基于ASO-BP神经网络的生物量反演模型研究

本文选择六盘山森林区为论文研究区域,光学数据选择Landsat 8 OLI,微波雷达数据选择具有L波段的ALOS-2 PALSAR-2,并结合森林资源清查数据作为六盘山森林AGB的反演模型研究数据源,对选择的两种数据源的相关特征变量进行提取、分析、筛选,基于经典及改进算法构建六盘山森林AGB反演模型。利用原子优化算法(ASO)优化BP神经网络模型构建新的森林地上生物量反演模型——基于原子优化算法改进的BP神经网络(ASO-BP)森林AGB反演模型,通过对两种生物量反演模型精度的对比与评价,最终选择精度最高的ASO-BP反演模型比较适用于六盘山森林地上生物量反演,完成六盘山森林地上生物量的估算和分析。

基于最小二乘和自适应蛇优化算法的直驱风机LVRT特性辨识

为提高直驱风机低电压穿越LVRT(low voltage ride through)控制参数辨识精度,提出了一种基于最小二乘LS(least square)和自适应蛇优化ASO(adaptive snake optimization)算法的直驱风机LVRT特性辨识方法。首先,利用最小二乘法拟合出直驱风机LVRT待辨识参数初值,以确定待辨识参数的寻优范围;然后,分析了蛇优化SO(snake optimization)算法分阶段寻优的边界条件,设计了分阶段自适应学习因子,并引入Levy飞行策略,提出了适用于直驱风机LVRT控制参数辨识的ASO算法;最后,将ASO算法多次辨识平均值作为最终结果。结果表明,所提方法能快速、准确辨识直驱风机LVRT控制参数。

基于无线电网格化应用的多站TDOA自动选站算法

为了克服无线电网格化建设中多站无源时差定位技术人为选站方案效率低、准确度不高等缺陷,设计了一种用于多站TDOA定位的自动选站优化算法。根据不同监测站接收的TDOA信号数据及各监测站的位置信息,考虑TDOA定位布站准则及人为经验,由计算机依据设定算法自动选择最优的3个监测站节点进行TDOA定位。选取兰州中川机场网格化实际监测TDOA数据进行算法验证,结果表明提出的算法能够较好、快速、准确地选择最优3站参与TDOA定位,为无线电监测及网格化布站方案,提供一种有效的信号定位自动选站优化方案,且算法具有易于代码移植及工程实现的优点。

基于特定应用的可抢占与不可抢占任务调度算法

根据ASOS的特点和实际实时任务的特性,该文提出了一种建立在RM上的算法:NPT算法。它能很好地实现可抢占与不可抢占任务在单一处理器中的调度,并具有RM算法的一些良好的基本特性。还研究了这种算法的性质,给出并证明了NPT算法的任务可调度性充分条件。此外,对NPT算法下的最坏响应时间计算也作了论述。

基于优化BP神经网络ESA CCI土壤水分重建方法研究

为了获取空间连续的土壤水分遥感产品,提高微波遥感土壤水分产品精度,以青藏高原那曲地区为研究区域,欧洲航天局气候变化倡议(European Space Agency Climate Change Initiative,ESA CCI)土壤水分产品为基础,利用地表温度(LST)、归一化植被指数(NDVI)、反照率(Albedo)和数字高程(DEM)等数据作为辅助数据构建Back Propagation(BP)神经网络反演土壤水分模型,采用原子搜索优化(Atom Search Optimization,ASO)算法对传统BP神经网络进行优化,建立ASO-BP土壤水分重建模型。研究结果与地面实测数据相比,ASO-BP重建的土壤水分整体相关系数R值(0.80),高于传统BP神经网络模型重建土壤水分的R值(0.72),且RMSE值0.029 cm^(3)·cm^(-3)低于传统BP神经网络模型重建土壤水分的RMSE值0.034 cm^(3)·cm^(-3),结果精度均得到提高。在低植被覆盖度区域,精度提高更为明显,表现出更好的适用性。