基于双层规划的普通克里金插值方法研究

采用双层规划描述了普通克里金法中理论变异函数模型参数求解问题.针对传统变异函数模型参数求解过程中容易受人为不确定性因素影响的问题,建立了以交叉验证统计结果最优和个体样本满足最优无偏线性估计为目标的双层规划模型,并给出了相应的求解方法.该方法根据交叉验证结果优化调整上层系统随机给定的变异函数模型参数,可以减少变异函数模型参数求解过程中人为不确定等因素的影响,从而可以获得合理的理论变异函数模型参数和较好的空间插值结果最后,以土壤pH值为例,通过与加权最小二乘法比较验证了采用该方法的有效性和合理性.     

轨道分析解的改进方法及其应用

主要介绍一种通过改进各类轨道摄动项的表达形式,以优化计算效率的轨道分析解改进方法。以低地球轨道为例,阐述了轨道分析解改进后的具体算法,并通过数值仿真分析验证了算法的有效性和实用性。算法以第一类无奇点根数作为轨道状态量,采用开普勒轨道根数计算各类摄动力的长期、长周期和短周期项,通过较简单的组合形式计算无奇点根数的对应摄动项,实现在保持分析解精度和消除小偏心率奇点的同时,提高计算效率。仿真结果表明,分析解算法的模型精度在1E-5量级,符合一阶分析解理论精度的预期;同时计算速度达到传统分析解算法的4倍左右,可有效提升空间碎片轨道预报的计算效率,具有较强的工程应用价值。     

基于树型空间的三维树木模型匹配

为解决三维树木模型的检索具有正确率低、检索效率低、描述不匹配等问题,提出一种基于树型空间的三维树木模型匹配方法。该方法通过构建三维树木模型数据集的树型空间,辅以主轴匹配,轮廓匹配,枝干匹配等方式,经过树型空间中欧氏距离和测地线度量差异值,逐步匹配到相应的三维树木模型,该方法分别在通用模型数据集和自我设计的模型数据集进行了匹配性实现,结果表明可以较大幅度提升树木模型匹配的准确率,利于三维树木模型的大规模检索和重用。     

锥巴拿赫空间上(α,β)-导子的稳定性

The Hyers-Ulam stability of ( α,β ) - derivations from a unital ring R to a R -bimodulewhich is a cone Banach space with the cone norm ||·||P , whereP is a normal cone in a real Banach spaceE is investigated associated with the following functional equation f (( a + b) c ) = f ( a ) α ( c ) + β ( a ) f ( c ) + f (b) α ( c ) + β (b) f ( c ) using the fixed point method and the direct method respectively.     

离子与分子碰撞的空间构象设计

离子与分子碰撞是涉及复杂电子关联效应、多通道耦合效应的多体反应动力学过程,具有重要的科学研究意义,其过程广泛存在于多个领域,一直以来备受关注.在碰撞参数模型的半经典理论框架内,以几种典型分子(线性分子、平面分子和立体分子)分别作为靶分子,固定入射离子的初始速度方向,根据靶分子结构的对称性相对于入射离子速度方向的空间取向,设计离子与分子碰撞的空间构象,并结合球坐标的角度参数将方法推广至离子与对称性较低的靶分子碰撞的普遍情况.最后,以质子与一氧化碳分子碰撞的含时密度泛函理论模拟结果为例,分析5种碰撞空间构象下的电子俘获概率随碰撞参数的变化规律.     

山地水田土壤环境质量评价及重金属来源解析

选择以非传统重点关注农区——广东省东部山地水田土壤作为研究对象，调查土壤中Cd、Hg、As、Pb、Cr、Cu等6种重金属的质量分数水平及空间分布情况，评价环境质量现状并进行重金属来源解析.研究结果表明:该区水田土壤环境中各重金属的平均质量分数未超过国家标准中的农田土壤污染风险管制值；基于筛选值的样本超标率均在10%以下，土壤环境质量总体良好，农产品重金属超标风险低；土壤中重金属的来源可能主要包括受人为干扰的土壤成土母质因素、工业污染因素、无干扰的土壤成土母质因素和交通污染因素，分别影响土壤中Cd、As、Cr、Cu、Hg、Pb的质量分数和空间变化特征，是导致土壤环境污染的潜在因素.建议该区在发展农业经济、工业经济、公共服务体系等时，注意做好环境规划、管理及污染防治；对超筛选值的轻度和中度污染土壤采取进一步的生态风险评估和农产品协同监测机制，对极少数重度污染土壤采取改种非食用农作物的措施.     

TransE和TransH模型空间地址表示学习中的对比研究——以广州市天河区为例

将地理知识融入空间地址，研究空间信息与语义信息融合的知识表示学习方法；将空间地址数据集在TransE模型和TransH模型上进行训练，通过元组分类和向量间距离评估的方法进行对比研究.研究结果表明:(1)在地址实体的表示学习任务中，TransH模型在对复杂关系的建模任务上明显优于TransE模型；(2)在语义知识基础上融入空间关系，能够有效地解决地址实体语义相似而空间距离不相近和空间距离相近而语义不相似的两大问题.语义关系与空间关系的融合，将能够挖掘更多有价值的信息，有利于进一步开展地理知识图谱的补全工作，可为地理知识图谱表示学习提供方法借鉴.