黄河石嘴山站水沙变化及趋势分析

为探明黄河石嘴山站的来水来沙过程,便于海勃湾水库的水沙调度,根据1951-2016年的水沙数据,采用非线性统计等方法分析了黄河石嘴山站的水沙序列变化及发展趋势。结果表明:石嘴山站水沙年内分配不均匀,20世纪60年代变化剧烈;66a来年径流量与年输沙量均呈显著性减少趋势,且具有正持续性,持续影响时间约8a、10a;水沙序列分别于1986年、1968年发生突变,突变原因与黄河上游大型水库的运用密切相关;龙羊峡、刘家峡水库分别对径流和泥沙的影响显著,二者联合运用后,石嘴山站流量基本处于2 000m3/s以下,水沙分配趋于均匀;不同时期的水沙关系重新调整,但均不显著;石嘴山站多年平均含沙量及多年平均来沙系数均较刘家峡水库运用前明显降低,但在龙、刘两水库联合运用后基本不变。     

澜沧江小湾水电站坝前水温垂向分布特征

水温是水生态系统中关键的环境因子,对水生生物的生存繁殖和水环境系统生态平衡具有重要作用。大型水库建成蓄水后改变原有河道水温结构,垂向上会出现水温分层现象。以澜沧江小湾水电站为研究对象,获取坝前1～200m水深不间断高密度水温数据,开展小湾水电站坝前垂向水温分布特征研究。结果表明:小湾水库为典型分层型水库,坝前水温存在全年分层现象,夏季分层现象最明显,冬季分层现象最弱;表底层水温年平均温差达8.14℃,水温相对水深年变化率为0.05℃/m;坝前表层水温与气温呈正相关关系,水温最值出现时间较气温滞后;温跃层厚度变化趋势与深度相反,温跃层深度随季节发生变化,春季温跃层深度下降,冬季上升,夏秋两季处于稳定状态。     

南水北调中线干渠藻类增殖潜势的数学分析方法与建议

针对南水北调中线干渠存在的藻类增殖风险问题,基于氮磷等营养物质及藻类孢子的大气沉降为汇入源的前提假设,采用沃伦韦德尔模型以及河南、山东、京津冀地区氮沉降平均值及全国磷沉降平均值,对中线干渠全线的营养物质累积趋势进行了估算。结果表明,渠水到达监测点三里屯后,渠水中的营养物质累积浓度会超过富营养化阈值;综合考虑大气中藻类孢子沉降的影响,结合藻类增殖的Monod模型,对文献报道的中线藻类数量空间分布数值进行了拟合,估算出中线干渠藻类生长速率在0.21～0.46个/d范围内波动,取得了相对中值误差为23.71%的估测结果;并在此基础上,提出了可提高预测结果精确度的监测方案。     

扫描阅卷系统中模板定制和图像聚类方法的研究

为了适应答题卡多样化需求和提高答题卡图像识别的准确率,提出了扫描阅卷系统中模板定制和图像聚类方法。首先基于人机交互方式进行模板定制,定义填涂区域属性和答题卡结构信息,并开发了模板制作器,实现答题卡模板文件的制作和管理;其次给出基于K-means改进算法的扫描阅卷系统中图像聚类方法,选择局部聚集密度最大的数据点作为初始聚类中心以得到全局较优的聚类结果,并通过计算区分度进行聚类结果评价;最后基于VC++和MS SQL Server2000开发了基于K-means改进算法的扫描阅卷系统,并对该系统进行了实验测试。测试结果表明,采用K-means改进算法进行扫描阅卷时能够得到稳定的图像聚类结果,大大提高了客观题阅卷准确率,具有较高的实用价值。     

一种实时系统时间约束验证方法研究

目前,能够对汽车电子领域中复杂嵌入式系统安全关键软件功能模和时间约束分析的方法尚在研究中,而这些系统作为实时控制系统,应该确保其具有准确的、可分析的时间行为。时钟约束规范语言CCSL是实时系统的标准描述语言中描述时钟约束的规范语言。采用CCSL规范表达式描述实时系统时间约束;设计了CCSL基本元素到时间自动机基本元素的转换规则;使用时间自用机验证工具UPPAAL对转换得到的自动机模型进行验证分析,验证实时系统是否满足相应的时间约束。     

结合切空间及特征空间校准的增量流形学习正则优化算法

高维流式大数据的产生与发展对传统机器学习和数据挖掘算法提出了诸多挑战。本文结合流式大数据流式到达的特性,首先建立自适应增量特征提取算法模型。然后,针对噪声环境,建立基于特征空间校准的增量流形学习算法模型,解决小样本问题。最后,构造流形学习的正则化优化框架,解决高维数据流特征提取过程中产生的降维误差问题,并得到最终的最优解。实验结果表明本文提出的算法框架符合流形学习算法的3个 评价指标：稳定性、提高性以及学习曲线能迅速增加到一个相对稳定的水平;从而实现了高维数据流的高效学习。     

基于帧差时空特征的步态周期检测方法

针对传统基于可穿戴传感设备步态周期检测方法需要用户高度配合的问题,本文采用计算机视觉的方法来研究高精度步态周期检测算法。受帧差法的启示,本文设计一种全新的步态图像表达特征 帧差步态时空特征,该特征不仅蕴含了步态 运动的空间,还含有步态运动的时间信息,能较好地表达步态运动周期中的各个状态。基于帧差步态时空特征,设计足趾离地状态检测算法,进而实现步态周期的自动检测。实验结果表明,本方法能精确检测步态周期中的足趾离地状态帧。     

改进的DFT插值频率估计算法及其DSP实现

在Quinn算法和插值迭代算法(A&M算法)的基础上 ,提出了一种改进的离散傅里叶变换(Discrete Fourier transform, DFT)插值频率估计算法。该算法首先通过Quinn算法估计出1个频率误差作为迭代估计算法的误差初值,然后用迭代算法精确估计频率误差。改进后的算法可以有效减少迭代次数,因此同时具有Quinn算法 的高效率和A&M插值迭代算法的高精度。为了提高算法在DSP处理器上的运行效率,本文还对算法在DSP上的实现提出了一种优化方法,有利于该算法的实时性应用。仿真结果表明该算法在频率估计精度、实时运算效率以及对噪声的抗干扰性能上均获得了提升。     

机器学习随机优化方法的个体收敛性研究综述

随机优化方法是求解大规模机器学习问题的主流方法,其研究的焦点问题是算法是否达到最优收敛速率与能否保证学习问题的结构。目前,正则化损失函数问题已得到了众多形式的随机优化算法,但绝大多数只是对迭代进行 平均的输出方式讨论了收敛速率,甚至无法保证最为典型的稀疏结构。与之不同的是,个体解能很好保持稀疏性,其最优收敛速率已经作为open问题被广泛探索。另外,随机优化普遍采用的梯度无偏假设往往不成立,加速方法收敛界中的偏差在有偏情形下会随迭代累积,从而无法应用。本文对一阶随机梯度方法的研究现状及存在的问题进行综述,其中包括个体收敛速率、梯度有偏情形以及非凸优化问题,并在此基础上指出了一些值得研究的问题。     

基于特征选择的相对k子凸包分类方法

k子凸包分类方法在实际问题中有广泛应用。但随着问题维数的增加,该方法计算得到的凸包距离非常接近甚至相等,这严重影响了分类性能。针对此问题,本文设计了一种基于特征选择的相对k子凸包分类方法。首先根据绝对凸包距离存在的不足引入相对k子凸包距离,然后在k邻域内利用判别正则化技术进行特征选择,并将特征选择融入相对k子凸包优化模型中,为每个测试样本在不同的类别中学习一个自适应的特征子集,从而得到一个用于分类的有效相对k子凸包距离。实验结果表明,该方法不仅能够进行特征选择,而且分类性能也有了明显提高。