基于COSMIC掩星观测数据的NmF2全球分布特征研究

利用COSMIC掩星观测获得的电离层电子密度剖面数据,研究了2007-2011年的电离层F2层峰电子密度(NmF2)的全球分布特征.结果发现,赤道电离层异常因地方时和经度而变化,在LT11-LT14期间存在明显的沿经度变化的四峰结构.在北半球夏季夜间,北纬60°区域NmF2显著增强,即广义的威德尔海异常现象;在南半球夏季夜间,在威德尔海区域也出现了NmF2增强的现象.此外,与太阳活动低年相比,太阳活动增强期间的威德尔海异常区域的地理范围明显增大.     

利用COSMIC掩星数据研究震前电离层异常

利用COSMIC掩星星座的电离层掩星数据,对2009年9月30日印尼苏门答腊南部地区发生的7.7级地震引起的电离层响应作了详细的研究.根据地震前震中区域上空附近电离层电子密度峰值的异常变化,采用人工神经网络插值技术进行可视化分析处理,通过地震前6～20 d电离层F2层电子密度峰值的对比发现,震前5 d内震中区域上空的电离层F2层电子密度峰值出现明显的负异常现象,可排除太阳活动和地磁活动等影响的干扰,这种电离层异常现象的发生,极有可能是由即将发生的地震所引起的.     

COSMIC与FY-3C掩星电离层反演的比较

利用基于TEC的电子密度廓线反演方法,对2014年12月31日的COSMIC和FY-3C掩星任务的电离层掩星相位数据进行处理,将反演的电子密度廓线及电离层峰值参数分别与两个掩星任务的官方产品进行比较,发现两个掩星任务的反演结果与官方产品均具有较好的一致性.其中COSMIC反演结果与CDAAC官方产品的一致性略好于FY-...     

基于H_α线等离子体电子密度的光谱诊断

为了实时准确测量等离子体的电子密度,利用Lorentz函数拟合Hα发射谱线,测出该谱线的Stark展宽,从而算出等离子体的电子密度为5.14×1016 cm-3。基于实验结果,计算得到等离子频率为5.14×1016 Hz,该值远大于1064nm激光光子频率1014 Hz,证明等离子体对激光的反射作用远小于吸收作用。     

国际参考电离层关键输入参数计算及应用

国际参考电离层的关键输入参数是F2层临界频率foF2和传输因子M(3000)F2,文章给出了关于这两个参数的详细计算流程,分析了F2层临界频率foF2和峰值高度hmF2随时间和季节的变化情况,以及F2层峰值电子浓度NmF2和地磁纬度的关系,并简要介绍IRI模型在短波三维数字射线追踪中的应用。     

基于IAP15F2K61S2的智能温度控制系统设计

本文阐述了智能温度控制系统主要实现两部分功能来设计:一是利用温度传感器测量水温,当水温低于设定的温度值时,继电器闭合,加热器加热,待水温升至预定水温时,继电器断开,蜂鸣器报警,停止加热;二是利用液位传感器测量当前液面高度,当液面高度低于设定的液面下限或超出设定的液面上限,蜂鸣器报警.本次设计的核心单片机为IAP15F2K61S2,温度传感器选用防水型DS18B20,液位传感器选用超声波传感器.     

X射线衍射峰形状对改进的Rachiuger法消除Kα_2计算的影响

Kα双线分离(?)2θ是衍射角(2θ)和入射X射线波长的函数。Delhey,R and Mittemeijer,E·J·和Pompa, F(?) and Zirilli,S·指出,在低衍射角下这种与衍射角有关的的(?)(2θ)的影响可以忽略。本文的结果表明低衍射角下,与2θ有关的(?)(2θ)的影响较大,而高衍射角下其影响较小,甚至可以忽略。     

利用沉淀法制备CeO2纳米粉体

以Ce(NO3)3.6H2O与(NH4)2CO3.H2O为原料,并加入少量的PEG600作为分散剂,应用快速化学沉淀法合成Ce2(CO3)3.8H2O前驱体,前驱体经过热处理以后,获得了纳米CeO2,对样品进行XRD、DTA、TEM、BET和光谱分析与表征,根据慢扫描,通过高斯算法计算CeO2晶粒大小.结果表明:前驱体经过300℃焙烧后完全变成了CeO2,颗粒粒径为10~20 nm左右,晶粒尺寸为5.7 nm,比表面积为111.68m2/g,纯度>99.97%.     

求解多峰优化问题的改进布谷鸟算法

布谷鸟算法是一种简便而高效的元启发式算法.然而,布谷鸟算法在求解复杂的多峰优化问题时通常存在易陷入局部最优解的缺点.针对布谷鸟算法的这种缺点,结合神经网络算法和布谷鸟算法的特性,提出一种基于神经网络的布谷鸟算法.该算法的核心思想是借助改进神经网络算法的强大全局搜索能力和动态种群策略来平衡布谷鸟算法的全局搜索能力和局部搜索能力,从而减少布谷鸟算法陷入局部最优的可能性.该算法首先将种群中的个体依照适应度值的优劣进行排序,然后对种群中最好的一半个体通过布谷鸟算法进行优化,对种群中最差的一半个体通过改进的神经网络算法进行优化,最后将所有个体组成一个新的种群,并从中筛选出最优解.采用24个复杂基准测试函数检验所提出算法求解多峰优化问题的性能,并将优化结果与神经网络算法,布谷鸟算法以及一些改进的布谷鸟算法所获取的优化结果相比较.实验结果表明:所提出的算法充分地展现了神经网络算法和布谷鸟算法的优势,其在求解质量,求解效率以及求解稳定性上均显著优于其它算法.     

利用Klobuchar模型和载波平滑伪距观测值模型分析电离层变化

在GPS测量中,电离层延迟是一个比较重要的误差来源.对于单频接收机,由广播星历中提供Klobuchar模型参数进行电离层延迟改正;对于双频接收机,采用载波平滑伪距观测值计算电离层延迟改正.利用深圳市连续运行卫星定位参考站系统的双频观测数据,分别用Klobuchar模型和载波平滑伪距观测值两种方法计算深圳市5个CORS站上的电离层延迟值,对两种模型计算的电离层延迟值进行比较,分析深圳市电离层延迟的周日变化规律.     

Research on regional ionospheric TEC modeling using RBF neural network

Machine learning techniques which are about the construction and study of system that can learn from data are combined with many application fields.A method on ionospheric total electron content(TEC)mapping is proposed based on radical basis function(RBF)neural network improved by Gaussian mixture model(GMM).Due to the complicated ionospheric behavior over China,GMM is used to determine the center of basis function in the unsupervised training process.Gradient descent is performed to update the weights function on a sum of squared output error function in the supervised learning process.The TEC values from the center for orbit determination in Europe(CODE)global ionospheric maps covering the period from 2007to 2010 are used to investigate the performance of the developed network model.For independent validation,the simulated TEC values at different latitudes(20°N,30°N and 40°N)along 120°E longitude are analyzed and evaluated.The results show that the simulated TEC from the RBF network based model has good agreement with the observed CODE TEC with acceptable errors.The theoretical research indicates that RBF can offer a powerful and reliable alternative to the design of ionospheric TEC forecast technologies and thus make a significant contribution to the ionospheric modeling efforts in China.     

自适应子波神经网络数据挖掘方法

分析了人工神经网络所依据的生物学基础,探索改进与完善网络模型的途径,将子波与巳有的神经网络模型相结合,提出一种基于自适应子波神经网络的数据控制方法,并依此来构造数据挖掘过程的机器学习机制,以求提高对问题的处理能力,数据挖掘的仿真实例表明,与一般的人工神经网络相比,用自适应子波神经网络进行数据挖掘不仅是有效的,而且也是可行的。     

基于人工神经网络集成的微阵列数据分类

基因数量远多于样本数量是基因表达微阵列数据进行疾病诊断所面临的主要挑战，为此提出了采用人工神经网络集成的组织分类方法．该方法使用Wilcoxon测试选择用于与分类相关性较高的重要基因，通过凸伪数据法产生神经网络集成中各个体的训练集，用简单平均法集成网络个体的测试结果．采用实际的微阵列实验数据集分别进行独立测试和交叉验证测试，结果表明，该方法性能优于单个神经网络、最近邻法和决策树．受试者特征曲线测试表明，神经网络集成性能优于单个神经网络．     

Establishment of N m F 2 empirical model in the northern hemisphere based on COSMIC occultation data

Ionospheric peak value of F2 layer (N _m F ₂) is an important parameter in the ionosphere, which has important applications in short-wave communication, ionospheric modeling and so on. In this paper, the empirical orthogonal function (EOF) decomposition method is used to analyze the N _m F ₂ obtained from the occultation data. Daily spatial distribution of N _m F ₂ at the same time is relatively even. Variance of first modal is much larger than the other modals. A local wavelet power spectrum (LWPS) method is applied to analysis the cycle of F _10.7 index and time coefficient of first modal. The result shows that they have similar cycle distribution, indicating that F _10.7 index is the main factor affecting variation of N _m F ₂. A function is established between the tine coefficient of first modal and F _10.7 index, average F _10.7 index value of early 81 days f _p by least squares method. The results show that contribution coefficient of f _p is negative which indicates that f _p has an inert effect existing in the ionosphere. Contribution coefficient of F _10.7 is positive, which is consistent with the fact that it has an anomaly in winter/spring seasons. In summary, it is feasible to establish a mid-latitude empirical N _m F ₂ model in northern hemisphere based on occultation data and EOF decomposition method.     

神经元网络在谷氨酸发酵过程中的应用

针对谷氨酸发酵难以建立精确的数学模型这一问题,提出一种基于人工神经网络（ANN）的菌体浓度预测方法.首先对历史数据进行主元分析,提取特征信息,然后用实际生产过程中的训练数据训练神经网络,建立主元之间内部非线性关系,得到关于菌体浓度的非参数模型.仿真结果表明：该非参数模型泛化能力较强,并能达到很高的预测精度.     

树状放电的CPN识别方法

电力压器发生击穿之前会在固体绝缘材料上产生树状放电通道。若能检测到树状放电信号,则可以断定变压器绝缘状况已经恶化,因此在线监测中对树状放电的检测具有十分积极的意义。在实验条件下对在线监测中树状放电的识别进行了研究。建立了变压器绕组模型和树状放电产生电路,模型了在绕组不同部位发生树状放电的情况。通过CPN型神经网络的引入,成功地实现了在一定噪声水平下树状放电的识别。同时,对这种方法在线监测应用前景提出了一些设想。     

A study on correlativity between Qinghai-Tibet Plateau thermal infrared remote sensing data and underground temperature

Based on an analysis of the correlativity between Qinghai-Tibet Plateau thermal infrared remote sensing data (QPTIRSD) and underground temperature field distribution, the main factors which obviously influence underground-layer temperatures were derived. Using neural network technology, a model was built to compute underground temperatures via parameters out of the inversion of thermal infrared remote sensing (TIRS) and then analyze the correlativity between above-ground parameters and underground temperatures. This method offers a new way to apply TIRS in monitoring the suture zone of a large-area massif as well as to research structural thermal anomalies.     

基于人工神经网络的鲁棒短期负荷预测方法

提出一种用神经网络设计提前一天的短期负荷预测系统的方法.在对神经网络进行训练前,先通过一种简单的方法对数据进行了预处理,以使设计的系统具有处理由于突发事件等因素引起负荷突然变化的能力.用山东省电网2003年的负荷数据进行试验,试验结果表明方法的适用性.     

神经网络在二氧化碳提纯塔建模中的应用

为提高提纯塔出口二氧化碳纯度，根据实际生产数据运用人工神经网络方法建立了出口二氧化碳纯度与进塔纯度、进塔温度、塔顶压力、塔顶温度、塔釜加热温度、塔釜压力、塔釜温度7个因素之间的非线性模型.建立的模型能够有效描述出口二氧化碳纯度与各因素之间的关系，同时通过训练好的网络能够找到生产较高纯度二氧化碳的最佳控制点.与传统线性回归模型、对数回归模型相比，采用人工神经网络方法建立的模型非线性处理能力强，鲁棒性好，拟合精度高，计算速度快，预测和控制能力强.