基于分数进制小波变换与支持向量机的短期风速预测

本文探讨了一种基于分数进制小波变换与支持向量机(SVM)的短期风速预测模型。首先探讨了通过小波变换提取风速序列振荡特征提高传统模型预测精度的思路,进而分析了分数进制小波变换通过品质因子可调的变换模式实现的较传统小波变换更为自由精细的时频局部性能,以及在振荡信号特征提取领域的优越性;之后探讨了基于分数进制小波变换时频分解与SVM预测的风速预测模型的构建流程;实验结果表明,该模型与基于传统小波变换与SVM的预测模型以及神经网络、SVM模型相比,能够有效的提高预测精度。     

基于Google Earth的毛乌素沙地新月形沙丘移动规律研究

以Google Earth平台分辨率为0.61 m的QuickBird高分辨率遥感影像为基础,选择毛乌素沙地22座典型新月形沙丘,提取2个不同时期的沙丘形态参数数值。沙丘形态参数分析表明:沙丘宽度与背风坡水平长度之间显著相关。沙丘在移动过程中,宽度减小,迎风坡水平长度增加,背风坡水平长度减小；沙丘移动速度与沙丘宽度间具有良好的相关性,移动速度为3.5~9.5 m/a。沙丘前移过程中,沙丘形态既有正向演变又有逆向演变,说明沙丘移动的复杂性。