尺度核支持向量回归的非线性系统辨识

提出一种新的尺度核支持向量回归方法,并应用于非线性系统辨识问题。通过线性规划技术和采用尺度函数作为核函数来实现支持向量回归模型。该支持向量回归的核函数不必满足Mercer条件,为实际应用更广泛地选择尺度核提供更大的灵活性。仿真实验结果表明该尺度核支持向量回归方法可以成为非线性系统辨识的有力工具。

植被指数与气象因子在像元尺度的多元线性回归研究

遥感获取的归一化植被指数(NDVI)能很好地代表植被的区域特征和空间变异特征。分析区域植被指数的变化对监测和评价半干旱区植被保护效果具有重要价值。为了更好地在像元尺度上对NDVI进行模拟,本文基于陕西省榆林市2000—2017年MODIS/Terra NDVI遥感数据,结合该地区17个气象站点2000—2017年的气象数据,以2000—2014年为率定期,2015—2017年为验证期,应用多元线性回归分析方法进行逐像元分析。结果表明:6—7月平均气压、7月平均最高气温、7月平均气温和7月平均相对湿度与榆林市8月份NDVI的相关程度最大,是榆林市8月份NDVI的主要影响因子;对比榆林市2015—2017年NDVI的模拟值和实测值发现,2015年NDVI模拟值的残差为负值的区域主要位于靖边县、横山区、子洲县、神木市的北部及府谷县的南部,2016年残差为负值的区域主要分布在神木市的北部和府谷县的南部,2017年残差值为负值的区域主要位于靖边县的西部,佳县、米脂县和子洲县的部分区域。残差为正值的区域,说明人类活动对该区域植被的生长起到了促进作用,这些地区的封山育林、退耕还林、退牧还草等措施的实施效果较好。在现阶段人类活动变化幅度不大的情况下,应用本文方法可根据未来的气象条件预测未来植被理论上的生长状况。

西北太平洋热带气旋活动对大尺度环境场影响的线性回归分析

本文使用西北太平洋累积气旋能量(ACE)月尺度异常序列,对850 hPa相对涡度、地表纬向风、柱水汽含量、OLR、降水和SST等大尺度环境场变量进行时滞回归分析,讨论了月尺度TC活动对大尺度环境场的影响及其与周尺度的区别和联系.结果表明:(1)月尺度ACE回归出的纬向风无论是强度还是范围都要明显大于周尺度ACE回归结果,TC的频繁发生,尤其是强度大且持续时间长的近赤道TC,对于激发或加强TC活动区域南侧的低纬地区西风异常有一定的积极作用,持续并且强度较大的西风异常可能导致西风的爆发,而西风爆发会在很大程度上影响ENSO事件的发生和演变.(2)在月尺度上,OLR、柱水汽含量、降水和SST等物理量均呈现出较为明显的E1Nino型分布,而在周尺度上,仅SST呈现出明显的El Nino型分布,这在一定程度上反映了月尺度TC活动和太平洋ENSO信号之间存在更密切的关联.(3)在TC发生后1-2月,TC的主要生成区域柱水汽含量减少、OLR增大,这会在一定程度上降低该区域生成TC的潜能.虽然TC所引起SST降低的空间尺度很小,但其通过大气和海洋的传导会扩大到更大尺度上,由于这种反馈具有一定的滞后性,所以月尺度TC对大尺度环境场影响的信号更为显著.

基于局部非线性地理加权回归模型的地表 温度降尺度算法研究

地表温度(land surface temperature,LST)是反映地表状况的一个重要参数,能对地表-大气相互作用过程进行描述。由于受到卫星热红外传感器成像条件的制约,获取的卫星热红外遥感图像存在时间分辨率、空间分辨率难以兼顾的问题,导致反演的LST数据难以得到深入应用。采用LST降尺度算法可以解决此矛盾,获得高时空分辨率的地表温度数据。目前LST降尺度模型逐步由全局模型转向局部模型,但局部降尺度模型忽略了非线性关系。针对此问题,提出基于局部非线性地理加权回归(non-linear geographically weighted regression,NL-GWR)的地表温度降尺度算法。选择合适的研究区域,并分别选取归一化差异植被指数(normalized difference vegetation index,NDVI)、归一化差异建筑指数(normalized difference build-up index,NDBI)以及数字高程模型(digital elevation model,DEM)作为辅助参数进行LST降尺度,将中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)地表温度空间分辨率从1000 m提升到100 m,并将基于地理加权回归(geographically weighted regression,GWR)与NL-GWR模型的降尺度结果进行对比分析。实验结果表明,考虑非线性关系的NL-GWR模型要优于GWR线性模型,能够获得较低的均方根误差(1.96℃)和平均绝对误差(1.63℃)。

基于GPCC月尺度降水产品的空间降尺度适用性研究

卫星降水产品在弥补地面观测站空间覆盖不足方面起着关键作用,但其较低的空间分辨率和有限的精度限制了在水文学和气候学研究中的直接运用。通过评估全球降水气候中心(GPCC)不同分辨率降水产品,并应用空间降尺度技术提升数据质量,以提升数据应用价值。选取0.25°分辨率GPCC数据,融合多源地理信息,构建多元线性回归模型实施降尺度,成功将其分辨率提高至1 km×1 km,模型依托内蒙古自治区实测降水数据进行验证。结果表明,所有模型的决定系数值均维持在0.881以上,均方根误差低于37.348 mm,偏差不超过0.041 mm,证明降尺度后数据精确可靠,具备良好地域适应性。研究成果可为深入研究内蒙古自治区水循环过程、指导农牧业生产实践、精准监测干旱状况等提供高分辨率、高质量的卫星降水数据支持。

基于多元线性回归的区域中尺度模式温度预报释用研究

为评估上海区域中尺度数值模式对崇明本站温度的预报能力,对由模式直接输出的近5年(2014~2018年)的24h和48h本站温度进行检验,并以不同预报时效(24时和48时)的温度值作为线性回归的变量的方法进行本地化释用,得到:①模式整体存在日最低温度高估,日最高温度低估的问题,其中日最低温度的误差存在一个较明显的年循环,即在冬天高估问题显著,夏季则预报较好;日最高温度误差序列的年循环现象较为微弱,季节变化较小。②运用线性回归法,分季节得到的方程对模式产品的弱点有较好的改进,方程简单,便于预报员在日常工作中的使用。

基于线性多尺度模型的计算机网络数据流量预测

为了解决网络安全监控问题,提出了一种用于预测网络流量的算法.通过多个不同尺度的线性模型进行网络数据的组合预测,每个尺度的线性模型由经过滤波器滤波后的部分原始数据估计得到,最终的预测流量数据由多个尺度线性模型的平均预测值得到.选择的线性模型为自回归滑动平均模型,且尺度较小的线性模型对应自回归滑动平均模型的阶数较高.结果表明,本算法的预测精度高,整体预测误差的均值在10-3量级.

提升小波尺度自适应非线性预测算子构造方法

提出一种提升小波尺度自适应非线性预测算子的构造方法。通过相空间重构将剖分信号转换成训练样本,采用基于高斯核函数的支持向量回归机算法进行回归训练,给出所构造预测算子的结构,并说明基于高斯核函数实现最小均方误差原则的机理。通过仿真实验验证用所构建预测算子在故障诊断时具有较好的识别能力和较强的抗噪能力,在信号降噪时信噪比较高、效果良好。

多尺度随机过程的线性预测方法

在反射系数未知的情况下 ,给出了基于已知观察数据的各向同性多尺度随机过程的线性预测公式 ,并据此提出了偏相关向量函数的概念 .与反射系数相比 ,偏相关向量函数可由观察数据确定 .它反映了前、后向预测误差分量之间的相关程度 .为了进一步研究该函数的性质 ,分析了偏相关向量函数与反射系数的关系 .该关系表明 ,偏相关向量函数可用于自回归过程的阶数确定 .

基于多尺度非线性随机模型的SAR图像无监督分割

完成情况简介：本项目建立了多尺度非线性随机模型及其估计理论，其中包括混合多尺度自回归过程、多尺度自回归滑动平均过程、空间变化混合多尺度自回归滑动平均过程、空间变化混合多尺度自回归预报模型，以及多分辨混合分布模型、多分辨投影寻踪模型等；研究了上述模型的统计性质和估计方法，进行了谱聚类的扰动分析，给出了权矩阵的谱与聚类的类数、权矩阵特征值的大小与每一类所含点的个数、以及权矩阵的特征向量与聚类之间的关系。

基于去趋势移动平均的抑郁症脑电图二元回归分析

目的本文运用基于去趋势移动平均(detrended moving average,DMA)的二元线性回归分析方法,对抑郁症患者组和健康对照组的脑电数据进行分析,探究抑郁症患者和健康人枕区对额区影响的差异性。方法基于DMA的二元回归模型不仅能够分析非线性和幂律相关的时间序列,还可以分析不同尺度下自变量和因变量间的依赖关系。通过该模型对抑郁症患者组和健康对照组的左、右枕区的对称导联和额区导联的脑电数据进行分析。同时本文使用原始的基于最小二乘法的二元线性回归模型对两组的脑电数据做相同处理,并对两种模型的实验结果进行对比。结果基于DMA的二元回归模型在尺度为264,自变量为左、右枕区导联,因变量为左额区导联时,抑郁症患者和健康人的回归系数存在显著性差异。而原始模型只有在极个别的以左、右枕区导联为自变量和左额区导联为因变量时存在显著性差异。存在显著性差异的回归系数均值β_(1)均大于0,回归系数β_(2)均小于0。结论基于DMA的二元回归模型不仅可以在不同尺度上描述大脑枕区和额区间的依赖性,还可用于分析抑郁症患者和健康人的脑电信号在左、右枕区对左额区影响的差异性。抑郁症患者的枕区对左额区的影响降低。

基于植被和环境因子的亚高山森林土壤水源涵养功能空间尺度上推模型构建——以岷江上游杂谷脑流域为例

土壤层水源涵养功能是森林水源涵养功能的主体。目前关于森林土壤水源涵养功能的研究主要集中在林地或坡面尺度上。由于流域尺度,尤其是环境空间异质性强的西南亚高山区流域,如何将林地尺度实测结果上推至流域或更大空间尺度仍是生态水文领域面临的巨大挑战之一。以川西岷江上游杂谷脑流域为研究对象,融合多种森林类型样地实测与流域尺度多源遥感数据,构建了基于植被和环境因子的林地-流域森林土壤水源涵养功能尺度转换模型,实现了流域尺度土壤水源涵养功能快速评价及其空间分布预测。样地尺度研究结果表明各类型森林的土壤水文特性各异,总体表现为天然林优于人工林,混交林优于单纯林。林地土壤持水能力受到区域气候、植被、土壤及地形等因子的共同影响,其中风速、NDVI及林龄与土壤最大持水量、毛管持水量及非毛管持水量均呈极显著正相关(P<0.01)。基于关键植被和环境因子构建的林地-流域土壤水源涵养功能尺度上推模型精度较高,土壤最大持水量、土壤毛管持水量和土壤非毛管持水量模型拟合优度R2分别为0.700、0.720和0.908;土壤最大持水量、土壤毛管持水量和土壤非毛管持水量的模型预测值与野外实测值的相关系数介于0.69—0.79之间,平均误差均低于20%,表明模型预测结果可靠。利用构建的土壤水源涵养功能尺度上推模型,估算得出流域尺度森林土壤持水量的空间分布,其结果表明杂谷脑流域森林土壤持水量空间分异明显,海拔较高区域森林土壤持水量最高,其次为距道路和河流有一定距离的缓坡地带,下游干旱河谷地区土壤持水量最低。本研究为亚高山森林生态功能的恢复和提升提供了科学依据和评价工具。

基于多元线性回归模型和GPM数据的济宁市降水量空间分布研究

针对GPM降水产品低空间分辨率的缺陷,本文济宁市为研究,利用地形、海陆位置、水汽等降尺度因子运用多元线性回归模型对区域2018年GPM数据进行降尺度分析。结果表明:研究区多元回归降尺度模型为:GPMds=-1.429XY+1.136ELE-3.019WV+6 479.893 (R2=0.62,P <0.05),能够很好拟合降尺度因子与降水量分布之间的关系。降尺度后的产品与原GPM具有相似空间一致性,但其展示更多细节分布信息。利用11个站点进行独立验证显示,其R2达0.99,ME和RMSE仅为9.09、11.45 mm,表明该降尺度具有稳定性和可靠性。

基于NSA多尺度模型的人脸识别

提出了NSA多尺度模型。该模型摒弃了LSA模型中不同尺度的图像间具有线性映射关系的假设。首先利用神经网络建立不同尺度图像间的映射关系;其次使用反向传播算法训练神经网络确定这种映射关系;最后根据该映射关系由低分辨率图像估计高分辨率图像。利用对比度相似性量化估计图像与目标图像间的相似程度。将该模型用于人脸识别,提出利用梯度算子进行图像分割提高识别的准确性。实验结果表明,以该模型分析得到的对比度相似性为95.3634%;以该模型为基础的人脸识别系统对光照具有很好的鲁棒性。

日最高温度统计降尺度方法的比较研究

针对日最高温度的降尺度问题,发展了一种统计降尺度的新方法——优选格点回归法(OPR)。利用该方法与双线性插值法(BI)对平原(山东)和高原(云南)的日最高温度进行降尺度对比分析,结果表明:无论对于平原(山东)还是高原(云南)地区以及夏季(7月)还是冬季(1月),OPR方法都明显优于BI方法,特别是从高原地区的均方根误差来看,降尺度效果优势更加明显。进一步对OPR方法降尺度过程中所做的方差放大对比分析显示,方差放大后对日最高温度的降尺度效果不但没有改进,在某些方面如均方根误差和极端误差等还有变差的表现。

区域尺度下黄土高原土壤全钾含量的空间模拟

为了揭示高原区域地区尺度上土壤全钾的空间异质性及其影响因素,该文采用状态空间方程和传统线性回归模型对该区土壤全钾含量的空间分布进行了模拟,并分析了其与土壤体积质量、黏粒含量、粉粒含量、土壤酸度、降水、气温和海拔高度等因素之间的关系。结果表明,以上变量在30～50km的采样间距下均表现出较好的空间自相关性,其中土壤体积质量、黏粒含量、粉粒含量、降水和气温与土壤全钾之间存在显著的交互相关关系,可用于土壤全钾的状态空间模拟。不同因素组合下的状态空间方程均比使用相同变量的线性回归方程能更好的模拟土壤全钾含量的空间分布。使用土壤体积质量和黏粒含量的双因素状态空间方程模拟效果最好,决定系数R2为0.978,均方根误差(RMSE)为0.049。状态空间模拟在大尺度区域的应用表现出较好的效果,为研究该区其他土壤属性的空间异质性提供了参考。

基于TRMM 3B43数据的川西高原月降水量空间降尺度模拟

利用2001-2013年TRMM 3B43、MODIS-NDVI、DEM、气象观测等数据,在分析植被对降水响应滞后性的基础上,构建了TRMM 3B43数据中月降水量与经纬度、海拔、坡向和NDVI因子间的多元线性回归方程式,作为川西高原月降水量资料的降尺度计算模型,采用"回归方程+残差"的插值方法获取研究区2001-2013年1km空间分辨率的月降水量空间数据,并利用区内16个气象站点的观测数据与模拟结果进行了相关分析和误差检验。结果表明:(1)各气象观测站点基于TRMM 3B43资料的降尺度模拟降水量的数据均具有很高的精度,其中,精度最高的稻城站模拟结果与站点观测值的相关系数高达0.9839,精度最低的小金站相关系数亦高达0.8781;(2)在月、年尺度上,降尺度模拟降水量的数据亦具有很高的精度,其中,5-10月的精度明显高于其它月份,湿润年份精度总体高于干旱年份;(3)降尺度模拟降水量与站点实测降水量整体上相关系数为0.9499,偏差为0.0866,两者吻合度较高,但降尺度模拟降水量值略偏高;(4)降尺度在月尺度上能基本保证TRMM 3B43原始数据的精度,而在年尺度上能有效提高原始数据的精度,加之对空间分辨率的提高,可为获得更加全面、精细的降水分布数据提供有效方法。

基于主成分分析的叶面积指数尺度效应

为描述多空间尺度观测数据在表达同一区域农作物叶面积指数(LAI)分布特征时存在的差异,该文提出了一种基于主成分分析(PCA)的LAI尺度效应分析方法。该方法充分考虑了多尺度数据的相关性与差异性,从统计分析角度出发,采用PCA进行数据挖掘和信息重组,引入动态多元线性回归模式基于主成分信息(PCs)反演估算LAI,进而定量描述尺度效应。选取大麦和玉米为试验对象,先以地面最细空间尺度观测数据为基准,通过尺度上推构建一系列不同空间尺度数据;再依据上述尺度效应分析方法进行有效信息提取和LAI估算,并纳入有效主成分个数(NEPCs)、决定系数(R2)和平均相对精度(MRA)等参数定量描述尺度效应。理论分析和数值实践证实了该方法在农作物LAI尺度效应定量分析中的可行性和有效性。

土地利用的多尺度空间自相关模型比较(英文)

该文以广州市花都区为例,选用拉格朗日乘子检验和拟合度检验分析比较了经典线性回归模型、空间滞后模型、空间误差模型对于土地利用与驱动因子在不同尺度上的解释力和适用度。研究表明:1)经典线性回归模型的残差表现出正相关性,但比原始土地利用数据弱,表明经典线性回归模型能部分地解释土地利用空间布局但忽略了土地利用的空间依赖性;2)与经典线性回归模型相比,空间滞后模型、空间误差模型很好地消除了空间自相关性,并且有更好的拟合度;3)研究区不同地类、不同尺度的最优空间自回归模型的具体形式是不同的,表明最优空间自回归模型的具体形式也存在尺度依赖性。

大尺度蒸发模型研究

选用淮河流域及其周边的 1 0个气象站的 3 5年气象资料和 2 9个蒸发站的 3 5年月蒸发资料作分析 ,同时对Dalton公式、Penman公式作了简化 ,进而提出了具有较为明确的物理基础的淮河流域分区蒸发模型 。