排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
设计海上重气平板-高斯烟羽扩散模型,其中平板模型用在重气沉降阶段,高斯烟羽模型用在重气湍流扩散阶段,并设计虚拟源将两者结合.同时,对海洋环境下的模型参数进行优化,包括风速、泄漏源有效高度以及扩散参数等,将调整后的参数输入模型,对事故区域重气浓度定量可视化.结果表明,事故点处,重气以8 m/s的风速向东北方向扩散;在下风向98 m处等浓度曲线以内为爆炸限度;在转折点31 m处,两模型衔接基本吻合.经专家实地检测,以(100m,0.0025 kg/m~3)为校正点,校正后的模型仿真与当时扩散浓度点基本吻合.因此,该模型可对重气泄漏扩散浓度区域可视化,并为之后应急救援等提供技术支撑. 相似文献
2.
为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。 相似文献
3.
为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。 相似文献
4.
1