强，收敛速度快的特性更新预测粒子集，使得在计算权重前粒子集的位姿就更接近期望值，以此提高估计精度；最后，重采样阶段将筛选后保留的粒子与剩余粒子重新组合成新的粒子，以此增加粒子多样性。仿真实验结果表明，IINFO-FastSLAM算法较FastSLAM、INFO-FastSLAM算法相比，其位姿与路标估计精度更高且鲁棒性更佳。