基于伴随同化法的一维河流水质模型参数反演

本文利用伴随同化法研究了一维河流水质模型中污染源源强与纵向离散系数的反演问题.伴随同化法通过使模型计算值尽可能接近实测值即模型计算值和实测值的距离(目标函数)最小来反演最优模型参数,利用拉格朗日算子法将以模型方程作为约束条件的反演问题转化为无约束最优化问题,并利用最速下降法求解.在污染源源强反演算例中,利用河道一维瞬时污染源的解析解作为约束条件,开展了4个污染源源强反演的数值实验,采用不同组合源强初值进行反演计算均能取得较好的演算效果,验证了该方法对多参数的适用性以及对初始值的鲁棒性.纵向离散系数反演算例中,以河道上下游相邻断面的浓度关系为模型约束方程,采用Guymer(1998)示踪实验中得到的观测数据反演河道纵向离散系数,得到的纵向离散系数值比传统的演算法得到的结果更加准确.     

河道式水库水流混合输移参数的研究

本文对河道式水库混合输移参数的识别作了若干研究。给出了获取这些参数,进行示踪实验和数据整理的方法,得到富屯溪洋口水电站库区水流横向混合系数M_y和纵向离散系数D_L的值。经验证认为,当河段宽深比介于20与60之间时,公式M_y=βWu和D_L/M_y=K(29≤K≤59)基本上适用于河道式水库。     

一种改进的桥梁结构物理参数识别算法

为了解决悬臂型桥墩结构在输入信息未知条件下的物理参数识别问题,采用将松弛法与改进的全量补偿算法结合起来的算法,通过对参数的离散化,对输入未知条件下的一悬臂型桥墩结构的多个物理参数进行了识别。结果表明:无噪声条件下,结构各物理参数识别精度较高;添加不同噪声后,由于Rayleigh阻尼中质量和刚度阻尼系数的数量级差别较大,以致质量阻尼系数的识别结果相对误差明显较刚度参数大,但均在精度要求范围之内。该改进的算法不仅理论上更加完善,同时也具有很高的识别精度和一定的收敛速度,为弯曲型结构物理参数识别研究提供了一种新的方法思路,便于工程应用。     

黄河下游干流纵向离散系数估算方法

利用水文监测数据,采用理论积分公式计算纵向离散系数,通过量纲和相关分析得到估算黄河下游干流纵向离散系数的一般公式形式;考虑河床变化大、河道不顺直、含沙量大等特点,根据研究河段不同的河道特征,以理论计算值作为样本数进行多元回归分析,采用分段的方式分别得到适用于黄河下游干流河段的污染物纵向离散系数的经验估算公式.结果表明,应用该经验估算公式得到的山东河段相关系数较高,河南河段估算结果不够理想.     

非恒定流作用下丁坝水毁研究现状分析

丁坝是天然河流中常见的航道整治建筑物,丁坝水毁研究是世界难题。恒定流作用下的丁坝水毁研究较多,但丁坝在非恒定流作用下水毁却是更加显著。本文分析了丁坝水毁原因及非恒定流作用下的水毁特征,阐述了非恒定流作用丁坝研究进展,给出了天然河流非恒定流的过程特征。     

黄河龙潼段揭河底泥沙数值模拟

分析了１９７７年小北干流的两场洪水资料,建立了非恒定流泥沙数学模型,模拟该河段的揭河底冲刷。并用７月６日的洪水率定系数和参数预测了８月３日洪水的水沙过程,其计算结果令人满意。     

基于布谷鸟搜索算法的动载荷识别

工程结构经常受到动荷载的作用,对结构产生不利的影响。为了准确有效地获取结构承载状态,提出了基于Newmark-β法的布谷鸟搜索算法识别动载荷。该算法将时间离散成若干个时间步,采用Newmark-β法对离散后系统的运动方程求解,得到动载荷作用下的结构响应;然后将动载荷响应作为优化变量,以计算响应和测量响应之间的差异为目标函数,利用布谷鸟搜索算法最小化目标函数,实现动载荷的反演。为了验证算法的准确性和有效性,以受动态载荷作用的简支桥梁为例进行反演,分别讨论了鸟巢数量、测点位置、测点数量以及测量噪声对反演结果的影响。数值算例表明,该方法可准确有效地反演动载荷。     

土压平衡盾构改性砂土离散元模型参数反演方法研究

首次将遗传神经网络与三轴试验离散元数值模拟有机结合,用于改性砂土颗粒离散元接触模型参数反演.反演目标是使三轴试验离散元模拟曲线与真实实验曲线误差最小,采用的求解策略是基于遗传神经网络的参数识别.三轴试验的离散元数值模拟为网络提供训练样本,遗传算法映射网络输入与输出样本之间的复杂非线性关系,改性土三轴试验的真实测量曲线为参数反演提供依据.以反演结果为接触模型参数的三轴试验离散元模拟曲线与真实实验曲线相吻合,为改性土离散元接触模型参数的确定提供了有效和准确的方法,为进一步的盾构密封舱压力分析奠定了基础.     

部分输入未知条件下的桥墩物理参数识别及波浪力反演

基于全量补偿复合反演算法,对孤立墩柱在波浪力部分输入信息未知条件下,分别对无噪声和有噪声干扰的情况进行桥梁墩柱结构的物理参数识别及波浪时程反演研究。算例数值分析表明,结构物理参数识别结果满足精度要求,对墩柱在部分未知输入信息下的参数识别的反演方法是可行的。从而为跨江、跨海墩柱受波浪力作用下的结构物理参数识别研究提供了一种新的方法,供工程应用参考。     

水-气二相流本构模型参数的反演识别

在地下水多相流问题的模拟研究中,需要确定各相流体的本构模型参数.为此,首先通过非稳定水-气二相流试验获取砂土中水-气二相流动过程的试验数据,然后建立考虑水相、气相流动及相互溶混的水-气二相流数学模型,采用Marquart-Levenberg最优化算法建立水-气二相流本构关系模型参数反演模型,结合非稳定水-气二相流的试验数据,对水-气二相流本构关系模型（VG和VGM）参数进行了反演识别,得到了与试验中土样相关的水-气二相流本构关系模型参数的最优估计值.将所得到的水-气二相流本构关系模型参数的最优估计值代入到水-气二相流数值模拟模型中,对该非稳定水-气二相流试验过程进行模拟,将对应的模拟值与试验过程的观测值进行对比分析,二者吻合较好,证明了最优参数估计值的准确性和参数反演识别模型的有效性.该研究成果可以为确定多相流系统中与各相流体（包括水相、气相和非水相流体（NAPL））有关的本构关系提供帮助和技术支持.     

基于精细积分的桥梁移动荷载识别精度分析

为了识别作用于桥梁结构的移动荷载并对识别的敏感性进行分析,比较各参数对识别结果的影响,首先有效地将桥梁结构振动微分方程转化为精细积分方法的一般形式,进而得出荷载识别精细积分方法的HPD-S格式;基于Matlab仿真技术,重点讨论测量噪声、模态数、车速及采样频率等几个主要参数对识别结果的影响。仿真算例表明,该识别方法对模态数不敏感,但对采样频率敏感性较高,车速与测量噪声是影响荷载识别精度的主要因素。通过选择适当的参数,该方法可以有效地识别桥梁结构的移动荷载,从而为工程应用提供技术指导。     

噪声数据流的分类方法

数据流中噪声数据的处理是当前数据流分类挖掘中重要的研究分支,近些年来得到了广泛的关注.本文提出了一种称为FDBCA的数据流分类算法.它使用基于密度的带有噪声的空间聚类(DBSCAN)的改进算法Fast-DB-SCAN(FDBSCAN)处理噪声数据,并利用错误率方差(MSE)来检测概念漂移.同已有的数据流分类算法相比,实验结果表明了FDBCA算法可以提高噪声数据流的分类精度.     

基于实码遗传算法的河流水质模型的参数估计

针对理想条件下采用解析法往往导致水质参数估计较大误差的问题,以及针对含有多参数的二维水质模型的参数估计问题,具体介绍了采用有限单元法和实码遗传算法求解二维水质模型未知参数的基本步骤,对水质参数(包括纵向、横向弥散系数和衰减系数)分别进行编码,通过计算机模拟浓度输出,并与实测值比较从而得出最优的水质参数估计值．算例表明,采用有限单元法-遗传算法估计河流水质模型的参数是可行的．     

多变量频域极大似然辨识算法研究

提出了多变量频域极大似然辨识算法.在单变量频域极大似然辨识算法的基础之上,得出多变量系统的频域极大似然辨识算法,并且优化设计多正弦辨识输入信号.针对大型挠性结构的模型进行了仿真,验证了算法的有效性,同时仿真结果表明:对于挠性结构,多变量频域极大似然辨识算法是有效的,而且能够在较大的频宽、较低信噪比的情况下得到良好的辨识结果.     

基于立体靶标的摄像机标定方法

为获取视觉测量系统中二维图像到三维空间位置的变换关系,提出一种基于立体靶标的摄像机标定方法.针对无畸变小孔成像模型,使用最小二乘法求解初始投影矩阵后通过LM准则对其优化;根据多张图像对应的投影矩阵,求解摄像机内参数及各相应外参数;引入二阶径向畸变模型,建立理想图像坐标和实际图像坐标间的方程求解初始畸变系数;使用LM准则...     

基于B-Spline插值的自适应去噪方法

为了提高在高水平噪声下的去噪效果,提出了一种适合对受随机冲击噪声污染图像重建的两步去噪方法。利用图像的全局和局部信息来定位被噪声污染的像素,对被噪声污染像素利用基于B-Sp line插值的方法来进行重建,并且根据被污染像素周围像素的污染情况自适应地调整对其的加权因子。实验结果表明:通过B-Sp line插值来恢复被噪声污染像素的方法,对污染噪声的水平具有很好的鲁棒性,特别是在噪声水平高于50%的情况下,重建图像的峰值信噪比PSNR比传统方法平均可以提高2~3 dB。     

混合调制信号调制识别方法

研究基于决策理论算法的混合调制信号特征参数提取与自动识别技术,提出适合混合调制信号调制识别的树型分类器及相应识别步骤。在外调制、内调制识别时首次分别采用副载波信号个数构成的特征矢量、均值归一化包络方差、副载波信号瞬时幅度分布区域统计值等算法,抑制噪声干扰,提高特征参数的准确性,仿真结果表明,在信噪比为6 dB情况下,调制识别率接近90%,和现有混合调制识别方法相比取得较好的识别效果,在混合信号调制识别管理中具有广泛的应用前景。     

基于K-means聚类与PSO特征优选KNN的分级负荷识别方法

针对非侵入式负荷辨识中,单一V-I轨迹特征无法对相似的轨迹特征进行有效识别以及所提取特征易出现冗余甚至噪声特征的问题,提出了一种基于K-means聚类与PSO特征优选的分级非侵入式负荷识别方法。首先,利用K-means算法对负荷V-I轨迹的HOG特征进行初步分类,将轨迹相似的电器分为一类;然后,对每一类中的电器电流数据进行多维特征提取并采用PSO算法选取最优特征子集;最后,利用KNN模型进行二级负荷识别。实验结果表明,该方法有效提高了负荷识别准确率;提取V-I轨迹的HOG特征解决了同一电器V-I轨迹波动的问题;对一级分类后的每一大类单独进行PSO特征优选KNN二级分类,解决了部分电器对特征子集适应性差的问题。所提方法在一定程度上解决了冗余特征甚至噪声特征对辨识准确率的影响,为负荷特征的选取提供了新的思路,对负荷辨识的实际应用具有重要的参考意义。     

自适应高斯混合模型语音增强方法

语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号．针对噪声环境下的语音增强问题,提出了一种语音增强新方法．该方法利用小波子带的方向性特点以及小波系数尺度内的相关性,将小波系数的概率分布建模为一种自适应高斯混合模型,在贝叶斯框架中采用这种概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数．利用这种萎缩函数可以实现对小波系数的修正．仿真实验表明,该算法对于噪声有较好的抑制作用,该算法在主观和客观测试中都具有良好的语音增强效果,可以在语音识别、语音编码中获得应用．