泰安市城区环境空气可吸入颗粒物源解析研究

本研究主要建立了泰安市可吸入颗粒物(PM10)的源与受体成分谱数据库，通过化学质量平衡(CMB)受体模型进行解析，得出了采暖期和非采暖期各颗粒物污染源对空气可吸入颗粒物污染物的贡献值和分担率，为有针对性的尘污染防治提供科学依据．     

基于分布源边界点法的新型近场声全息技术

文章提出采用分布源边界点法作为近场声全息变换算法,建立了基于分布源边界点法的新型近场声全息理论,该方法避开了采用边界元法时所存在的复杂的变量插值、奇异积分的处理、特征波数处解的非唯一性处理等问题,具有计算速度快、计算精度高、计算稳定性好等优点;针对重建结果对测量误差的高度敏感性,提出采用Tikhonov正则化方法稳定重建过程,抑制了重建误差的影响;提出新型的半自由声场全息重建和预测方法,解决了存在地面反射的声场的全息重建问题,对音箱源的研究验证了文中方法的可行性和正确性。     

滇黔桂低温成矿域基底岩石的锆石年代学研究

陇要超基性岩的变质岩捕虏体,为探讨滇黔桂低温成矿域的基底岩石组成提供了极佳的线索．初步的碎屑锆石SHRIMP和LA-ICP-MS年代学研究显示,原岩沉积时代的下限约为430Ma,相当于晚志留世一早泥盆世,该组锆石可能主要来源于盆地南侧坍塌的早古生代晚期（广西期）造山带;沉积物源区地壳可能主要存在-430Ma,-520Ma,-770Ma,-860Ma,-960Ma,-1100Ma和-2500Ma等七组地壳或再循环地壳组分;对于深厚覆盖区之下的基底岩石类型及其性质,深源岩石包体能够提供其他研究对象无法提供的直接证据．     

带非局部源退化奇异抛物方程组的一致爆破模式

文章研究了带有齐次Dirichlet边界条件的非线性非局部源的退化奇异抛物型方程组正解的一致爆破模式,在适当的假设条件下,证明了爆破集是整个区域,精确地得到了正解的一致爆破模式.     

超宽带通信信号欠定盲源分离

针对超宽带通信信号,提出了一种新的二阶段欠定盲源分离方法:阶梯图-最小角度法。在第一阶段即混叠矩阵估计阶段,提出用阶梯图对均匀抽样的数据点进行聚类计算,建立了一种估计混合矩阵的工程化模型,它可以直接估计出源信号个数,并且得到精度较高的混合矩阵估计值;在第二阶段借助最小角度分离准则估计出源信号,从而获得较好的分离性能。     

具有小世界特性的复杂液压系统故障源搜索方法

针对复杂液压系统故障多样、成因复杂、隐蔽性强,故障源辨识困难,提出了一种基于小世界特性的先网络社团结构划分、后社团内的复杂液压系统故障源搜索的层次分析方法.构建了复杂液压系统的网络拓扑结构,以同时具有大的介数和度数的节点作为网络中故障传播社团的中心,来改进Wu-Huberman算法,从而实现了社团结构的划分.根据各社团连接边对应管路的液压参数变化,确定包含故障源的社团,进一步计算该社团故障传播的可达矩阵,定位了故障源节点.经过对轧钢加热炉液压系统起升故障的分析和故障源查找,证实了该方法可以根据系统网络的结构特征和间接故障表现,实现复杂液压系统故障源的识别.     

一类具非局部源抛物型方程组解的一致爆破性质

考虑带齐次Dirichlet边界条件,具非局部源项的半线性抛物型方程组正解的爆破性质,给出了该问题的解在有限时间内爆破的一个充分条件,以及解的两个分量同时爆破的必要条件,并建立了解在区域内部一致爆破的模式.     

基于四阶累积量的近场源多参数联合估计

提出了一种近场窄带信源多参数联合估计新方法,通过所构造四阶累积量矩阵的特征值及其特征向量就可以直接获得近场源频率、方位及距离三维参数的联合估计,无须峰值搜索,适用于任意高斯噪声环境．与现有方法相比,所提方法有效地避免了阵列孔径损失,而且算法简单高效．仿真综合结果表明了新方法的有效性．     

基于决策树的多源遥感数据分类

遥感影像是获取土地覆盖信息的重要手段。分析了影响决策树分类的特征因子,并根据这些因子构建分类决策树。结合中分辨率多源遥感数据,对贡嘎山区进行土地覆盖分类,通过与最大似然法分析对比,基于决策树的多源数据分类对试验区的分类精度(总体精度85.71%,Kappa系数0.83)远高于基于像素的最大似然法监督分类(总体精度63.56%,Kappa系数0.58)。     

基于改进多核学习的多传感数据分类方法研究

物联网（internet of things,IoT）技术中结合多个数据源互补信息提高数据分类准确率的研究受到了越来越多的关注。针对物联网无线传感器采集到数据的多源异构特性,给出了一种基于改进多核学习支持向量机（improved multi-kernel learning-support vector machine,IMKL-SVM）的IoT数据分类方法。传统的多核学习方法中核函数主要是采用经验法选取核函数类型及参数,本文改进方法在确定核函数类型及参数时分为两步：首先采用交叉验证方法初步确定核函数类型及参数;其次在第一步结果中利用支持向量机（SVM）同时训练样本和优化多核函数的类型及参数。实验中针对温度、湿度、光照、大气压力等4种数据设计了两组数据——第一组数据被标记为上午、中下午、傍晚、夜间4类,第二组数据被标记为白天、傍晚、夜间3类,比较了本文的IMKL-SVM方法、单核SVM方法及传统MKL-SVM方法在两组数据集上的分类准确率。此外,针对UCI公开数据集AReM进行了分类实验,实验结果表明IMKL-SVM方法针对具有多源异构特性的物联网数据实现了较高的分类准确率。