基于GOCI遥感数据的湖泊富营养化监测研究

采用高时间分辨率的地球同步海色成像仪(geostationary ocean color Imager,GOCI)遥感数据,以日本霞浦湖的西湖为研究对象,利用波段比值法建立了基于GOCI遥感影像的叶绿素a质量浓度反演模型.以此探讨利用GOCI数据估算湖泊水体富营养化程度的可能性.研究结果显示,遥感数据波段比值能够反映湖泊叶绿素a质量浓度随时间演变趋势,两者的相关系数达62％,利用反演模型得到的叶绿素a质量浓度的平均相对误差小于50％,表明GOCI遥感数据具有对湖泊富营养化程度进行监测的潜力.     

基于软传感器技术的海水富营养化监测

藻类的繁殖生长状态很难用一种传感器在线、实时地直接测量出来。影响藻类生长的环境理化因子众多,这些环境因子之间又相互作用,海洋生态环境是一个高度复杂的非线性系统,很难用传统的机理建模方法来描述。文中用T-S模糊神经网络描述这种复杂的非线性系统,通过构造软传感器来测量藻类的繁殖生长状况。将叶绿素a的含量作为描述藻类生长状态的直接指标,并作为系统的输出变量,通过相关性分析,将影响藻类繁殖生长的主要环境因子作为系统的输入变量,通过对样本的学习训练,构造基于T-S模糊神经网络的软传感器模型。实验结果表明,这种软传感器模型能较好地描述可测环境因子与海水叶绿素a含量之间的非线性映射关系,验证了这种软传感器在监测海水水质异常变化时的有效性。     

广西河流型湖泊和水库的水质富营养化评价

选择广西境内人工筑坝形成的11个主要河流型湖泊和水库开展水质监测,采集样品测定叶绿素a、总磷、总氮、透明度和高锰酸盐指数,进行水质富营养化评价。结果显示,广西11个主要河流型湖泊和水库的水质整体处于中营养状态,处于富营养化的初级阶段。南宁、贵港、桂林等广西中部地区湖泊和水库的综合营养状态指数相对较高,河池、百色等西部地区湖泊和水库的综合营养状态指数相对较低,百色市澄碧河更处贫营养状态。     

基于高分一号影像的沙河集水库水质遥感反演

沙河集水库是滁州市重要的水源供应地,关系着市民的饮水安全问题,水质的变化监测受到了政府的高度重视。通过遥感影像实现水质参数反演,对水库水质监测和保护工作具有非常重要的理论意义。因此,利用2021年6月和7月高分一号影像和同步的实测水质数据,建立了基于多元回归和BP神经网络的叶绿素a浓度和浊度模型,并进行精度评价,对研究区定量反演,以探求水库水质分布情况。结论如下：从模型精度来看,叶绿素和浊度进行多元回归模拟的RMSE分别为0.745、0.216,R2为0.694、0.844,平均相对误差为13.19%、7.09%,;BP神经网络模拟的RMSE分别为0.103、0.19,R2为0.865、0.958,平均相对误差为2.5%、7.11%,两者对沙河集水库水质反演都具有可行性,但BP神经网络要优于多元回归;从水质遥感反演来看,2021年6月沙河集水库的叶绿素a浓度在2.2～5.6ug/l之间,7月叶绿素a浓度在1.8～6.7ug/l之间,均处于中营养状态,为Ⅱ类水质,6月浊度在0～4NTU之间,均值为1.16NTU,7月浊度值集中0.5～4.6NTU之间,库区均值为2.46NTU,总体达到了...     

基于QAA和GSM算法的水库水体吸收系数反演

本文基于13组不同季节获得的遥感反射率、水体各组分吸收系数的实测数据,对QAA和GSM算法在水库水体的吸收系数反演进行了检验。以水样测量值为参考,两种算法在本研究水体中的反演成效与他人在其它水域的研究结果相当。对于443 nm的总吸收系数,QAA算法的对数均方根误差为0.080,平均相对误差为19.446,对数平均偏差为0.069;GSM算法的对数均方根误差为0.165,平均相对误差为38.834,对数平均偏差为0.088。两种算法中的部分经验参数与实测值之间的差异是产生反演误差的主要原因,为了提高反演精度,对算法中经验参数的更进一步区域化调整可能是必要的。     

基于LCS的水库供水规则分类系统

建立了基于遗传学习分类器系统(LCS)的水库供水规则分类系统,通过信任分配(桶链算法,BBA)与规则发现(遗传算法,GA)机制进行学习,提取水库供水调度规则.实例研究得到学习样本识别率接近95%,检验样本识别率为85%.进一步从调度规则的合理性、学习样本对规则集的影响以及该分类系统与人工神经网络对规则提取结果的比较这3个方面分析了系统提取规则的性能与行为.研究表明,利用该分类系统提取水库供水调度规则是可行且有效的.     

莆田市外度水库富营养化防治存在的问题及对策研究

湖库型饮用水水源是供给我国居民用水的重要资源,受人类活动影响,大量氮、磷等营养物质进入水库,引起水体富营养化,成为当前面临的突出问题.该文在多年来对外度水库水源地环境状况开展调查评估的基础上,分析外度水库存在的环境问题及造成的原因,从水源地污染治理、水资源保障和风险防控等方面提出规划管控建议,保障莆田人民的饮水安全,同...     

基于蜂群算法的多小波图像去噪研究

针对在多小波图像去噪中阈值难以选取问题,提出基于群体智能算法—人工蜂群算法(artificial bee colonyalgorithm,ABC)优化多小波阈值。详细介绍了群体智能算法的发展历程和分类,阐述了ABC算法的基本原理、工作流程,及其优化多小波阈值在图像去噪中的具体步骤,比较了遗传算法(genetic algorithm,GA)、粒子群算法(par-ticle swarm optimization,PSO)、蚁群算法(antcolonyoptimization,ACO)以及ABC算法4种算法各自的优缺点。将提出的方法与GA算法和PSO算法优化多小波阈值进行了对比,通过仿真,证明提出的算法可以有效地去除高斯白噪声,提高图像的峰值信噪比(peak signal to noise ratio,PSNR),具有很好的去噪效果。     

基于曲率熵和高斯混合模型的DEM简化算法研究

针对现有数字高程模型(DEM,digital elevation model)简化算法对地形变化复杂区域的简化效果不够理想的问题,提出了一种基于高斯混合模型(GMM,Gaussian mixture model)和曲率熵的DEM精简算法。该算法首先根据DEM数据的高程信息对其进行聚类,将体现地形局部几何信息的熵与曲率相结合作为简化指标,针对不同的子类依据曲率熵的大小进行不同程度的精简。GMM聚类算法的引入能够保证各种地形数据在简化的过程中均得到一定程度上的保留,不会在平坦的区域简化过多的数据从而造成数据的不连续性。实验结果表明,与传统的简化算法相比,本文提出的算法具有高精度、数据空洞小、地形保持度高的特点,更加适合结构复杂、变化多样的地形。     

基于遗传算法和模拟退火算法优化神经网络的铁路营业里程预测

提出应用遗传算法(GA)和模拟退火(SA)优化神经网络预测铁路营业里程.采用3层前馈神经网络实现铁路营业里程的时间序列预测,输入节点数为5,隐层节点数为8,输出节点数为1.对神经网络的连接权重和节点阈值的确定,采用GA和SA算法相结合的混合优化学习策略.两种算法结合时,SA算法处于外层,GA处于内层.GA采用实数编码,把要确定的神经网络节点连接权重和节点阈值作为基因串.数值计算结果表明混合优化的神经网络的学习速度和精度都比单纯BP算法得出的结果好.因此,用GA-SA混合优化的神经网络预测铁路营业里程是可行的.     

基于AES算法和改进ECC算法的混合加密方案

高级加密标准(AES)和椭圆曲线密码算法(ECC)是对称加密技术和非对称加密技术中的重要算法.首先对AES算法和ECC算法进行了讨论,在对影响ECC算法效率的因素模逆操作进行了改进,提出基于AES算法和改进ECC算法的混合加密方案.该方案具有运算速度快,安全性能高的优点,具有很好的实用性.     

基于抗体的蚁群优化算法研究

针对蚁群优化（ant colony optimization,ACO）容易陷入局部最优,提出一个基于抗体的新型蚁群优化算法(ant colony optimization based on immune algorithm,ACOI)。ACOI是利用免疫算法中抗体的概念来改善人工蚂蚁搜寻解空间的方式,使人工蚂蚁不仅会依随费洛蒙的指引,还会受到抗体的影响去搜寻解空间;而抗体也会随着环境的改变,使抗体成为有效的及无效的2种情形,有效的抗体对人工蚂蚁会有影响,无效的抗体则没有影响。用旅行销售员问题（traveling salesmen problem,TSP）验证ACOI的效能,并与ACO做比较,证明了在蚁群系统中加入抗体要比单纯的蚁群系统效率更高。     

基于人工蜂群算法优化支持向量机的 采场底板破坏深度预测

为确定合理的底板防水煤岩柱尺寸,减少底板突水安全事故的发生,利用支持向量机(SVM)与人工蜂群算法(ABCA)综合研究底板破坏深度问题。由于SVM训练参数惩罚因子C和核函数宽度g的选择对预测精度的影响显著,采用ABCA优化该训练参数的选择过程,建立基于SVM的底板破坏深度预测模型。选取采深、煤层倾角、采厚、工作面斜长、底板抗破坏能力和是否有切穿断层或破碎带作为影响底板破坏深度的主要影响指标,利用现场实测的30组数据作为样本对该模型进行训练和预测。结果表明:该预测模型的平均相对误差为12.5%,平均绝对误差为0.986m,均方误差为0.005,平方相关系数为0.980,较其他预测模型具有更强的泛化能力和更高的预测精度。     

基于CUDA平台的时域有限差分算法研究

文章针对传统时域有限差分(FDTD)算法的不足,以图形加速卡为核心,通过理论分析和数值模拟,研究并实现了基于CUDA平台的FDTD并行算法。CUDA是最新的可编程多线程的通用计算GPU模型,由于FDTD算法在空间上具有天然的并行性,因此非常适合在GPU上实现并行算。文章描述了在CUDA编程模型上的FDTD算法的设计以及优化过程,并通过数值仿真实验结果证明了基于GPU的并行FDTD算法可以大大减少计算时间,基于GPU加速已成为电磁场数值计算的研究热点之一。     

基于组织进化粒子群算法的水电站水库优化调度研究

为解决粒子群优化算法存在的早熟和易陷入局部最优的问题,提出了一种组织进化粒子群算法（OEPSO）。该算法将进化操作直接作用在组织上,通过组织间的相互竞争、协作,最终达到全局优化的目的,较好地克服了基本粒子群算法易于早熟和陷入局部最优的缺点。在分析水库优化调度的数学模型和OEPSO算法特点的基础上,提出了基于OEPSO算法的水库优化调度的方法,建立了数学模型,并给出了具体求解步骤。实例验证表明,OEPSO算法具有良好的收敛速度和计算精度,为水库优化调度问题提供了一条新的有效求解途径。     

基于猎人猎物优化算法改进粒子滤波的滚动轴承剩余使用寿命预测技术

针对目前滚动轴承剩余使用寿命(RUL)预测存在的预测精度不高、预测模型累计误差大等问题,提出一种融合Hodrick-Prescott(HP)趋势滤波边界线(HPTF-BL)、猎人猎物优化算法改进粒子滤波(HPO-PF)的滚动轴承剩余使用寿命预测方法。该方法首先将HP趋势滤波与退化边界线构建相结合,对表达轴承退化信息的特征指标进行处理,得到上下退化边界与主要退化趋势,然后利用猎人猎物优化算法(HPO)改进粒子滤波(PF)的重采样过程,再使用改进的方法对特征指标进行趋势预测,最后结合设定的失效阈值线得到最终的剩余使用寿命。使用美国辛辛那提大学智能维护系统(IMS)中心的轴承实验数据验证了所提方法的可行性与有效性。     

基于混合DE—PSO算法的水库优化调度模型及其应用

水库优化调度实质上是一个非线性的不等式约束优化问题,在现行的求解方法中,对计算精度和复杂约束处理这两个问题一直考虑不足,相关方面的研究也较少．将粒子群算法和差分进化算法引入到水资源系统工程中,建立了水库调度的DE—PSO优化模型,避免了寻优瓶颈;针对复杂约束问题,提出退火罚函数法,有效地解决了水库调度问题．通过实例分析,验证了所给方法的可靠性．     

基于粒子群和人工蜂群算法的混合优化算法

提出一种基于粒子群(PSO)和人工蜂群算法(ABC)相结合的新型混合优化算法—PSOABC。该算法基于一种双种群进化策略,一个种群中的个体由粒子群算法进化而来,另一种群的个体由人工蜂群算法进化而来,并且在人工蜂群算法中按轮盘赌的方式选择个体进化所需的随机个体。此外,算法采用一种信息分享机制,使两个种群中的个体可以实现协同进化。对4个基准函数进行仿真实验并与ABC进行比较,表明本文提出的算法能有效地改善寻优性能,增强摆脱局部极值的能力。     

基于改进蝙蝠算法优化广义回归神经网络的岩质边坡稳定性预测

在对边坡进行稳定性评价时,传统的数值分析法计算量大,对经验的依赖性强,无法很好地反映边坡动态开放和非线性的特征.针对岩质边坡的上述特点,采用广义Hoek-Brown非线性破坏准则力学参数作为边坡稳定性的影响因素.利用改进后的蝙蝠算法(bat algorithm,BA)搜寻最优解来更新广义回归神经网络(generalized regression neural network,GRNN)的光滑因子,建立改进的BA-GRNN边坡稳定性预测网络.针对蝙蝠算法种群个体缺乏变异机制,在迭代过程中寻优能力下降的问题,引入交叉变异算子改进蝙蝠种群的多样性,使其保持持续优化能力.将改进BA-GRNN网络、BA-GRNN和GRNN3种网络得到预测结果进行对比,发现改进后的BA-GRNN预测网络对于边坡状态和安全系数预测精度更高,在边坡稳定性的预测方面有更好的适用性.