基于交通数据分解和时空特征提取的车辆平均车速预测模型

从交通数据分解和时空特征提取的角度出发,提出建立基于交通数据分解和时空特征提取(Traffic Data Decomposition and Spatio-Temporal Feature Extraction, TDD + STFE)的预测模型对城市道路交叉口车辆平均车速进行预测。模型首先借助Fourier变换将交通数据中的线性部分即周期项转换为Fourier级数的形式,再用原始数据减去线性部分得到非线性部分。继而借助卷积神经网络–门控循环单元(Convolutional Neural Network-Gated Recurrent Unit, CNN-GRU)模型提取交通数据非线性部分的时空特征,最后将两部分的预测值相加即为最终预测值。通过实际交通数据验证,表明本文所提车辆平均车速预测方法同时具备实用性和有效性,对交通运行状态的评估和预警具有一定的指导意义。

基于彩虹技术的蒸发液滴温度分布测量

基于多层球彩虹的Debye级数分解理论,结合蒸发液滴的集总参数模型、折射率指数模型以及三次多项式分布模型,模拟计算液滴的折射率及温度参数。数值计算结果表明,三次多项式模型中温度分布曲线与试验数据更匹配,无需辅助手段测量液滴表面温度,能够直接求解蒸发液滴的温度分布曲线。利用三次多项式模型结合改进的彩虹测量算法,具有较高的反演精度且避免其他模型存在的多解问题,能够准确反演蒸发液滴内部的温度分布。

多层球粒子彩虹光强分布特性研究

基于多层球Debye级数分解理论,计算了不同参数下多层球粒子一阶彩虹的光强分布,分析了多层球粒子的参数-折射率指数因子对多层球粒子的一阶彩虹主峰角位置的影响;同时根据多层球Debye级数分解理论,将多层球粒子的各阶彩虹进行分离,对不同特性散射结构的光强分布进行了研究,分析了各阶干涉强度对散射场的贡献。

相对折射率对前向散射粒度测试的影响

折射率是基于Mie理论的前向散射法颗粒测量中的重要参数。为了减小颗粒测量误差,在Mie理论、Debye级数展开以及夫琅禾费衍射理论基础上,分析了相对折射率对散射光能分布的影响方式,揭示散射光能分布宽度随相对折射率的变化呈周期振荡特性,并得到该振荡的经验公式;解释了散射光能分布随相对折射率变化的原因,实验验证结果表明,散射光能随相对折射率变化呈周期振荡特性,振荡周期为π,振荡曲线上极小值对应反演结果更接近标称值。因此,在实际测量中,应尽量选择分散介质,使相对折射率对应的散射光能分布宽度处于振荡曲线的极小值点。

基于彩虹现象的光学测粒技术研究

对基于彩虹现象的光学颗粒测量进行研究,提出了一种新的参数反演模型和算法,可同时测量颗粒的粒径和折射率。新算法基于经验模态分解的去噪技术,并采用一种特征点提取技术和基于Debye理论的反演最优点搜索算法,能较精确的迅速找到反演最优点。数值模拟结果表明,当信噪比降至5 dB时,直径反演最大误差小于10%,折射率反演最大误差小于0.1%。对不同温度下自由下落的水滴进行实验研究,水滴由波长532 nm功率14mW的连续激光源照射,产生的彩虹光线经大口径透镜收集,被位于透镜焦平面的CCD相机接收。实验结果同样表明此测量方法具有较好的精度和可靠性。

混沌序列WA-VOLTERRA耦合模型在月降水量预测中的应用

由于月降水量时间序列含有大量噪声,并表现出明显的混沌特性,现有预测模型均存在一定程度的不足.基于混沌理论的小波分析-VOLTERRA级数自适应(WA-VOLTERRA)耦合预测模型,在对月降水量时间序列进行混沌特性识别的基础上,先用小波分析对月降水序列进行时频分解,再分别对各频率分量进行相空间重构并用3阶VOLTERRA级数自适应模型建模预测,最后综合得到原始序列的预测值.以相近区域杭州市和南通市的月降水序列为例,并通过与小波分析-支持向量机(WA-SVM)模型进行比较,发现该模型具有较强的适用性和更高的预测精度.

单颗粒光散射偏振特性的模拟和分析

在入射自然光和线偏振光两种常见情况下,基于Mie理论和Debye级数展开,模拟了整体散射光和各阶散射光的偏振度和偏振比分布。研究结果表明:自然光入射时的散射光一般为部分偏振光,当粒径小于波长时,偏振度分布与Rayleigh散射的一致;当粒径大于波长时,整体散射光的偏振度在前向散射角很低,随着散射角的增加逐渐增高但变化频繁,在彩虹角处有很高的值。当入射光为线偏振光时,散射光一般为椭圆偏振光,整体散射光和各阶散射光的偏振比都很高,只有当方位角远离0°、90°、180°时才会出现极小值。