GRAPES全球切线性和伴随模式的调优

伴随技术是四维变分同化(4DVar)系统中计算代价函数梯度的最佳办法,切线性和伴随模式的效果和效率直接影响着4DVar系统的发展。基于GRAPES(Global and Regional Assimilation PrEdiction System)全球切线性和伴随模式1.0版本,利用GRAPES全球模式2.0版本在并行框架和性能等方面的改善,重新优化和设计了GRAPES全球切线性伴随模式2.0版本,提高了GRAPES全球切线性和伴随模式的效果和效率,优化了切线性模式程序结构,使其计算时间最优可控制在非线性模式的1.2倍以内;采用在切线性模式中保存基态的方法,重构了伴随模式的程序结构,使其计算时间最优控制在非线性模式的1.5倍以内;在GRAPES全球切线性物理过程的设计中,将线性物理过程的轨迹基态计算和切线性扰动计算解耦,提高了G-RAPES全球切线性和伴随模式的计算效果和效率。

正弦型非线性切普键控信号的正交性

为了寻求正弦型非线性切普键控(SNCK)的正交信号集,给出了SNCK波形样本相关通式,并对其进行了推导,通过引入Bessel函数恒等式解决了双重三角函数的积分运算问题,得到其相关积分解析式。对不同调频周期数、不同时间-带宽积和不同调频极性等多种组合情况下的SNCK信号正交性进行了分析,发现通过不同调制参数的灵活组合可以实现SNCK信号正交调制。本文为选择SNCK信号正交集提供了方法,为实现SNCK信号的多载波并行通信奠定了基础。

基于线性局部切空间排列维数化简的故障诊断

为实现旋转机械故障诊断方法的自动化、高精度及通用性,提出基于线性局部切空间排列(Linear LocalTangent Space Alignment,LLTSA)维数化简的故障诊断模型。首先结合经验模式分解(Empirical Mode Decomposition,EMD)和自回归(Autoregression,AR)模型系数构造全面表征不同故障特性的混合域特征集,再利用LLTSA将高维混合域特征集化简为故障区分度更好的低维特征矢量,并输入到最近邻分类器(K-nearest Neighbors Classifier,KNNC)中进行故障模式识别。所提出的诊断模型充分融合混合域特征融合在故障特征的全面提取、LLTSA在信息的有效化简及KNNC在分类决策方面的优势,实现诊断方法的自动化、高识别率及较好的通用性。用深沟球轴承不同部位、不同程度故障诊断实例验证该模型的有效性。

判别式正交线性局部切空间排列故障辨识

针对现有旋转机械故障诊断模式难以实现自动化、高精度和泛化性的关键问题,提出基于判别式正交线性局部切空间排列特征约简的故障辨识方法。该方法首先构造全面表征不同故障特性的时、频域特征集,再利用DOLLTSA将高维时、频域特征集自动约简为区分度更好的低维特征矢量,并输入到K-近邻分类器中进行故障模式辨识。时、频域特征融集可较全面准确地反映旋转机械的故障特征;DOLLTSA综合利用局部几何结构和类判别信息进行流形解耦,并采用谱回归法和子空间正交化处理来优化低维嵌入子空间,提高了故障辨识精度。深沟球轴承故障诊断实例和空间轴承寿命状态辨识实例验证了所提方法的有效性。

正交判别的线性局部切空间排列的人脸识别

为了将线性局部切空间排列算法发展为有监督的学习算法,提出了一种正交判别的线性局部切空间排列算法。该算法首先利用样本数据的类别信息计算类间散度矩阵,然后再通过对原算法的目标函数进行修改来建立新的优化问题。在解出投影子空间的基础上,再通过进行正交化来得到投影的正交子空间。在两个标准人脸数据库上进行的实验表明,由于该算法使用了局部切空间来表示数据样本所在流形的局部几何结构,不仅融合了判别信息和正交化技术,并且兼顾了局部几何结构和判别结构的保持,因此提高了识别能力。

一种半监督邻域自适应线性局部切空间排列的故障识别方法研究

线性局部切空间排列算法(Linear local tangent space alignment,LLTSA)是能够较好应用于模式识别问题的降维方法,但由于其属于无监督的降维方法且在降维过程中只使用全局统一的邻域参数,使得在对高维数据集进行约简时,不能利用部分样本的类别标签信息且不能根据样本空间分布的变化调整邻域参数。针对上述问题,提出了一种半监督邻域自适应线性局部切空间排列算法(Semi-supervised neighborhood self-adaptive LLTSA,SSNA-LLTSA)。该算法在LLTSA的基础上,利用部分标签信息来调整样本点与点之间的距离以形成新的距离矩阵来完成邻域构建,同时根据每个数据样本点邻域的概率密度自适应地调整邻域参数,进而得到更好的降维效果。经典的三维流形、UCI典型数据集模式识别和轴承故障诊断的实验结果表明,该算法克服了LLTSA算法无监督和使用全局统一邻域参数的不足,可更有效地寻找数据的低维本质流形,提高了识别准确率,具有一定优势。

深部采掘扰动区线性切顶防冲护巷技术

采掘扰动是诱发冲击地压灾害的重要因素,深部采掘扰动区域则受冲击与巷道变形的双重威胁,针对该技术难题,本文研究了线性密集切顶防冲护巷技术。基于关键层理论分析了倾斜煤层关键层倾向破断结构特点,表明关键块B的空间状态是控制正在开采的工作面与迎采巷道矿压显现的关键,给出了采掘扰动工况下的最佳关键块断裂线位置。基于COMSOL模拟研究了不同装药直径下的应力峰值分布规律,结果表明:爆破后应力以指数函数形式快速衰减,给出了不同装药直径下应力峰值分布的拟合公式;致裂半径与装药直径呈幂函数的正相关关系;以顶板岩石抗拉强度为指标值,确定了爆破孔直径对应的最优间距。现场设计实施了不同技术参数的切顶方案,结果表明,相比于传统的深孔爆破,线性密集切顶两钻孔之间能够形成贯通裂隙,从而控制关键层的破断方式,因此钻孔间距是影响防冲与护巷效果的关键参数。通过巷道围岩观测与微震监测,表明线性密集切顶技术能够有效减弱迎采巷道的围岩变形,同时降低正在开采的工作面矿压显现与冲击危险性,现场实践验证了理论与模拟结果,可为类似条件工程提供借鉴。

线性化物理过程对GRAPES 4DVAR同化的影响

线性化物理过程能够改善四维变分同化中极小化收敛的稳定性和增加极小化过程中对大气物理过程和动力更加精确的描述,它是四维变分同化中非常重要的一部分。通过在GRAPES全球模式中研究线性化物理过程,尤其是两个湿线性化物理过程,改善切线性模式预报精度,来提高GRAPES全球四维变分同化的分析和预报效果。线性化物理过程的开发首先需要简化原非线性化物理过程中的强非线性项,然后对线性化物理过程进行规约化,以抑制切线性扰动的异常增长。目前GRAEPS全球模式中的线性化物理过程主要包括次网格尺度地形参数化、垂直扩散、积云深对流和大尺度凝结。线性化物理过程预报精度的检验方法是通过选择合适大小的初始扰动(同化分析增量),来比较非线性模式和切线性模式中的扰动演化的纬向平均误差。然后以绝热版本的切线性模式为基础,通过冬、夏两个个例试验来分别检验4个线性化物理过程的12 h预报效果。试验结果表明,通过添加次网格地形参数化和垂直扩散两个干线性化物理过程方案,可以有效抑制住绝热版本切线性模式低层扰动的异常增长,大幅度改善切线性模式预报效果。通过添加积云深对流和大尺度凝结两个湿线性化物理过程,可以在热带区域和中、高纬度地区提高切线性模式中湿变量和温度变量的近似精度,提高GRAPES全球四维变分同化的分析和预报效果。

基于第二类切比雪夫多项式的语音线性谱对参数的计算

对线性谱对 (LSP)参数的计算方法提出改进算法 ,该算法利用第二类切比雪夫多项式的迭代性质对初始函数降阶。理论分析表明 ,改进算法可以获得更简洁的数学表达式。实验结果显示 ,改进算法中基本消除了乘法运算 ,同时随着线性预测分析阶数的增加可以进一步降低算法复杂度。

节理面非线性变形对SV波透反射性能影响

平面SV波穿越节理面是一个复杂的问题,节理面刚度、入射角、法向非线性位移、切向非线性位移、入射波频率等都是影响节理透反射性能的重要因素。采用射线理论推导SV波穿越线性变形节理的透反射解析解,利用Lemaitre等效应变假设原理,分别采用Goodman和Duncan模型描述节理面非线性变形,考察节理面透反射性能受法向与切向非线性位移的影响。研究结果发现:SV波垂直入射节理面,只产生反射SV波和透射SV波,由于节理面刚度参数的影响,刚度越大则反射系数降低、透射系数增加,非线性位移越大其变化随刚度变化越快;节理面呈现出低通滤波器功能,频率越高越容易被反射,越低则越容易透射;法向与切向位移对不同波场的影响程度不同,正是非线性位移的大小决定节理面法向与切向的有效刚度,最终决定弹性波在节理面上的透反射性能。

GRAPES全球奇异向量方法改进及试验分析

基于总能量模的奇异向量扰动常用于构造集合预报的初始条件。以建立GRAPES(Global and Regional Assimilation PrEdiction System)全球集合预报系统为目的,基于前期研发的GRAPES全球模式奇异向量方法,在GRAPES全球切线性模式和伴随模式2.0版的框架下,开展了引入线性化边界层方案来改善奇异向量结构,并提高奇异向量计算效率的研究。通过连续试验,从奇异向量的扰动能量结构、扰动能量谱及扰动空间分布等方面,综合分析改进GRAPES全球奇异向量的结构及演变特征。试验结果表明,改进后的GRAPES奇异向量方法有效抑制了之前扰动能量在近地面层不合理的快速增长,同时,奇异向量最优扰动的结构更客观地体现了中高纬度区域大气初始条件中的斜压不稳定扰动及其演变,如在初始时刻奇异向量扰动能量主要位于对流层中层,并呈现出随高度向西倾斜的大气斜压特征;经过线性化演变,扰动能量向较大水平尺度转移,并在垂直结构上表现出向对流层高层上传及向对流层低层下传的特征等。针对GRAPES奇异向量迭代求解中伴随模式计算耗时为主的情况,改进伴随模式中广义共轭余差方案的调用方式,并采用大内存存储法来提高其计算效率,进而将奇异向量总计算时间缩短了25%。总之,改进后的GRAPES奇异向量方法,可应用于构建面向业务应用的GRAPES全球集合预报系统。

多源卫星观测数据在全球四维变分同化系统中的应用

首先描述高分辨率全球四维变分资料同化系统的基本软件框架,并对多源卫星资料同化的关键技术作阐述;其次通过统计分析,说明新型卫星观测数据的引入不但能够增加同化系统中的信息量,而且能够提高其他类型观测数据的利用率;然后通过一个月的统计检验结果表明:无论是从距平相关还是均方根误差而言,在有效同化无线电掩星和卫星风资料后,高分辨率同化预报系统预报技巧的提高是十分明显的;最后,通过一个强降水个例的分析结果表明:基于新的初始场全球模式降水预报准确性较高,就强降水中心区域的预报而言,模式预报和观测实况较为一致,优于国外模式降水预报。

二维浅水波并行模式的伴随

以二维浅水波为例,详细探讨如何开发并行模式的切线性模式和伴随模式。切线性模式的并行机制和原始模式一致,而伴随模式不同。三个模式采用一致的数据剖分方法可提高并行效率。在集群并行计算机系统上采用一维数据剖分,切线性模式的通信量与原始模式相当,而计算量几乎是原始模式的2倍;伴随模式的通信量大约是原始模式的2倍,而计算量几乎是原始模式的3倍。在三个模式中,切线性模式的加速比最大。

使用自动微分的分类算法

解决支持向量机中的分类算法需要计算多变量函数的有关偏导数问题,通常使用的计算方法符号微分和差分近似．对于中大规模问题来说,使用符号微分方法,成本昂贵,有时甚至不可行,在计算导数的方向梯度时,利用差分方法虽然可以降低计算成本,但得到的是近似值,而且确定恰当的差分区间也很困难．本文将自动微分技术与分类算法相结合,以较低的成本精确计算了中大规模问题函数的导数,建立并研究了使用自动微分的分类算法．并用数值试验验证了这一算法的有效性．

GRAPES-CUACE伴随模式构建及其在北京地区黑碳和臭氧溯源分析中的应用

伴随方法是一种高效的敏感性分析方法,在大型非线性复杂系统的敏感性计算中有着显著的优势。依据伴随理论,基于大气化学模式GRAPES-CUACE(global-regional assimilation and prediction system coupled with the CMA unified atmospheric chemistry environment forecasting system),建立了气溶胶模块和气体模块的伴随模式,并对其进行了正确性测试。结合黑碳气溶胶(black carbon aerosol,BC)及臭氧(O3)浓度观测数据,分别利用气溶胶和气体伴随模块进行了数值模拟及源-浓度的敏感性实验。结果表明:CUACE模式能较好地模拟BC浓度的日变化过程。利用气溶胶伴随模式模拟分析了目标函数(观测浓度与模拟浓度差值)关于BC排放源的敏感性,发现敏感性与浓度差值成正比关系。气体伴随模型的敏感性分析表明,若要减小2015年7月7日08:00至8日07:00北京顺义站O3模拟浓度与观测浓度的差异,需要对NOx和VOCs排放源分布进行调整,即在当前状态减小区域内的NOx排放源以及增大对应网格点的VOCs排放源,再结合优化算法即可得到合理的排放源分布。本文开发的GRAPES-CUACE气溶胶伴随和气体伴随模块能够有效地针对气溶胶和气体进行敏感性分析,为下一步构建完整的GRAPES-CUACE大气化学四维变分同化系统以及污染源反演工作奠定了基础。

针对C语言的自动微分系统及其应用

采用切线性模式和代码转换策略,开发了C语言自动微分转换系统(DTC),用于牛顿法求解非线性方程中Jacobi矩阵—向量乘积计算。介绍系统计算模型、功能、特色,并讨论系统的设计与实现技术,包括编译技术、微分代码转换及输入/输出(I/O)相关分析。最后给出了几个具有说服力的测试与应用。

GRAPES研究开发取得持续进展

资料同化系统：在区域三维变分同化系统中增加了SYNOP,SHIP,AIRERSATOB，雷达径向风等观测算子、非线性平衡约束，用NMC方法重新估算了背景误差协方差；建立了区域／全球一体化的三维变分同化框架；开展了EnKF的前沿性研究；研究开发4DVAR系统，完成切线性模式和伴随模式设计、编程，进行了初步调试。主要工作包括以下几个方面：①全球闭合网格点构造与算法设计；②预调水平变换的谱滤波表示；③用NMC方法估计背景误差协方差参数；

啁啾的引入对线性负切趾型布拉格光栅双稳特性的影响

基于耦合模理论,对线性负切趾型布拉格光栅中引入啁啾后其双稳特性的变化进行了研究.结果表明:引入正啁啾有利于改善线性负切趾型布拉格光栅的双稳态性能;通过合理选择正啁啾、线性负切趾型布拉格光栅的长度,可对其双稳态性能进行进一步优化.

有监督LLTSA特征约简旋转机械故障诊断

线性局部切空间排列(LLTSA)为无监督特征约简方法,对多域故障特征集进行维数约简,会导致故障解耦不完全、故障间仍然存在混叠。针对这个问题,提出有监督线性局部切空间排列(S-LLTSA)特征约简方法,将类判别信息融入特征约简过程,实现了数据集本征结构与类判别信息的有机结合,可提取出最优低维敏感故障特征向量;并通过自适应近邻分类器(ANNC)来构建故障特征向量与故障类别的对应关系。S-LLTSA特征约简有效地增加了故障特征的可辨识性,而ANNC具有优异的模式辨识能力,进一步提高了故障诊断的精度。齿轮箱故障模拟实验验证了提出的旋转机械故障诊断方法的有效性。

基于敏感特征选择与流形学习维数约简的故障诊断

针对故障诊断中特征集包含非敏感特征和维数过高的问题,提出基于特征选择(Feature Selection,FS)与流形学习维数约简的故障诊断方法。提出一种改进的核空间距离测度特征选择方法(Improved Kernel Distance Measurement Feature Selection,IKDM-FS),在核空间中计算样本类间距离和类内散度,优选出使样本类间距大、类内散度小的特征,并根据特征的敏感程度对特征进行加权。通过线性局部切空间排列算法(Linear Local Tangent Space Alignment,LLTSA)对由敏感特征组成的特征子集进行特征融合,提取出对故障分类更加敏感的融合特征,并输入加权k最近邻分类器(Weighted k Nearest Neighbor Classifier,WKNNC)进行故障识别。WKNNC具有比k最近邻分类器(k Nearest Neighbor Classifier,KNNC)更加稳定的识别精度。最后,通过滚动轴承故障模拟实验验证了该方法的有效性。