土压缩模量计算公式的探讨

从压缩模量的定义出发 ,对土压缩模量的计算公式进行了理论分析 ,得出了更加合理的表达式。     

基于CPTU和MASW勘察信息融合的二维土性参数剖面贝叶斯表征方法

静力触探试验(CPTU)和多通道表面波分析(MASW)是常用的场地勘察方法,有效利用上述两种试验数据以准确表征土性参数剖面是一个关键难题.本文提出了一种基于贝叶斯理论的岩土和地球物探测试数据融合方法.采用假设的算例验证所提方法,并进一步应用于澳大利亚Ballina试验场,用以融合勘察数据和表征土性参数剖面.结果表明,融...     

基于GIS的空间插值方法研究

对地理信息系统空间数据分析中的空间数据插值方法从广义的角度分为点的插值和面的插值进行了论述,讨论了点与面的各种插值方法的理论基础、算法以及应用方式,并对空间插值的应用与推广及相关的问题进行了阐述．指出在运用空间插值方法时,要得到理想的空间插值效果,必须针对不同研究区的实际情况,对实测数据样本点进行充分分析,反复试验比较,以选择最佳的方法,并在运用一般插值方法的基础上,依据自身需要及学科的特点,对插值方法进行改进,进而提出适合各学科研究的更优的空间插值方法．     

基于常规试验的土体侧限压缩模量计算方法及应用

根据e-p曲线和e-lg p曲线的关系，建立了一个土体侧限压缩模量简易计算方法，并将其应用于某实际工程，计算结果表明本方法更符合实际。     

天津降水数据的空间插值分析

采用反距离加权法(IDW)、梯度距离平方反比法(GIDW)、普通克里格法(OK)、协同克里格法(COKRING)插值方法,对天津市及周边地区四种频率年平均最大一日暴雨量数据的空间插值精度进行对比研究.交叉验证表明:四种频率降水量的插值平均绝对误差(MAE)为:15.77mm、18.42 mm、11.71mm、11.72mm;平均均方根误差(RMISE)为:22.02 mm、33.29 mm、19.43mm、19.71 mm;插值精度排序为OK>COKING>IDW>GIDW;OK与COKRING差别并不明显,GIDW精度远低于IDW;降水频率的高低影响插值的误差,二者呈显著负相关关系.天津一日最大暴雨量的空间分布特征为:由北部山地和东南部沿海向中部地区逐渐减少.     

基于贝叶斯推理的Web服务质量评价方法

为了对Web服务质量进行准确评价,提出了一种基于贝叶斯推理的Web服务质量评价方法.该方法首先从客观数据和主观数据两个方面,使用最大熵原理提取先验分布信息,然后通过贝叶斯推理出服务质量(quality of service,QoS)的分布参数,最后使用获得的QoS分布参数给出可信的QoS后验分布信息,从而对Web服务质量进行评价.大量的实验结果表明,本文提出的方法能够准确地对Web服务质量进行评价.     

土壤特性的空间差异及其空间插值方法研究

对土壤养分的空间差异及其空间插值方法进行研究,获得田间土壤养分的连续空间分布,是精准农业技术体系中用GIS管理和分析土壤背景数据的一项基础性工作.本研究对一块面积为28533m2的旱地以30m×30m间隔采样,获36个有关土壤速效钾、速效磷和有机质含量的采样数据.用移动平均、趋势面拟合、点状克立格、逆距离加权等空间插值方法得到各种插值的连续空间分布,与同期用15m×15m采样间隔所得132个实际观察数据进行比较,结果表明几种插值方法并无显著差异,但其中以克立格和逆距离加权插值整体效果最好,尤以克立格指数模型最佳.     

贝叶斯压缩感知稀疏信号重构方法研究

讨论了贝叶斯框架下压缩感知稀疏信号重构的方法,描述了基于非参数方法构建压缩感知字典的过程.实验结果表明:基于贝叶斯方法的压缩感知算法能够对单元脉冲信号进行较好重构,且与其他算法相比具有更小的重构误差.最后对贝叶斯压缩感知的发展进行展望.     

双桥静力触探与土的压缩模量关系研究

通过对双桥静力触探锥头阻力、侧摩阻力与室内压缩模量关系的回归分析,对江苏省不同地貌单位不同地质成因的百余个项目的黏性土压缩模量与双桥静力触探锥头阻力、侧摩阻力的指标进行了统计,并与单一指标进行了对比,利用线性回归进行了分析,结果表明：黏性土的压缩模量与双桥静力触探锥头阻力显著相关,与双桥静力触探锥头阻力、侧摩阻力两个指标高度相关,存在较好的线性关系,采用双桥静力触探探头锥头阻力、侧摩阻力两个指标拟合黏性土压缩模量的公式比较符合实际,为实际工程中利用原位测试手段取得土的压缩模量提供借鉴。     

有限维Hilbert空间奇偶相干态的方差压缩和熵压缩特性

运用数值计算的方法研究了有限维希尔伯特空间奇偶相干态的方差压缩和熵压缩特性,并对两种压缩效应进行了比较,数值计算结果表明:各有限维希尔伯特空间奇相干态均不出现方差压缩,但具有熵压缩效应.各有限维希尔伯特空间偶相干态出现方差压缩时,熵一定出现压缩,熵压缩范围较方差压缩范围大,可见熵更敏感于光场的压缩效应.     

基于互信息的分布式贝叶斯压缩感知

压缩感知理论应用于分布式认知网络中时,由于每个认知用户所处的信道环境差别很大,因此频谱感知的精度相差很大.为了提高感知的精度,提出了一种结合了分布式网络中的数据融合方法和压缩感知理论中的高效的数据处理方式的方法.首先,单个认知用户单独地运用压缩采样(CS)进行频谱的粗略感知,然后通过互信息的计算可以得到两两认知用户之间感知信息的差异,而差异大的两个认知用户之间会产生关联.认知用户的感知信息会按照这种关联进行共享.信息共享后,在每个认知用户端,基于贝叶斯推理的压缩感知恢复会重新进行来更新之前的感知结果.仿真结果表明,在感知精度与感知速率方面,算法性能均有改善.     

一种基于贝叶斯压缩感知的图像修复方法

图像修复是利用图像中已知区域信息对破损区域进行信息填充,以弥补信息的损失.传统的修复方法依赖图像的结构来确定,使图像达到人眼主观可以接受的程度.基于贝叶斯压缩感知的图像修复方法首先对受损图像进行稀疏变换,利用贝叶斯压缩感知得到稀疏系数的后验分布函数,求得分布函数的均值和方差,将均值作为图像的稀疏系数的估计,方差作为噪声的估计.仿真结果验证了该方法可以提高图像的修复质量.     

基于贝叶斯推理和向量压缩技术的最大功耗分析

针对模拟评测电路最大功耗分析速度缓慢的问题,使用贝叶斯推理功耗模型和切片分析技术进行向量压缩,优选出可能生成最大功耗的向量进行详细分析。进一步的,基于输入信号翻转密度和最大功耗生成之间的关系分析,设计自适应翻转密度与向量生成平台,结合贝叶斯向量压缩技术进行最大功耗评测。实验表明,基于切片分析的贝叶斯模型向量压缩平均加速比达1005倍,分析误差2.40%;结合自适应翻转密度计算与向量压缩的评测方法平均加速比达163倍,最大功耗分析结果相对原始序列提高1.99%。     

压缩候选的贝叶斯信念网络构造算法

针对传统算法分类速度较慢的不足,改进传统算法中候选变量的搜索方式,提出用依赖度量函数测量变量之间的依赖程度,得出压缩候选的贝叶斯信念网络构造算法.该算法在不影响原有算法可靠性的前提下,提高了学习速度.     

山东省多年气象要素空间插值方法比较研究

针对山东省境内气象站点分布比较稀疏的情况,以1990～2001年山东省17个气象站点的年平均降水和温度为基础数据,分别建立了平均降水和温度与海拔、经纬度和植被指数(NDVI)之间的回归方程;在此基础上建立模拟站点以增加气象数据的信息量。分别采用反距离加权法(IDW)、径向基函数法(RBF)和普通克里格法(OK)3种插值方法进行比较插值分析。结果表明:模拟站点的加入大大提高了插值的精度;采用的3种插值方法中,普通克里格法比反距离加权法和径向基函数法具有更为理想的插值效果。     

带断层的地层空间插值算法研究

在数值模拟、油藏地质研究等油田应用研究中经常需要提据已知的离散数据建立起地层或属性场的空间数学模型。空间插值算法成为油田研究数学建模中的关键技术，但各种算法都无法解决带断县的地层整体空间插值，本课题重点就要研究解决带断层的地层空间插值算法的实现。     

湖南省年均降水量空间插值模拟方法比较研究

用反距离权重法、普通克里金法、协克里金法、径向基函数法、全局多项式法、局部多项式法对湖南省及其周边50个气象站点1971-2000年年均降水量进行空间插值,将插值估算结果与检验点作对比分析,结果表明,上述6种插值方法均能反映湖南省内平均降水量的空间分布特征,局部多项式法插值误差最小,精度最高.由于降水量是受多因素影响的复杂过程,还需要考虑更多的因素对现有插值模型的改进,进一步提高降水量空间插值的精度.     

珠江三角洲网河区水位空间插值的kriging方法

分析了珠江三角洲网河区水位变化特征.基于区域化变量理论,提出珠江三角洲网河区水位空间插值的kriging方法,给出描述该网河区水位空间分布结构的半变异函数,分析了网河区水位的空间分布,以及水位的空间结构性-方向性和相关距离,并给出了丰水期的一个应用实例,为该地区防洪决策提供科学依据.     

基于MATLAB三次样条插值的压缩因子求解

介绍了普遍化压缩因子图结合MATLAB三次样条插值在求解压缩因子时的实用方法,实现了压缩因子快速,准确的求解     

基于Cholesky矩阵分解的贝叶斯压缩感知信号处理

随着雷达、卫星遥感技术的的高速发展,信号重构精度和效率的要求越来越高.针对传统贝叶斯压缩感知(Bayesian compressed sensing,BCS)算法需要进行高维矩阵反复求逆致使算法复杂度过高、运算时间过长的问题,结合Cholesky矩阵分解快速求逆方法,提出一种基于矩阵分解的改进贝叶斯压缩感知算法.通过仿...