经验正交函数与遗传算法结合的副热带高压位势场非线性模型反演

针对副热带高压的动力预报模型难以准确构建的困难,基于T106数值预报产品500hPa位势高度场序列,用经验正交函数(EOF)分解方法对位势场序列进行了时、空分解,引入了动力系统重构思想,以EOF分解的空间模态的时间系数序列作为动力模型变量,用遗传算法全局搜索和并行计算优势,进行了动力模型参数的优化反演,建立了客观合理的非线性动力模型·通过对动力模型积分和EOF的时、空重构,实现了副热带高压的中、长期预报·试验结果表明,本文反演的动力模型的副热带高压预报效果优于常规的数值预报产品,该研究工作为副热带高压等复杂天气系统和要素场预报提供了新的方法思路和技术途径·

基于机器学习的脆性指数直接反演方法

常规脆性指数预测方法是基于叠前振幅随偏移距的变化(AVO)反演,间接计算过程中会产生累积误差。提出了一种脆性指数直接反演方法,该方法使用BI_Zoeppritz方程来表示地震数据与脆性指数之间的关系,通过机器学习LSSVM算法建立非线性反演模型,直接反演出脆性指数。实际资料测试结果表明:该方法具有更高的精度和更强的抗噪声能力,利用该方法进行脆性指数的直接反演是可行的。

非线性模型岛礁礁盘遥感水深反演

针对已有的遥感水深反演方法波段选取难,得不到较好的模型参数的问题,该文在国内外遥感水深反演研究的基础上,对经典的非线性模型进行研究,引入了逐步回归算法对模型进行了改进。以东岛为研究区,基于Worldview-2多光谱影像进行模型验证和精度评价。结果表明：应用改进后模型的反演水深精度大幅提高,水深范围不但适用在10m以浅的水区,在15~30m的区域精度也较高。由此可见改进的模型在保持原模型移植性较好的前提下,模型参数更易解算,反演精度较高,具有一定的适用性。