典型植被的高效电磁全波分析方法研究

(地物的电磁散射特性一直以来在遥感、探测、反隐身等领域具有重要的应用价值。由于地物类型繁多且分布不均匀, 随着计算场景的扩大, 理论模型变的越来越复杂, 计算量也会直线上升。在这种情况下, 现有计算平台和建模能力不足以模拟并准确地得到场景环境较大时典型地物的电磁散射特性, 导致理论模型的预测值与实验测量数据相差甚远。因此, 急需建立一种高效的全波电磁分析方法, 从而能够精确、高效地分析典型地物的电磁散射特性, 为实际大型地面场景特性仿真提供模型与理论支撑。)本文建立了求解TDS、介质的混合积分方程, 采用周期格林函数技术, 实现大场景下典型植被的雷达散射截面积快速计算。     

基于MODIS-NDVI汶川震中区域十年后植被恢复的时空变化特征分析

为分析研究受汶川地震影响下茂县、汶川以及都江堰三县的植被动态恢复状况,通过对中分辨率成像光谱仪-植被指数(MODIS-NDVI)时间序列数据计算2007～2017年各年的植被覆盖度,进一步计算2009～2012年以及2013～2017年植被覆盖恢复率,并结合地形地貌、地质构造、地质灾害、植被类型和人类活动等影响因素探讨该地区植被恢复的时空差异变化。结果表明:研究区植被在2007～2017年这10年内随着时间逐渐恢复,且恢复较好,但震中区域差异明显;结合实地调查滑坡数据,得知研究区与滑坡区植被恢复都表现出明显的滞后性;海拔和道路距离与植被恢复面积比分别存在显著的相关性;不同坡向上的植被恢复面积比也存在差异;研究区内地质构造复杂的区域地质灾害频发,灾害密度越大,植被恢复显著点较少;由于各种植被类型的特性不同,导致植被恢复的快慢不同,其中草甸、针叶林、阔叶林及灌丛自然恢复速率较快。可见,研究区内植被恢复受到自然与人为等多种因素影响,震后绝大部分区域植被在10年内恢复到震前水平,但部分区域需要人类进行政策保护,研究结果可为地震灾后植被恢复的决策干预提供理论支撑。     

基于参数化分位回归模型的非寿险准备金评估

准备金及其风险边际对保险公司的偿付能力具有决定性影响.均值回归模型在非寿险准备金评估中的应用较为普遍,但需要通过Bootstrap等方法计算准备金的风险边际.分位回归模型可以一次性求得准备金及其风险边际的预测值,所以在非寿险准备金评估中具有独特的应用价值.基于GB2(Generalized Beta type 2)分布建立了一种参数化分位回归模型,该模型首先对GB2分布中的位置参数和尺度参数同时引入流量三角形数据中的事故年和进展年作为解释变量,增加了模型的灵活性;其次,根据模型参数的极大似然估计结果,借助分位数函数的表达式,计算了不同分位数水平下的准备金预测值;最后,利用极大似然估计的渐近性质,通过Delta方法给出了准备金预测值的误差.基于一组增量赔款数据的实证研究结果表明,GB2参数化分位回归模型在非寿险准备金评估及其风险边际的预测中具有良好的应用价值.     

海洋钻井平台塔型井架安装方式探讨

由于海洋钻井的复杂环境和作业条件,要求海洋钻井井架结构具有强度高、稳定性高、底部开档大及良好的司钻视野等特点,大多选用塔型整体结构井架。因资源、环境条件、工期及施工费用等因素,塔型井架在钻井平台上的安装是一个复杂的课题。针对可能的塔型井架安装方案,通过分析各种影响因素,提出井架分段吊装的方式,并成功应用于海洋石油281平台,为后续钻井平台塔型井架安装提供了作业借鉴。     

联系一些特殊函数的Hilbert型积分不等式及其算子范数表达式

利用权函数方法、实分析技巧和特殊函数的相关理论,建立一个多参数的联系一些特殊函数的Hilbert型积分不等式及其等价式,证明其常数因子是最佳的,并给出其算子范数的表达式.     

高速实时可见光通信技术研究及应用

 介绍了可见光通信技术的发展历史及研究现状。基于带宽拓展技术搭建了1 W荧光型LED做光源、PIN光电二极管做探测器、单路速率610 Mb/s的实时传输演示系统，该系统在传输距离为6.2 m时的误码率为3.48×10^-5。在此基础上搭建了荧光型LED为光源、PIN光电二极管做探测器的、双向100 Mb/s无线光上网演示系统。     

齐次核的Hilbert型多重级数不等式取最佳常数因子的等价条件及应用

利用实分析技巧和权函数方法, 讨论具有齐次核的多重级数Hilbert型不等式, 得到了其取最佳常数因子的充分必要条件, 并给出其应用.     

F-CC调和映射的若干结果

引入从黎曼流形到伪Hermitian流形间的F-CC调和映射的水平能量泛函.利用F-水平应力-能量张量的增长条件和该映射在无穷远点处的渐近条件得到一些刘维尔型结果.     

基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像, 建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本, 利用低空无人机搭载的光学相机, 在从地面难以到达的山地、水域和植被茂密区, 通过垂直拍摄获得厘米分辨率的航拍影像, 作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-blue vegetation index, RGBVI), 然后使用大津分割法提取样方的植被覆盖信息, 得到构建模型所需的训练样本。在此基础上, 基于2018年8月16—18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据, 利用递归特征消除算法优选参与随机森林回归的特征变量集, 利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923, 均方根误差为0.087, 优于常用的像元二分模型, 可用于矿区植被动态信息的精细化监测。     

计算Ulam映射高阶关联函数计算的数论方法

为计算logistic映射的高阶关联函数，本文提出了一个包含定义、引理及定理的数论方法，该方法的层次性结构有助于通过逐级求解丢番图方程来简化计算. 作为应用，本文计算了映射的前5阶关联函数. 6阶以上的关联函数也可以通过该方法直接算得.