2008~2016年MODIS多角度大气校正气溶胶产品在中国的时空分布及变化趋势

探究全国大气气溶胶分布及变化特征,准确了解中国地区气溶胶光学特性对研究大气环境污染、应对全球气候变化是非常重要的。对2008~2016年的MODIS MAIAC气溶胶光学厚度数据在中国的适用性进行验证,并采用Mann-Kendall方法,从不同的时空尺度和气溶胶类型上分析中国地区AOD值的时空变化特征。结果表明：①验证表明C6的MAIAC反演结果在中国AERONET匹配点上表现良好,C6的MAIAC反演AOD结果适用于中国区域;②从年际尺度上看,2008~2016年AOD年均值整体呈波动下降;从季节尺度上看,AOD季节变化呈春季整体高、夏季中心高、秋冬季水平低的特点,各省AOD平均值及各省份划区AOD平均值随季节变化趋势相似。③在空间上,AOD呈东南高、西北低、高值中心聚集的特征。④中国AOD变化整体呈现出东部减少且集聚,西部增加且分散的变化特征。可进一步探究不同种类气溶胶分布和气溶胶与典型大气污染物分布关系,以期为中国环境污染治理提供更好的决策指导。     

以“胡焕庸线”为界的中国东西部净初级生产力变化分析

推动区域均衡协调与可持续发展是我国的重大战略之一,植被净初级生产力（NPP）对生态环境是否可持续发展起着重要作用。以“胡焕庸线”为界把我国分为东、西部,从像元尺度和县级行政单元研究分析我国NPP、人口以及人均NPP时空变化,尤其是东、西部的区域差异。结果表明：我国人口增长较快,从1982年的10.05亿增长到2017年的13.95亿,以“胡焕庸线”为界的西部占比由5.91%增长到6.42%;我国NPP整体呈现增长的趋势,总量由1982年的2.69 Pg C增长到2015年的3.24 Pg C,增长率为16.60 Tg C/a,其中东部增长率12.30 Tg C/a是西部（4.30 Tg C/a）的近3倍;西部人均NPP远大于东部与全国,1982、2000、2010、2017年西部与全国人均NPP持续处于下降的状态,但下降速率略有放缓,东部人均NPP则在2017年首次出现增长。据此可知我国整体生态环境处于恢复的状态,但不同区域之间差异较大,因此在相关政策制定方面应该充分考虑区域差异性,以实现我国生态环境的区域协调发展。     

基于循环神经网络的电信行业容量数据预测方法

在电信运维的容量预测过程中,存在容量指标和部署业务种类繁多的问题。现有研究未考虑指标数据类型的差异,对所有类型的数据使用同种预测方法,使得预测效果参差不齐。为了提升指标预测效率,提出一种指标数据类型分类方法,利用该方法将数据类型分为趋势型、周期型和不规则型。针对其中的周期型数据预测,提出基于双向循环神经网络（BiRNN）的周期型容量指标预测模型,记作BiRNN-BiLSTM-BI。首先,为分析容量数据的周期特征,提出一种忙闲分布分析算法;其次,搭建循环神经网络（RNN）模型,该模型包含一层BiRNN和一层双向长短时记忆网络（BiLSTM）;最后,充分利用系统忙闲分布信息,对BiRNN输出的结果进行优化。与传统的三次指数平滑、差分自回归移动平均（ARIMA）模型和反向传播（BP）神经网络模型进行比较的实验结果表明,在统一日志数据集和分布式缓存数据集上,提出的BiRNN-BiLSTM-BI模型的均方误差（MSE）分别比对比模型中表现最优的模型降低了15.16%和45.67%,可见预测准确率得到了很大程度的提升。     

受天气与交通事故影响的安全路线选择模型

为完善安全为第一因素的路线规划导航系统,突出“以人为本”的理念,基于OD（Origin-Destination）的路段选择,综合考虑贵阳市交通事故数据和天气数据两大影响线路风险系数的因素。建立泊松分布模型和马尔可夫模型,分析区域内交通事故易发点在晴天、阴天、雨天发生交通事故点概率和路线概率,构建风险系数指标。针对模型求得的路线安全系数采用最大决策法选出最优安全路线。结果表明,贵阳市不同天气下发生的交通事故频率有差异,检验每个地点发生交通事故数服从泊松分布;现有导航软件推荐的第一路线并不是最优路线,第二条路线才是安全系数最大的路线。基于泊松分布模型和马尔可夫模型计算交通事故发生概率,为现有导航软件中增添了安全系数为第一参考值的人性化设置,有较好的社会价值和推广性。     

改进灰狼优化算法的K-Means文本聚类

针对K-Means算法在文本聚类过程中易陷入局部最优,造成文本聚类结果不准确的问题,提出了一种基于改进灰狼优化算法的K-Means文本聚类方法。在对文本数据进行分词、去停用词、特征提取以及文本向量化后,通过免疫克隆选择选出精英个体,并对精英个体进行深度探索以增加灰狼种群的多样性,避免早熟收敛现象的发生;将粒子群位置更新思想与灰狼位置更新结合,降低灰狼优化算法陷入局部极值的风险;与K-Means算法结合进行文本聚类。所提算法与K-Means算法、GWO-KMeans以及IPSK-Means算法相比,其准确率、召回率和F值平均都有明显提高,文本聚类结果更可靠。     

基于莱维飞行的改进简化粒子群算法

基于基本粒子群算法易陷入局部最优的不足,提出一种基于莱维飞行的改进简化粒子群算法LISPSO（An Improved and Simplified Particle Swarm Optimization algorithm based on Levy flight）。简化粒子群算法舍去更新公式中的速度项,仅由位置项控制其进化方向。在简化粒子群算法SPSO（Simplified Particle Swarm Optimization）的基础上,采用带有随机性的非线性递减惯性权重动态地更新每个粒子的位置。算法又融合了基于相似度及聚集度分析的莱维飞行。粒子与最优粒子间的相似度越高,或者粒子间的聚集度越高,则粒子利用莱维飞行来重新更新位置的概率也就越大,有效地帮助粒子逃离局部最优。利用matlab语言对11个测试函数进行算法仿真,结果表明,改进的算法在求解精度和收敛速度上有显著的改善。另外,将LISPSO算法应用于求解min-max-min问题,实验结果显示,改进算法在求解效果上明显优于其他对比算法。     

配电线路拓扑及台户区分自校验系统的研究

针对人工检查低压配电网拓扑关系带来的管理难度和成本高的问题,本研究分别在时域和频域上比较了皮尔逊相关系数和灰色关联分析,提出了一种实用的配电线路拓扑异常检查方法,该方法利用从数据采集与监控系统和电力信息采集系统获得的配电数据,使用皮尔逊相关系数来判断用户电压序列曲线的相似性,采用灰色关联法对用户样本集进行分析,对中间节点的电压变化确定了下游节点的异常位置,发现识别出站区标识错误的用户;根据实验验证的结果,与灰色关联分析法相比,皮尔逊相关系数不具有良好的鲁棒性,而且会增加误判的次数,采用频域相似度的灰色关联分析法得到配电线路拓扑校验准确率达到99.9％,十分适用可靠.     

基于粒子滤波的欠驱动移动机器人多目标点跟踪控制

针对欠驱动移动机器人的多目标点跟踪问题,提出了一种基于粒子滤波的高精度跟踪控制方法;具体地,在考虑移动机器人采样噪声的情况下,首先利用粒子滤波对移动机器人的位置信息进行处理,得到精准可靠的移动机器人状态信息;在此基础上,根据欠驱动移动机器人的运动学模型以及目标点的分布状况,设计基于反馈控制的多目标点跟踪控制方法;相对于传统的欠驱动移动机器人目标点跟踪控制算法,改进了该控制方法中增益参数的约束条件,有效避免了移动机器人在接近目标点时产生的奇异现象,有效提高了移动机器人对目标点的跟踪精度;此外,分析了该目标点跟踪控制系统的稳定性,并通过数值仿真验证了所提方法的可行性与有效性.     

PIV技术在冰盖下复式断面渠道流速测量中的运用

在测定冰盖下复式断面流场、流速的模型试验中,水体中的运动粒子是重点研究对象。粒子图像测速(Particle Image Velocimetry,PIV)技术已在水力学研究领域得到普遍应用,但该技术在冰盖下复式断面渠道模型试验的应用为国内首次。基于试验特点,设计砖砌混凝土的循环水箱,采用变频器配合水泵、流量计实现对流量的定量控制,对不同流量下不同断面的流场、流速进行测定,采用PIV技术对水体中运动的粒子的位移场进行具体分析。试验结果表明,PIV分析结果能够直观反映流场中的状态,且可以避免测量盲区,其所测的流速与多普勒超声测速仪测得值吻合较好,并给出了横向流速分布图,弥补了传统方法无法获得冰盖下的流场分布的难题。     

高应力硬脆玄武岩微裂隙分布及破裂发展辨识

白鹤滩水电站区域构造地应力高,玄武岩坚硬性脆、隐微裂隙发育,地下厂房开挖过程顶拱浅层应力型开裂和深层破裂特征明显,传统的声波、钻孔电视测试和变形监测等方法难以精确获取岩体微破裂裂隙分布特征及高应力破裂发展特征信息。采用高精度超声波成像综合测试系统新方法,对厂房顶拱应力破裂破坏显著区域进行了多次重复测试。测试成果揭示：① 厂房顶拱上方岩体赋存的裂隙面倾角以陡倾角为主,优势倾角范围为45.98°~52.06°;裂隙面的倾向为NWW向,优势倾向范围为276.36°~292.01°,裂隙面倾角和倾向随深度变化不明显。② 顶拱浅层围岩破裂裂纹集中区一般在3.50~4.25 m的深度范围内,围岩深部诱发破裂裂纹区主要分布在9.68~10.11,16.12~16.32,21.45~21.77 m范围。③ 局部岩体受顶拱应力场不断调整演化作用,出现岩体破裂随时间加剧的现象。该成果高精度地辨识了玄武岩不同深度微破裂裂隙面分布特征、深度范围和应力破裂发展特点,对研究高应力硬脆玄武岩力学特性和响应机理提供了坚实基础资料,为工程开挖施工和动态支护设计发挥了重要支撑作用。