基于DEM的广东省平均气温空间插值Ⅰ——研究方法

以广东省为研究区域．利用地理信息系统软件ArcGIS9．3,分别运用样条函数法、反距离权重法、普通克里格法对广东省及周边的60个气象站点2003—20｜2年的月平均气温进行空间插值,并根据气温垂直变化规律利用数字高程模型对插值结果进行了修正．采用平均绝对误差和均方根误差对插值结果进行精度评估。试图探索最适合广东省气温空间插值的方法．并通过引入数字高程模型提高插值精度。     

一种小子样试验数据分析方法

针对武器装备研制过程中试验次数有限的情况，阐述了一种小子样试验数据分析中均方差指标的校验方法，归纳出了一般计算步骤。最后通过实例介绍了该方法在火箭弹射击精度指标评定中的应用，验证了该方法的正确性和严谨性。     

全球定位系统/北斗双系统定位优势的验证与分析

为了验证与分析全球定位系统（GPS）与北斗卫星导航系统联合定位相较于GPS单系统定位在亚太地区的优势,利用GPS/北斗双频双模接收机开展不同模式下的动/静态单点定位实验和实时动态差分法（RTK）实验,并通过对实测数据的分析,给出了北斗导航卫星对GPS单系统定位的影响.结果表明,GPS/北斗双系统卫星观测相对于GPS单系统在卫星可视数量、卫星对于测站的几何分布、扩大连续运行参考站系统（CORS）网的作用范围等方面有很大的优势,而且双系统组合定位算法有效地提高了接收机的定位性能.     

房屋倒损评估中统计抽样方法的对比分析

以2014年云南鲁甸地震为例,结合遥感技术对比分析简单随机抽样、分层随机抽样、整群随机抽样在地震房屋倒损抽样调查中的适用性.结果表明:1)简单随机抽样精度最高且稳定性最好,总体精度达98.96%,各类型房屋倒损精度超过97.00%.但过于分散的样本点会使得调查成本非常高,特别是在道路不可通达时,需要考虑无回答样本的误差问题.2)以房屋结构或地震烈度为标识的分层随机抽样精度均较低,这可能是由于影响房屋损毁程度的因子较多,单一分层指标不能较好地反映目标的总体情况,难以体现分层优势.3)整群随机抽样是一种较为理想的抽样方式,其精度仅次于简单随机抽样,总体精度达93.31%,各类型房屋倒损精度均超过85.00%,而且该法有助于减少初级抽样单元数量,方便调查、节省成本.4)通过相关分析与回归分析发现,简单随机抽样、整群随机抽样的变异系数与房屋入样总量间均具有负相关关系,因此可根据实际精度要求,通过提高抽样比的方式降低变异系数来减小估计量方差.      

基于人工鱼群算法优化神经网络的WSN数据融合

无线传感网(wireless sensor network, WSN)通常节点众多、数据冗余度高,传统的基于随机权值和阈值的前馈反向传播神经网络(back propagation neural network, BPNN)数据融合方法易陷入局部极值,导致融合结果准确性差。提出一种优化神经网络的权值和阈值进而改善WSN数据融合质量的方法-人工鱼群算法前馈反向传播(artificial fish swarm algorithm back propagation, AFSABP)神经网络数据融合。仿真和对比实验结果表明,改进的鱼群算法在收敛速度和寻优精度上都有明显提升,改进后的人工鱼群BP算法数据融合方法相较于传统BP数据融合方法,可减少3.06%的相对误差和3.74%的均方根误差。     

复杂形面最终用途零件分层实体快速制造的精度分析

研究以金属为造形材料的复杂形面最终用途零件的分层实体快速制造,着重分析复杂形面零件现有分层实体制造的原理加工误差与残留加工量,并与三坐标数控加工进行比较,提出一种新的分层板切割加工工艺来降低分层实体制造的原理加工误差和残留加工量。以圆球曲面为对象的分析计算证明新的分层制造方法的效果─在相近或更佳精度与残留加工量的条件下可以将现有分层实体制造的分层厚度从０ ．０５～０ ．１０ ｍｍ 提高到１ ｍｍ 数量级,使最终用途金属零件分层实体快速制造成为可能。     

改进的高频天波雷达空间谱重构算法

提出一种适用于波束形成后数据的改进的高频天波雷达空间谱重构算法．由于不同接收阵元的目标相位叠加在波束形成后的数据中,当缺少独立阵元输出数据时,已有算法对相同波束宽度内的相干目标难以形成可分辨的空间谱．为此,利用伪逆变换处理波束形成后的数据以获得等效阵列数据,通过结合Toeplitz矩阵构造方法和MUSIC算法重新构造了空间谱,从而实现了相干目标的超分辨处理并改善了方位估计精度．仿真分析了所提方法的有效性以及不同的加权窗对其性能的影响．     

基于复合辛普森公式的GM(1,1)模型背景值的优化

背景值是导致GM(1,1)模型产生系统误差的主要原因之一,为提高模型的模拟效果和预测精度,根据灰色系统理论建模机理以及数据累加生成具有非齐次灰指数规律,构建灰色系统模型。基于GM(1,1)模型背景值的几何意义,结合复合辛普森求积公式和动态序列模型,提出一种新的GM(1,1)模型背景值优化方法。实例表明,基于复合辛普森公式的背景值优化算法所建立的GM(1,1)模型,可以有效地提高模型的预测精度和适用性。     

提高商品大米加工质量的途径

大米营养均衡,食用品质优良,是人类生活最基本的主食之一。我国食用大米人口众多,约有2/3以上的人以大米为主食,年消耗大米约1.25亿吨,商品大米市场很大,其加工质量的好坏直接影响其商品价值。从大米加工精度、碎米含量、糠粉含量、杂质含量及产品包装等方面论述如何提高商品大米的加工质量。选择科学加工工艺与设备,加强大米加工现场质量管理,严格遵守操作规程,各个环节紧密配合,确保检验数据科学全面有代表性,才能使商品大米符合精度等级要求,确保去皮均匀,表面光洁,含碎适宜,含杂、含石、含糠不超标,符合食品安全卫生标准,并依据消费群体需要采用适宜的内外包装形式,使商品大米更加多样化,满足不同消费市场需求,适应不同层次消费群体需要,努力做到企业与消费者都满意,达到提高大米商品价值,增加企业经济效益的目的。     

组合模型在港口集装箱吞吐量预测中的应用

根据某港的集装箱吞吐量的历史数据,分别利用时间序列的三次指数平滑法、改进的GM(1,1)残差模型以及组合预测方法对某港的集装箱吞吐量进行了探讨,并对未来几年某港集装箱吞吐量进行了预测.结果证明:组合预测模型融合了前两种预测方法的优点,其平均绝对误差、平均相对误差绝对值以及误差的标准差分别为4.5208,0.0343,49.5161,都小于单独用三次指数平滑法或改进的GM(1,1)残差模型时的平均绝对误差、平均相对误差绝对值以及误差的标准差,达到最优的精度等级.