矿区GPS高程异常相关向量机拟合模型

为提高GPS高程异常拟合的精度及可靠性,基于相关向量机模型（Relevance vector machine,RVM）,提出了一种稀疏化概率式的GPS高程异常SVM拟合模型。以柯西核函数与交叉验证法构建相关向量机,并推导了置信区间的估计公式。以某矿区GPS高程控制网为例,构建了基于相关向量机的高程异常拟合模型,并与多项式拟合、BP神经网络和遗传最小二乘支持向量机进行精度对比,通过置信区间估计,评价拟合结果的可靠性。试验结果表明：①相关向量机的平均绝对误差 （Mean absolute error,MAE）、平均绝对百分误差（Mean absolute percentage error,MAPE）、均方根误差（Root mean square error,RMSE）等精度指标均较大幅度优于多项式、BP神经网络和遗传最小二乘支持向量机;②测试数据集的实测高程异常均在相关向量机估计的置信区间内。上述试验结果进一步表明：相关向量机是一种精度及可靠性高的矿区GPS高程异常拟合方法,对于快速测定矿区正常高有一定的参考价值。     

GPS结合遥感影像监测铀尾矿库技术探讨

分析相山铀矿田铀尾矿库的地物特征,使用遥感影像对铀尾矿库监测方案进行整理规划。布设GPS监测点,对尾矿库的运行状态、尾矿坝位移进行监控。监测结果显示坝体不够稳定,需要采取有效的安全措施进行整改。     

数字化铀矿矿山测量系统的探讨

分析中核抚州金安铀业有限公司(原核工业部721矿)现有的传统铀矿矿山测量生产过程的局限性,提出数字化测量系统在铀矿生产过程的可行性,并阐述了研制数字化铀矿矿山测量的总体思路、设计思想、以及实施效果等。     

基于变分贝叶斯平行因子分解的缺失信号的恢复

现有的工程信号处理方法都是基于完整的数据采集,并没有考虑缺失信号的处理。而在工程实际中,由于人为因素和自然界不可抗拒的因素,有时会造成传感器失效,从而造成信号采集的缺失。为了消除信号缺失对工程信号处理的消极影响,提出了一种基于变分贝叶斯平行因子分解的信号恢复方法。首先利用平行因子分析理论将采集的振动信号构造成三维张量,同时结合贝叶斯方法,引入潜在变量和超参数,建立贝叶斯平行因子概率图模型;其次采用变分贝叶斯算法推导出因子矩阵和超参数的后验分布,从而进一步推断出缺失元素的分布预测;最后通过分析该模型的下界,初始化参数的选择,使该算法更好的解决信号缺失问题。利用均方根误差和相对平方根误差对该算法的性能进行评估,仿真和实验结果表明,随着缺失比例的增大,变分贝叶斯平行因子分解算法相较于传统的低秩张量补全算法,误差更小,能够更加有效的恢复缺失的信号,有效地解决了工程信号处理中因传感器失效而引起的信号缺失的问题。