基于IMQ惯性权重策略的自适应灰狼优化算法

针对灰狼优化算法(Grey Wolf Optimizer,GWO)寻优精度低、收敛速度慢的问题,提出了一种基于IMQ惯性权重策略的自适应灰狼优化算法(ISGWO).该算法利用IMQ函数的特性,实现对惯性权重的非线性调整,从而更好地平衡算法的全局勘探能力和局部开发能力;同时,基于Sigmoid指数函数自适应更新个体位置,更好地搜索和优化问题的解空间.采用6个基本函数和29个CEC2017函数对ISGWO进行测试,并与6种常用的算法进行比较,实验结果表明ISGWO具有更优的收敛精度和速度.     

基于深度学习的山火救援与评估GIS平台设计与实现

山火是严重的自然灾害之一,科学、有效地进行山火救援以及灾后损失评估极为重要。结合PIE二次开发SDK、SegNet和UNet深度学习模型、遥感等技术,设计并实现具有山火蔓延模拟、灾前灾后建筑物自动化提取、灾后损失科学评估等功能的基于深度学习的山火救援与评估GIS平台。该平台可为山火灾害的应急处置和紧急救援提供更加智能化的解决方案。     

基于遥感技术的龙口市绿地覆盖监测与分析

采用龙口市两期遥感影像图,并结合土地利用图、现场GPS定位验证,对龙口市绿地进行遥感解译;在此基础上对龙口市现有绿地面积进行评价,并提出如何提高龙口市绿地覆盖度的建议措施。     

土地利用遥感信息的自动分类研究——以济南市南部山区为例

利用遥感技术与地理信息系统技术,对济南市南部山区进行土地利用自动分类研究,建立遥感影像综合理解模型,通过图像增强、训练区提取、分类优化等步骤,提取土地利用类型,达到对土地资源进行实时监测的目的.     

A型地铁转向架动力学仿真及滚振试验性能研究

针对北京地铁车辆装备有限公司和西南交通大学牵引动力国家重点实验室设计的120 km/h A型地铁转向架,建立其动力学模型并计算了相关动力学性能指标,分析该转向架设计合理性;基于动力学仿真结果,进一步对该转向架在机车车辆整车滚动振动试验台上进行了滚振动力学试验,并给出车辆在空簧失气故障工况条件下运行时的合理建议.仿真计算...     

基于遥感技术的龙口市绿地覆盖监测与分析

采用龙口市两期遥感影像图,并结合土地利用图、现场GPS定位验证,对龙口市绿地进行遥感解译;在此基础上对龙口市现有绿地面积进行评价,并提出如何提高龙口市绿地覆盖度的建议措施。     

综合观测试验中的激光测风雷达探测性能分析

基于2019年6、7月广州超大城市综合观测试验中的地面资料,激光测风雷达、风廓线雷达资料以及广州S波段双偏振雷达资料,对WindPrint S4000型激光测风雷达和风廓线雷达进行观测对比,并尝试在不同降水强度条件下对激光测风雷达的探测性能进行综合评估分析.结果表明:激光测风雷达与风廓线雷达在非降水时段和非强降水时段观测性能一致性较好,能很好地捕捉到天气系统过境期间边界层低空风场的变化特征,但相比较而言,激光测风雷达成本更低,更加便捷高效,选址选点较为容易,更加符合大城市观测加密布网的需求;激光雷达的探测高度与降水量和降水强度均相关,但与降水强度关系更加密切,即当降水强度增加时,激光雷达的探测高度总体呈下降趋势,且当发生S波段双偏振天气雷达反射率因子达到50 dbz以上强度的降水时,激光测风雷达与风廓线雷达一样无法进行常规观测.     

巨型溶洞回填处置与超厚回填体沉降机制研究

黔张常铁路高山隧道施工时揭露一处巨型溶洞,溶洞体量巨大、发育复杂、围岩稳定性差且落石风险高,隧道穿越距离长(影响区总长145 m),悬空高度大(隧道底板下净空30～55 m),施工处置难度高;通过综合比选,采用了"洞砟回填+上部注浆"的综合处置方案。针对超厚回填体可能产生的沉降问题,采用现场监测、数值模拟和理论分析的方法,对回填体静载作用下和动载作用下的沉降规律进行综合研究。施工期表层沉降和分层沉降监测表明,超厚回填体表层沉降主要受回填洞砟自身重力及上部新增结构荷载的影响,沉降收敛速度快,沉降主要来源于下部未注浆回填体和溶洞底部堆积体的表层部分。通过有限元软件建立三维数值仿真模型,模拟列车动载作用对超厚回填体的影响,分析表明有砟轨道和3 m厚钢筋混凝土路基板大幅降低了列车动应力向下部回填体的传递,再经过回填体上部注浆层阻断,回填体未注浆层基本不受列车动载影响,即列车动荷载不会造成回填体新增沉降量。工程实践表明黔,张常铁路高山隧道巨型溶洞回填处置可靠,工后沉降可控,满足设计要求,可为其他类似工程提供参考。     

基于Levenberg-Marquardt算法的水环境评价研究——以南四湖为例

南四湖是山东省重要的水源地之一,随着经济建设的高速发展,南四湖水污染问题尤为突出,对本地区能源基地的建设和区域经济可持续发展产生重大制约影响.对南四湖进行合理、有效的水环境综合评价以供治理及决策已刻不容缓.笔者采用污染指数算法与LMBP神经网络算法,利用3S技术对南四湖的11个主要监测站点的水环境进行总体评价、空间分析...     

基于双重注意力机制改进的DA-LSTM时间序列预测模型

为了提高时间序列预测的精确度和收敛速度,提出一种基于双重注意力机制改进的DA-LSTM时序预测模型。通过引入注意力机制重构LSTMcell结构,减少模型参数提高收敛速度;自注意力层对各时间步的输出计算自注意力权重,充分利用细胞记忆信息,提高预测精度。在Beijing PM_2.5和SML2010数据集上,所提出的模型相较于LSTM在均方根误差(RMSE)上分别降低4%和25.4%,相比其他基准方法也有明显提升。