基于模型数据融合的千烟洲亚热带人工林碳水通量模拟

人工林生态系统是我国森林生态系统的重要组成部分,在全球碳平衡中的作用越来越受到重视。利用千烟洲亚热带人工针叶林通量观测站的碳水通量和气象观测数据,通过模型数据融合方法对碳水循环过程模型——SIPNET模型关键参数进行反演,模拟了2004—2009年千烟洲人工林生态系统的碳水通量。结果表明:仅用碳通量观测数据优化模型参数时,净生态系统碳交换量(NEE)模拟效果较好(R2=0.934),而生态系统蒸散(ET)模拟效果较差(R2=0.188);同时用碳水通量观测数据优化时,NEE模拟效果稍差(R2=0.929),但ET模拟效果显著提升(R2=0.824),说明利用碳水通量观测数据同时优化,SIPNET模型才能较好地模拟试验站点碳水通量。在此基础上,开展了人工林生态系统碳通量对降水变化响应的敏感性分析,发现降水量减少对光合作用的影响比对呼吸作用的影响更为强烈,且碳水通量同时参与优化时模型才能较好地模拟碳通量随降水减少而快速降低的趋势,表明如果不能同时利用碳水通量进行参数优化,模型无法正确揭示生态系统碳循环对降水变异的响应。

基于模型数据融合的长白山阔叶红松林碳循环模拟

充分、有效地利用各种陆地生态系统碳观测数据改善陆地生态系统模型,是当前我国陆地生态系统碳循环研究领域亟待解决的重要问题之一。该研究以2003～2005年长白山阔叶红松林的6组生物计量观测数据和涡度相关技术测定的碳通量数据为基础,利用马尔可夫链-蒙特卡罗方法对陆地生态系统模型的关键参数(即碳滞留时间)进行了反演,进而预测了长白山阔叶红松林生态系统碳库、碳通量及其不确定性。反演结果表明,长白山阔叶红松林叶凋落物和微生物碳的平均滞留时间最短,为2～6个月;其次是叶和细根生物量碳,二者的平均滞留时间为1～2a;慢性土壤有机碳的平均滞留时间为8～16a;碳在木质生物量和惰性土壤有机质库中的滞留时间最长,平均滞留时间分别为77～109a和409～1879a。模拟结果显示,碳库和累积碳通量模拟值的不确定性将随着模拟时间的延长而增大。当气温升高10%和20%时,长白山阔叶红松林总初级生产力年总量将分别增加6.5%和9.9%,净生态系统生产力(NEP)年总量的变化取决于土壤温度的变化。若土壤温度保持不变,NEP年总量将分别增加11.4%～21.9%和17.6%～33.1%;若土壤温度也相应升高10%和20%,NEP年总量的增幅反而下降甚至低于原来的水平。假设气候和植被保持在2003～2005年的状态,2020年长白山阔叶红松林NEP年总量为(163±12)gC.m–2.a–1,土壤呼吸年总量为(721±14)gC.m–2.a–1。马尔可夫链-蒙特卡罗方法是反演模型参数、优化模拟结果和评估模拟结果不确定性的有效方法,但今后仍需在惰性土壤碳滞留时间的估计、驱动数据和模型结构的不确定性分析、模型数据融合方法方面进行深入研究,以进一步提高碳循环模拟的准确性。

基于模型数据融合的中国温带和亚热带典型森林生态系统碳通量模拟

生态系统碳循环过程对水分响应的研究已成为全球变化关注的焦点问题之一。基于长白山温带针阔混交林与千烟洲亚热带人工针叶林观测站2003—2009年生长季的碳通量(NEE)和气象观测数据,综合考虑水分对光合、呼吸作用的影响,构建不同的NEE模型,并应用模型数据融合方法优化模型参数、遴选最适模型,系统分析了水分因子对不同森林生态系统碳循环的影响。结果表明:(1)优化后的模型参数均能被NEE实测数据较好约束。长白山生长季的光合、呼吸参数值均高于千烟洲,未考虑空气饱和水汽压差(VPD)的模型高估了千烟洲温度敏感性参数(Q10)值、低估了千烟洲基础呼吸速率参数(BR)值;(2)仅考虑VPD对光合作用影响的模型是长白山生长季碳通量模拟的最优模型,但模拟精度提高不显著。不同模型间碳通量组分模拟结果差异较小;(3)考虑VPD和土壤含水量对光合、呼吸作用共同影响的模型是千烟洲生长季碳通量模拟的最优模型,并且显著提高了模拟精度。未考虑水分的模型在生长季高估了总生态系统生产力(GEP)总量2.0%(21.85 g C/m^2),同时更大幅度地高估了生态系统呼吸(RE)总量4.4%(38.02 g C/m^2),从而导致NEE总量低估于实测值7.8%(18.55 g C/m^2)。

基于模型数据融合的我国陆地生态系统碳氮水循环研究应用

以中国生态系统研究网络(CERN)长期定位观测数据为基础,结合多源数据发展了生态模型数据融合方法体系,研发多尺度生态数据产品和生态数据共享、分析与模拟平台,系统评估我国陆地生态系统近30年碳氮水通量的大小、趋势和年际变异及其影响因素,以推动我国生态信息学领域的技术发展,深入认识陆地生态系统碳氮水循环和气候相互关系,提高我国生态系统评估与管理能力。

支撑新型配电网数字化规划的图形⁃模型⁃数据融合关键技术

配电网规划领域期盼实现智能规划,其愿景在于实现无人或少人干预的全自动规划。在数字化转型的背景下,新型配电网规划将面临图形多样化、场景碎片化、数据规模化三大挑战。文中从图形-模型-数据融合的角度提出三大关键技术:基于电气图纸识别和拓扑智能分析的图形-模型融合技术、基于知识驱动的负荷/新能源推演分析和智能决策的模型-数据融合技术、基于多模态数据融合和多时空数据联动的图形-数据融合技术,尝试打破理论研究与数字化工程的壁垒。最后,对未来新型配电网数字化规划的发展进行思考和展望,为实现“以机为主,人机协同”的大闭环模式提供借鉴。

基于自适应时间窗的数据-模型融合驱动暂态频率预测

新能源大规模并网使得新型电力系统的暂态频率响应特征更加复杂,现有频率在线预测方法难以兼顾准确性和及时性。基于此,提出基于自适应时间窗的数据-模型融合驱动暂态频率预测方法。首先,基于长短期记忆网络,离线训练多个具有不同长度时序数据输入的频率曲线循环预测模型;其次,利用参数辨识方法离线建立各发电集群的通用等值频率响应模型,在此基础上构建系统有功-频率物理机理快速分析模型;最后,串行融合前述频率曲线循环预测模型与有功-频率物理机理快速分析模型,并提出“可信度量化评估指标”,实时分析在线预测过程中不同评估时刻下预测结果的精度,自适应调整输入时序数据长度,直至预测结果满足要求并输出。含风电的IEEE39节点系统的仿真结果表明,所提方法在不同风电渗透率或不同扰动下均能快速、准确地预测暂态频率响应曲线,相较于其他在线预测方法具有更优的评估性能。

基于数据融合模型的产品意象造型评价方法研究

目的为解决在产品意象评价中由于蝴蝶效应的存在而导致评价结果出现偏差、案例库选取不准确等问题,提出了一种基于数据融合模型的产品意象造型评价方法。方法首先确定研究样本和感性意象,基于语义差异法设置调查问卷,进行了产品感性意象调查,挖掘用户的感性需求;其次通过模拟退火算法优选改进支持度函数参数,构建用户感性需求数据融合模型;然后以用户感性需求数据平均值和数据融合值作为输入进行对比,展开产品意象造型评价,指导最优方案的选取;最后以鼠标为例对所提方法进行实例验证。结论基于数据融合模型的产品意象造型评价方法相较于传统平均值数据分析更为准确和客观,可有效把握用户的情感需求,减少产品意象造型评价的误差,指导产品典型案例库的选取。

自适应多保真数据融合的神经网络模型

数据驱动的深度学习建模在力学、材料等不同学科中得到了较多应用。深度学习建模的精度依赖大量高保真数据。在实际应用中,高保真数据往往是少量且昂贵的,而低保真数据却是成本低廉且数量较多的。当高保真数据量过少时,深度学习建模精度较低。近期发展的多保真深度神经网络,通过融合不同保真度的数据,在高保真数据较少时,依然保持了较高的建模精度。然而,已有的多保真深度神经网络模型的精度较为依赖针对模型参数的正则化调节。当添加的正则化过强时,网络对非线性关联式的拟合能力不足;当添加的正则化强度不够时,在学习多保真数据间的线性关联关系时又会出现过拟合现象。两者都会严重影响模型的预测精度。在缺乏高保真验证数据集时,较难得到最优的正则化系数。为此,通过改进已有多保真网络模型的损失函数,引入一个与线性关联式相关的参数,提出了自适应多保真数据融合的神经网络模型。该模型能根据给定数据自适应地拟合不同保真度数据间的线性或非线性关系,对正则化依赖较小,从而提高了建模的鲁棒性。在多个标准测试案例及实际应用的翼型气动参数的预测中,该模型均能表现出较高的精度和稳定性。

数据—模型融合驱动的流程制造车间数字孪生系统研发

针对流程制造过程工序间耦合严重、过程建模困难、生产活动规划的联动性和智能化水平较低等问题,提出数据与模型融合驱动的、覆盖工艺流程全变量空间的车间多维数字孪生模型及其系统架构。融合车间生产全要素孪生模型与动态生产数据,建立了贯穿生产过程中不同工序的设备实体对象模型,从几何、物理、行为、规则等多个维度对耦合生产线实体对象特征进行刻画,实现了工艺设备静动态多维属性的数字化精准映射。在此基础上,搭建了包括物理产线、虚拟产线、信息服务等支撑多系统数据交互映射的车间数字孪生系统,研发了基于开放平台通信—统一架构(OPC UA)与Kepware的通信技术的静动态虚实映射和迭代运行机制,实现了从车间物理制造流程耦合向各孪生体参数间耦合的转换。最后,基于某流程制造企业制丝生产试验线开展应用验证,为解决流程工业耦合复杂而造成的协同交互与迭代运行难题提供了方法和实现途径。

基于数据融合的植被NPP时空变化及驱动因素分析——以拜城盆地为例

植被净初级生产力(NPP)是区域生态系统保护及生态环境治理的重要参考指标,针对拜城盆地植被NPP时空变化特征及其与气候变化的响应关系不明这一问题,利用STARFM时空数据融合模型,估算拜城盆地30 m空间分辨率的植被NPP,同时使用Sen斜率估计及M-K检验,分析植被NPP的时空变化趋势特征,并通过偏相关系数法量化气候要素的影响程度。结果显示:时间上,研究区2000-2020年植被NPP均值为152.1 g/(m^(2)·a),总体呈不显著下降趋势;空间上,植被NPP值表现为南北高,中部河谷区域低,其中69.03%的区域呈不显著变化,11.44%呈显著增加趋势,19.53%呈显著减小趋势;研究区植被NPP变化与降雨总量、太阳辐射总量呈正相关,与平均气温呈现负相关关系,其中,太阳辐射是影响植被NPP变化的主导因素。研究结果表明:改进的CASA模型对于模拟研究区植被净初级生产力具有较好的适用性,有助于更好地揭示拜城盆地NPP的变化特征及驱动因素,并为估算与定期监测中小尺度区域的NPP提供了新方法。

基于潮流修正算法模型的配电网资产大数据管理方法

为了提高现有技术中配电网资产运行效率,设计一套新型配电网资产运行效率评估方案,构建潮流修正算法模型,实现配电网资产大数据信息的统筹管理,通过数学计算的方法实现配电网运行情况计算。在提高配网资产数据架构不同节点运行时,构架新型单亲遗传算法模型,提高电力管理方式。通过示例,所提方法网损较小、耗时短、误差低。

模型与数据融合驱动的物流装备数字化系统工程研究

为了适应现阶段物流数字化系统的运作要求,需要将模型与数据进行融合,提高物流装备交付效率,实现物流装备的虚实交付一体化。本文通过对物流装备数字化系统工程进行不断完善,将通用化的MBSE的核心理论与实际物流业务进行结合,利用MBSE应用不断完善物流装备数字化系统工程,对数据融合技术进行优化,落实好数字模型的构建工作,更好地适应物流装备数字化的发展趋势。

无线传感器网络数据融合模型研究

无线传感器网络是一种全新的技术,能够广泛应用于恶劣环境和军事领域中。传感器网络在数据收集中,为减少冗余数据的传输耗能,降低延迟,需要采用数据融合技术。分析和介绍了传感器网络跟踪级与属性级两种融合模型结构,提出了一种基于多Agent的数据融合模型。

基于模糊推理的多模导引头数据融合模型研究

本文应用模糊集理论，提出了一种基于模糊推理的多模导引头准判决级数据融合模型，给出了模型中参数的选取方法。该模型的特点是融合规则灵活，能兼顾系统的检测性能和抗干扰性能，能较好地处理系统各探测器获取信息的冲突性。

一种多尺度数据融合模型的工程实践与相关理论问题

为解决不可重复测量物理量的真值估计问题,提出了一种"多尺度数据融合模型",该模型采用多传感器对同一物理量同时进行测量,对各个传感器的测量结果进行小波变换,并在不同小波尺度域对各个传感器的测量值进行多尺度加权平均,通过逆小波变换得到待测物理量的真值估计。笔者对该模型进行了分析和总结,包括对相关领域研究的评述,在此基础上,给出了数据融合定理及一些重要的推导及结论。

ATIS数据融合模型的研究

多源交通信息的处理是先进的出行者信息系统作用充分发挥的关键,而数据融合技术的发展为其提供了良好的工具。文章从数据融合的概念和方法分析入手,论述了ATIS数据融合的主要功能,给出了ATIS中心的数据融合模型。

基于异构数据特征的城市轨道交通OD客流短时预测方法

城市轨道交通起讫点(origin-destination,OD)客流短时预测在智能交通系统中意义重大,它为交通管控策略实施以及出行者出行选择提供了重要的决策依据。卷积神经网络被广泛用于交通数据空间相关性提取,但其平移不变性与局部敏感性导致该方法更重视局部特征而忽视全局特征。本研究构建了基于注意力机制的异构数据特征提取机模型(heterogeneous data feature extraction machine,HDFEM)以实现OD矩阵空间相关性的全局感知。该模型从时空特征和用地属性特征出发,构造异构数据OD时空张量与地理信息张量,依托模型张量编码层对异构数据张量进行分割与编码,通过注意力机制连接各张量块特征,提取OD矩阵中各个部分间的空间相关性。该方法不仅实现了异构数据与OD客流数据的融合,还兼顾了卷积神经网络模型未能处理的OD矩阵远距离特征,进而帮助模型更全面地学习OD客流的空间特征。对于OD时序特性,该模型使用了长短时记忆网络来处理。在杭州地铁自动售检票系统(auto fare collection,AFC)数据集上的实验结果表明:HDFEM模型相对于基于卷积神经网络的预测模型,其均方误差、平均绝对误差与标准均方根误差分别下降了4.1%,2.5%,2%,验证了全局OD特征感知对于城市轨道交通OD客流预测的重要性。

机载多传感器数据融合模型和方法研究

随着多种传感器探测技术的快速发展,数据融合方法的不断被提出和采用。文中提出了一种机载多传感器探测系统结构,并分析了其关键技术,将贝叶斯判别法应用在完成目标估计和判别的数据融合方面。探讨了该方法实现机载多传感器数据融合模型及其可靠性。

电力系统中数据-物理融合模型的并联模式性能分析

随着交直流混联电网规模的扩大与电力电子化设备的大规模并网,以新能源为主体的新型电力系统的动态特性愈加复杂。物理模型的机理可解释性与数据模型的特性拟合能力具有很强的互补性。如何将融合模型的构建从定性分析向定量分析提升亟待深入研究。文中基于电力系统中数据方法与物理方法的特点,针对4种典型数据-物理融合模型分析了其相对应的应用场景;以并联模式为研究对象,分别对比分析了并联模式与单一物理模型和单一数据模型的泛化误差,并提出了融合模型参数的选取方法;推导了并联模式下融合模型的泛化误差上限,并提出了改进融合模型性能的可行性建议;最后,结合暂态功角稳定问题验证了所提假设与结论的合理性。

基于惯性—地磁组合的多模型融合姿态测量算法

针对运动体线性加速度和周围磁场干扰对姿态测量精度的影响,基于现有的惯性-地磁组合测量单元,提出了一种多模型融合姿态测量算法。利用可靠性判定准则将运动状态分为3类,根据运动状态选择不同传感器数据用于姿态测量,并建立3种数据融合模型。基于融合姿态测量算法实现不同传感器数据间的融合,计算得到姿态矩阵和姿态角。提出“误差估计”用于可靠性判定准则公式中最优阈值的选择,实现运动状态准确识别。经实验验证,该算法在测量精度和速度上都有所提升。