支持知识不确定性的工程知识获取

为了有效地增强企业创新研制能力,针对工程知识的不确定性问题,借助贝叶斯概率论建立了工程概念贝叶斯网络模型。利用工程概念贝叶斯网络获取工程知识和知识关联关系,在保留知识不确定性的基础上,实现了工程知识有效获取。通过机床业务实例,验证了所提方法的有效性。

最大熵增地表蒸散模型:原理及应用综述

精确估算地表蒸散一直是地球系统科学中的难点问题。经典的蒸散模型大多建立在水汽输送及能量平衡约束等基础上,相关的基础理论研究进展缓慢。最大熵增地表蒸散(E-MEP)模型是在综合借鉴贝叶斯概率论、信息熵概念、非平衡态热力学理论和大气边界层湍流相似性理论的基础上,建立的全新地表蒸散理论框架,克服了经典模型的主要缺陷,包括:离散梯度模型不满足能量守恒条件,Penman模型针对饱和土壤,Penman-Monteith模型需要率定经验参数等。E-MEP模型具有3个显著特点:①同时给出地表(包括水面、雪面和冰面)蒸散量、感热通量和介质表面热通量,且在所有时间空间尺度上满足能量平衡方程;②模型公式中没有可调经验参数,不依赖于温度梯度和水汽梯度变量,不需要输入风速和表面粗糙度;③适用于任何土壤含水量和植被覆盖条件。由于E-MEP模型建立在坚实的数学物理基础上,并具有解析表达式,简单易用,其输入变量和模型参数少于传统蒸散模型使用。地表辐射、表面温度、表面比湿等模型输入变量易于实地观测获取,且可通过遥感反演获得。检验分析表明,E-MEP模型优于Penman和Penman-Monteith等传统蒸散模型。这一全新的地表蒸散模型已被用于大尺度地表水热的遥感反演和过程监测,并用于改进气候模式的参数化方案。