考虑含水量的黄土高边坡稳定性预测模型研究

黄土高边坡土体的稳定主要受坡体含水量的控制,如果能提前根据含水量的变化预测边坡的安全系数和安全状态,就能及时采取安全措施,减少或避免由边坡失稳造成的损失。在搜集黄土高边坡工程典型实例资料的基础上,综合考虑影响边坡稳定的因素,根据边坡的几何、物理、力学参数构建训练样本和测试样本,基于LM算法的BP神经网络建立了黄土高边坡稳定性预测模型,并由资料拟合出黄土强度参数与含水量的关系式,由此提出了利用观测含水量预测关中地区高边坡稳定性的系统模型。最后以关中地区某一高边坡为例,简要介绍了该模型的使用。结果表明,模型的预测值和期望值吻合较好,具有较高的可靠性;当含水量超过13.4%时该边坡失稳,与实际情况吻合,说明该模型在关中地区具有较强的实用性。     

结合奇异值分解和DCT变换的零水印算法

提出了一种结合奇异值分解(SVD)和DCT变换的零水印算法。其核心思想是合理选取阈值，根据该阈值对图像块进行相应的奇异值分解或DCT变换，然后利用几个重要系数构造原始图像的提取水印信息，同时又从外部加载水印信息，既满足图像认证的需要，又能用来进行数据隐藏。同时针对现有水印技术大都难以抵抗几何攻击的现象，利用一个或多个几何矩对经过几何变换的水印图像进行参数估计并校正。实验表明此算法在压缩、滤波、几何变换等方面都具有很强的鲁棒性。     

水电站边坡滑面强度参数反演

该边坡为大坝建设区安全、稳定性要求最高的边坡,其整体稳定性直接影响到坝段的成立,对坝址的选择具有决定性的影响.对该区域的地质、水文资料的观测推测该边坡整体上不稳定,在现有资料的分析基础上,判断该边坡可能的破坏模式为覆盖层内部的滑动和沿基覆界面的深层滑动.基于现场量测结果和边坡安全系数的计算方法,对边坡的土体力学强度参数进行安全参数反演分析.     

基于地基雷达干涉测量技术的大坝边坡形变监测及应用

为了解决传统大坝边坡形变监测方法仅能获取点变形信息,且监测周期长、监测精度低、无法进行实时监测等问题,以云南牛栏江红石岩边坡为例,提出了基于地基雷达干涉测量技术(GB-InSAR)的大坝边坡形变监测。为了有效监测边坡形变情况,在详细分析地基干涉雷达测量技术的原理及关键技术的基础上,将其应用于该边坡稳定性的实时监测中。结果表明,采用地基雷达干涉测量技术对该边坡稳定性进行实时监测,可以有效监测边坡形变情况,达到边坡灾害预警的目的。     

造林土质边坡浅层平面滑坡模型的初步研究

造林土质边坡容易发生浅层平面滑坡。基于极限平衡理论,综合考虑土质边坡上林木根系的力学加固土壤作用和水文增加基质吸力效应,以及林木附加自重对边坡稳定的负面效应,建立了一个用来评价造林土质边坡浅层平面滑坡的分析模型。所有模型参数中土壤内摩擦角和边坡坡度的微弱变化能引起边坡安全系数较大浮动,而林木附加自重的变化对安全系数的影响较小。造林土质边坡浅层滑坡分析模型中林木根系对土壤的力学加固作用采用了修正的植物根系提高土壤抗剪强度的简单力学增强模型,相比以往类似边坡稳定性模型,分析模型显著提高了预测边坡稳定的准确性。      

番茄应力松弛特性的研究

以番茄品种辽园多丽的完整果实为试样,根据弹性力学Hertz理论及粘弹性理论,从平板压缩试验及应力松弛试验研究中提取力学一流变学性质参数,利用MATLAB软件和SPSS软件做非线性回归,建立了Maxwell力学模型.结果表明:3个成熟期的番茄纵向压缩形变在9mmm之内都属于弹性形变,且在瞬时形变为6mm下,应力松弛时间都不超过120s.     

Establishing an integrated mechanical model of root tensile strength—taking four common arbor species in North China for example

抗拉强度是建立边坡稳定模型时最常使用的植被根系特性之一。为建立根系抗拉强度的力学综合模型,对华北地区4种常见乔木油松、白桦、落叶松和蒙古栎的单根依照不同标距、不同拉伸速率进行了拉力试验。试验数据的分析结果表明：所有根系抗拉强度的观测值均通过正态检验;从数学角度出发,应用聚类分析方法,区分出4种乔木的极细根和细根;标距、树种对抗拉强度影响显著,拉伸速率对抗拉强度影响不显著。在理论推导和数据分析的基础上建立了乔木单根抗拉强度的力学综合模型,并对模型参数进行求解。该研究探明了单根抗拉强度的作用机理,对建立边坡稳定模型具有重要参考价值。     

华北地区4种常见乔木根系抗拉强度的力学综合模型

抗拉强度是建立边坡稳定模型时最常使用的植被根系特性之一。为建立根系抗拉强度的力学综合模型,对华北地区4种常见乔木油松、白桦、落叶松和蒙古栎的单根依照不同标距、不同拉伸速率进行了拉力试验。试验数据的分析结果表明:所有根系抗拉强度的观测值均通过正态检验;从数学角度出发,应用聚类分析方法,区分出4种乔木的极细根和细根;标距、树种对抗拉强度影响显著,拉伸速率对抗拉强度影响不显著。在理论推导和数据分析的基础上建立了乔木单根抗拉强度的力学综合模型,并对模型参数进行求解。该研究探明了单根抗拉强度的作用机理,对建立边坡稳定模型具有重要参考价值。      

结合深度学习和引导滤波的苹果叶片图像分割

针对传统方法对苹果叶片进行图像分割和测量几何形状参数精确度较低的问题,结合基于深度学习和引导滤波技术提出一种新的苹果叶片图像自动分割算法。首先采用深度学习方法,使用BiseNet卷积神经网络对苹果叶片图像进行自动分割,得到苹果叶片主体轮廓;然后使用彩色苹果叶片图像作为引导图像对主体轮廓进行引导滤波处理,以增强边缘锯齿等细节特征信息;最后将主体轮廓与细节特征信息进行联合分割,得到完整、准确的苹果叶片信息。对包含174种8 184张苹果叶片图像数据集进行试验,结果表明苹果叶片分割的精确率达到98.99%,交并比98.82%。利用本研究算法能够真正实现准确、快速测量苹果叶片的面积、周长等参数值,为苹果叶片几何参数的测定提供了一种新的测量方法。     

由星载GPS相位数据确定地球重力场模型若干问题研究

人造地球卫星在地球引力场中运动,可以探测地球重力场的长波信息.随着GPS技术的发展,星载GPS技术日趋成熟,因此由星载GPS相位数据确定地球重力场模型是当前国际地学研究的热点之一.本文给出了确定地球重力场模型中的星载GPS星地相位双差观测量,阐述了Cowell II数值轨道积分公式,导出了参数估计中星地双差观测量的偏导数,利用分块Bayes最小二乘参数估计地球引力场位系数等有关参数.     

结合深度学习和引导滤波的苹果叶片图像分割郑艳梅黄光耀芦碧波*王永茂

针对传统方法对苹果叶片进行图像分割和测量几何形状参数精确度较低的问题,结合基于深度学习和引导滤波技术提出一种新的苹果叶片图像自动分割算法。首先采用深度学习方法,使用BiseNet卷积神经网络对苹果叶片图像进行自动分割,得到苹果叶片主体轮廓;然后使用彩色苹果叶片图像作为引导图像对主体轮廓进行引导滤波处理,以增强边缘锯齿等细节特征信息;最后将主体轮廓与细节特征信息进行联合分割,得到完整、准确的苹果叶片信息。对包含174种8 184张苹果叶片图像数据集进行试验,结果表明苹果叶片分割的精确率达到98.99%,交并比98.82%。利用本研究算法能够真正实现准确、快速测量苹果叶片的面积、周长等参数值,为苹果叶片几何参数的测定提供了一种新的测量方法。     

基于粒子滤波的短时正弦信号相位参数估计

针对传统的相位参数估计方法的精度和局部收敛问题,提出了一种基于粒子滤波算法估计短时正弦信号相位的方法,设计了算法流程,研究了粒子数和相似度对参数估计精度的影响,估计了不同信噪比的正弦信号的相位,并与遗传算法和最小二乘法的结果进行了比较分析。结果表明,在信噪比大于20dB时,粒子滤波算法可以更快速、准确地估计出正弦信号的相位。     

森林资源的卡尔曼滤波

本文引入Kalman滤波理论中状态变量的概念,将森林资源看作一个系统,描述森林资源状况的随机变量是系统的待估状态,通过建立由生长方程和抽样观测方程组成的线性滤波模型,利用Kalman基本方程,对森林资源的现状、将来及过去分别作出滤波、预测和平滑估计.在给出森林资源滤波模型一般形式的基础上,根据观测信息的不同,将滤波模型分为:以样本均值为观测值的滤波模型(KFM-1)和直接以样本单元值为观测值的滤波模型(KFM-2).模型经福建省1983、1988年两期杉木资源清查材料验证表明:KFM-2优于KFM-1;动态估计优于静态估计;Kalman滤波优于SPR动态估计.尤其在样本量小、两期相关不紧密时,Kalman动态估计的相对效率更高.     

优化法与贝叶斯估计法在非饱和水力参数反演中的比较

非饱和土壤水分运动模型在农业生产和环境保护等领域中具有重要的指导意义。非饱和土壤水力参数的准确获取是利用模型进行可靠预测的前提。传统的参数反演研究大多基于优化方法,只能获取一组最优参数,不能量化其中的不确定性。最新发展的一种基于贝叶斯参数估计理论的马尔科夫链蒙特卡罗算法(Markov Chain Monte Carlo,MCMC)—DREAM(ZS),可以有效进行参数反演,且准确量化不确定性。我们在获取水头观测值的基础上,利用MCMC和Levenberg-Marquardt(LM)非线性优化算法分别对非饱和土壤水力参数进行反演,通过数值模拟与一维沙柱入渗实验比较了2种方法对于分层异质的水力参数估计与水头预测的准确性。结果表明:1)LM优化方法使用广泛,求解速度较快,但受参数初始值影响较大,预测结果与观测值存在一定的偏差,同时由于只能给出一个单一的反演结果,无法量化结果的不确定性。2)与基于优化的反演方法相比,MCMC反演方法不仅能够更好地得出参数的单一估计值,同时预测结果与观测值也具有更好的一致性;更重要的是可以给出未知参数的后验分布,从而准确量化非饱和水力参数的不确定性,避免了基于单一参数反演结果进行预测的风险。但是相对于LM优化方法,MCMC计算量大大增加。     

粘土边坡可靠性分析方法研究

把边坡定值分析法与可靠性分析法相结合，考虑土性参数的变异性和不确定性。在有限土性参数数据可供利用的条件下，由土性参数分布的3σ法则原理以及土性参数变异系数的公开报道值，取得可靠性分析数据，对粘土边坡稳定性和可靠性作了较为深入的研究评价，并探讨了土性参数的变异性、安全系数变异性和可靠性指标三者之间的内在联系以及粘土边坡稳定敏感性因素及其可靠度的一些规律。     

两类订正方案在集合均方根滤波土壤湿度同化中的对比研究

利用Noah陆面模式,基于集合均方根滤波(ensemble square-root filter,简称ENSRF)算法,结合观测和模式2类订正方法,通过构建多个融合同化方案,进行土壤湿度同化研究。其中,模式订正采用粒子群优化算法估计模式参数,观测订正则将观测季节性尺度的特征调整到与模式气候态相当的水平。结果表明,观测订正能够有效减少观测与模式季节尺度差异,从而间接减少同化中的观测误差,而模式订正则有效减少模式参数在同化中产生的误差;引入观测和模式订正后的同化都要优于原始观测且未订正模式的传统同化方案,而单独引入模式或者观测订正并不能够提供给同化方案最佳误差订正信息;结合尺度化的观测订正和参数优化的模式订正,能够使传统土壤湿度ENSRF估计方案得到最大程度的改善。     

水稻叶片几何参数的模拟分析

【目的】在生长模型输出的基础上，构建预测水稻叶片几何参数的动态模型，以便更准确地实现水稻的虚拟生长。【方法】在试验观测的基础上，分析了不同品种类型水稻分蘖与主茎同伸叶片叶长之间以及叶长与叶宽之间的定量关系，进一步耦合水稻叶龄、叶面积和茎蘖数模拟模型，进行水稻叶片几何参数变化的动态模型构建。【结果】不同品种类型水稻分蘖与主茎同伸叶片的叶长比随分蘖叶序呈二次曲线变化，叶长与叶宽的关系可用幂指数函数描述。运用独立实测资料对模型进行的初步检验显示，本模型可较好地模拟不同生长条件下水稻不同叶位叶片的几何参数。【结论】本研究构建的水稻叶片几何参数分析模型较好地体现了器官几何参数受生态环境、品种类型和栽培措施影响的形态生理规律，为水稻虚拟生长提供了可靠和普适的叶片几何特征确定方法。     

天敌胁迫下食饵种群动态数量模型参数的灰色估计

【目的】建立天敌胁迫下食饵种群动态模型的参数估计方法。【方法】利用灰色系统理论和灰色建模思想及差分等数学方法,对动态模型中的参数进行了估计。【结果】通过数学方法建立了动态模型参数的灰色估计法公式,解决了天敌肋迫下食饵种群动态模型的参数估计问题。【结论】通过对4个小麦品种蚜虫资料实例的参数估计,表明所建议的灰色参数估计法是有效的。     

一种Gabor小波人脸跟踪方法

提出了一种利用Gabor小波提取人脸轮廓特征组成特征模板,并由小波滤波器系数组成特征向量,在人脸跟踪过程中,不断优化特征模板的几何形变参数,使得小波特征向量值在最小平方和的意义上与初始值相匹配,实现人脸的自动跟踪。     

基于自适应Kalman滤波的ADS-B数据抗野值方法

在对ADS-B数据的实际滤波过程中，观测值中的野值是影响滤波效果的重要因素。分析野值对滤波以及数据处理精度的影响，以“新息”为基础，将基于“当前”统计模型的卡尔曼滤波算法用于数据处理，通过对自适应Kalman滤波方法中增益矩阵的改进，提出野值辨识和剔除方法。仿真计算表明，该方法性能可靠，简单易行，可以有效地消除野值对滤波的不良影响，提高滤波的精度。