高斯函数拟合的地磁日变规律分析及改正

地磁数据的采集精度直接影响着地磁匹配定位的准确度,地磁日变改正是获取高精度地磁数据的重要前提.在远海以及一些远离台站有效范围的偏远区域设立日变站相对困难,而且保证日变站持续稳定的工作对日变站的设立提出了更高要求.日变改正步骤复杂而繁琐,大多通过多台站联合改正或监测相应时刻日变站的变化实现,对于区域地磁数据采集过程的日变改正研究相对较少.针对这些问题,文章顾及地磁静日变化存在一定周期性的特点,基于高斯拟合函数对单点位多个太阳日下的地磁场变化规律进行分析,并对区域多点的地磁场数据进行日变拟合及改正分析.试验结果表明:在一定区域范围内高斯函数拟合得到的点位磁场的静日变化能够满足地磁日变改正精度,拟合误差在几个nT以内,中误差也不超过10 nT;区域点位实验中,将高斯函数拟合获得的日变改正值与常规方法获得的日变改正值进行对比,其中82.3%的点位日变改正值的差值在±5 nT以内.因此,基于高斯函数拟合的地磁日变改正分析能够根据观测时间获得相应区域的日变改正估值,实现日变改正,获得高精度地磁数据,为地磁匹配定位提供了基础.

基于福井函数方法的芳杂环化合物亲电取代反应位点预测及图形可视化教学应用

基于福井函数方法,利用Gaussian和Multiwfn软件预测了常见芳杂环化合物及取代芳杂环化合物的亲电取代反应位点,使之以可视化图像形式展现并应用于基础有机化学的教学实践。

大气湍流下部分相干涡旋光束经粗糙目标回波特性

利用广义Huygens-Fresnel原理和随机高斯粗糙面模型,研究部分相干高斯-谢尔模型涡旋光束的回波特性,通过特殊积分推导出部分相干涡旋光束经随机粗糙面散射后到达接收端的交叉谱密度函数和光强解析式,并进行仿真分析。结果表明:随着拓扑荷数、束腰半径和相干长度的增加,光强自相关函数曲线下降的越来越陡峭;在强湍流环境下,自相关函数衰减越来越严重;内尺度会影响光强自相关函数,并且随着内尺度的增大而衰减严重,外尺度对其影响作用不大;随着粗糙目标相干长度的增大,光强自相关函数的半峰宽值逐渐趋增大。

基于GA-BP神经网络模型城市河道水位预报研究

城市内河水位预报对城市内涝风险管理具有重要意义。传统数值模拟模型计算效率较低,且无法实时计算。针对以上问题,提出一种基于Gaussian函数改进BP神经网络的河道水位预报模型,解决了BP神经网络模型预报精度低、在误差平坦区收敛速度慢的问题。该方法利用Gaussian函数改进BP神经网络梯度下降算法,针对模型不同权重与阈值设定不同学习率,对各参数进行针对性优化,能够有效加速BP神经网络模型训练效率;针对模型在误差平坦区收敛速度慢的问题,通过Gaussian函数增大梯度下降算法在误差平坦区的学习率,控制梯度下降算法在误差较大时的学习率,能够有效加速BP神经网络模型在误差平坦区的收敛速度。以福州市晋安区6个河道水位测站为研究对象,构建GABP神经网络河道水位预报模型进行城市内河水位预报,并探讨不同降雨输入形式对河道水位预报精度的影响。结果表明:GA-BP神经网络能够有效提升BP神经网络在误差平坦区的收敛速度与模型预报精度,试验集预报纳什效率系数(NSE)均在0.8以上,能够将预报峰值水位相对误差控制在5%以内,其中降雨以小时降雨量形式输入能够将预报NSE提升至0.9以上。研究表明采用Gaussian函数改进BP神经网络模型能够有效提升模型预报精度,对提升城市河道水位预报具有重要意义。

改进蚁群算法的无人机航迹规划

航迹规划技术是保证无人机成功完成任务的关键,针对传统蚁群算法存在的容易陷入局部最优、收敛性差等问题,提出一种用于无人机航迹规划的改进蚁群算法。首先,对初始信息素浓度进行不均衡分配,利用A~*算法规划出一条较优路径,使该条路径上的信息素浓度高于其他路径,避免初期搜索的盲目性;其次,引入一种启发式因子来优化状态转移规则,提高了算法的收敛速度;最后,利用高斯函数的特性平滑信息素挥发因子的变化,信息素挥发系数可以通过当前状态和目标之间的距离进行动态调整,避免算法陷入局部最优。仿真结果表明,在相同的环境下,所提算法相较于传统蚁群算法,生成的航迹长度更短,且收敛速度更快。

基于高斯模型与自适应大气光幕的图像去雾算法

单幅图像去雾被广泛应用于户外光学图像采集设备,针对现有算法去雾不彻底、偏色的问题,提出了一种基于高斯模型与自适应大气光幕的去雾算法。首先,通过离散余弦变换分离出有雾图像的低频分量,并且利用低频分量和大气光幕的线性关系结合高斯函数,提出一个自适应大气光幕求取模型,获得初始大气光幕;随后,结合伽马校正构造一个含有未知参数的优化函数,并对大气散射模型施加平均饱和度先验,获得最终的自适应大气光幕;最后,通过大气散射模型获得清晰无雾图像。实验表明,该算法与一些经典和先进算法相比较,具有很强的泛用性,复原结果清晰、颜色自然,在一些客观评价指标上也优于其他对比算法。

基于WGKSOM-DRCA自适应即时学习的转炉炼钢终点碳温软测量方法

转炉炼钢终点碳温的准确预测是实现转炉终点控制的关键。针对转炉生产过程数据存在波动性大和非线性特点引起传统即时学习度量的算法学习集质量低,进而削弱模型预测性能的问题,提出了一种基于加权高斯核自组织映射动态相关成分分析(WGKSOM-DRCA)自适应即时学习软测量建模方法用于转炉炼钢终点碳温预测。首先,采用引入标签信息的WGK度量准则构造WGKSOM聚类算法引导聚类方向,提高算法的聚类质量并降低类簇数据波动性对于建模的影响;其次,利用高斯后验概率计算待测样本的隶属度并通过引入动态因子构建DRCA度量策略,从而实现自适应的样本选择,进一步提升待测样本对应的局部算法学习集质量并用于局部模型训练,最终输出终点碳温的预测结果。实验表明,所提算法在转炉炼钢终点碳温预测上相对于其他算法有更好的表现,在±0.02%的预测误差范围,碳含量的预测精度为92%,在±10℃的误差范围,温度的预测精度为93.5%。

基于双峰高斯函数的海上低渗储层孔隙结构定量表征——以琼东南盆地BD21气田陵水组三段为例

海上低渗气藏占比增加,孔隙结构的差异影响气井产能,制约海上低渗气藏规模开发。根据高压压汞和核磁共振实验,采用测井曲线与储层分类参数、双峰高斯函数拟合曲线等方法,利用球状孔隙模型将核磁共振T2谱转化为伪毛细管压力曲线定量表征孔径大小及分布,分析核磁共振T2谱反映的大孔孔隙度、大中孔孔隙度与物性、压汞参数之间关系,分析反映储层渗流能力的孔隙结构评价参数,建立孔隙结构和物性参数预测模型。结果表明:陵水组三段低渗储层孔隙结构分布呈双峰型和单峰型,其中小孔曲线与大孔曲线存在重叠区域,双峰型曲线的重叠区域较小,单峰型曲线的重叠区域较大,孔隙可按双峰高斯函数拟合的小孔曲线、大孔曲线和重叠区域的分布范围划分为大孔、中孔和小孔;大中孔孔隙度、大孔孔隙度可有效评价储层物性和孔隙结构,储层大中孔越发育,物性越好,可动流体饱和度相对较高。以大孔和大中孔综合评价参数为主要指标的低渗储层分类标准,将研究区低渗储层划分为三种类型,其中Ⅰ类、Ⅱ类储层大中孔较为发育,储层物性较好,大孔、大中孔综合评价参数值分别大于7、10,可动流体饱和度相对较高,普遍在65.75%以上;Ⅲ类储层物性相对较差,大孔和大中孔综合评价参数值较小,孔隙结构复杂,可动流体饱和度相对较低。该结果为海上低渗气田经济有效开发提供指导。

复杂背景下基于SIFT算法的局部遮挡人脸识别

由于复杂的背景环境中存在大量噪声点、平滑点以及失真点,影响人脸识别效果,提出基于SIFT算法的局部遮挡人脸识别方法。考虑到噪声因素的影响建立尺度不变高斯函数,通过该函数描述原始图像的噪声干扰,查找平滑程度最高的像素点,以像素均值作为参考,对像素点及周围区域实行平滑约束。建立包含眼睛、鼻子、嘴巴以及耳朵的面部特征子集,与标准图像比对,采用最大期望算法提取重叠度最高的面部特征,作为人脸识别的参照标准。采用两个向量的内积衡量人脸图像与参考值之间的相似度,计算存在和不存在局部遮挡的特征权重,建立置信区间,代入面部特征权重实施置信对比,完成人脸识别。实验结果表明,所提方法的识别精准度较高,在灰度变化、噪声以及局部遮挡的情况下均能够保证识别精度。

基于高斯小波函数和线性表达法的开口板自由振动特性研究

研究开口板自振特性的求解方法,将开口部位视为厚度为零的板,引入局域化特性的高斯小波函数作为位移形函数来捕捉厚度突变的情况,提高解的精确度。提出线性表达方法解耦位移形函数与边界条件,基本思路是通过高斯消元法找到约束条件矩阵中线性无关的列向量,将位移形函数中的未知系数转变为线性无关系数列向量的线性表达,从而将有约束问题转变为无约束问题。对四边简支和四边固定的开口板进行分析,结合有限元方法计算结果,讨论解的收敛性和准确性。研究了不同开口尺寸、开口形状对自振频率的影响,得到开口尺寸、开口形状与自振频率关系曲线,对影响的原因进行了解释。最后计算了不同边界约束条件下多开口板的自振频率。

高斯光束圆孔衍射光强分布的解析解

本文从菲涅尔-基尔霍夫衍射公式出发,结合贝塞耳函数等特殊函数的性质,计算了正入射高斯光束圆孔衍射的光强分布,并以洛默尔函数的形式表示了焦点附近的光强分布.之后选取了几何焦平面、光轴以及几何阴影区域边界这三个特殊区域,理论结合数值方法给出了光强分布的解析表达式以及数值结果,并发现高斯光束束腰半径越小,艾里斑半径越大,同时焦深也越大.最后计算了焦平面上的光强积分强度,结果表明束腰半径越小,光强就越向中心集中.同时高斯光束相较于平面波的衍射,不会改变光强分布的整体轮廓,但会使得光强向焦点处集中.

基于核极限学习机的下肢关节力矩预测方法

针对极限学习机(extreme learning machine,ELM)预测下肢关节力矩时,随机初始化输入权重和偏置影响模型准确度问题,提出一种基于核极限学习机(kernel based extreme learning machine,KELM)的下肢康复机器人关节力矩预测方法。该方法将高斯核函数与ELM相融合,并采用遗传算法(genetic algorithm,GA)与粒子群优化(particle swarm optimization,PSO)结合的基因粒子群GAPSO对KELM的参数进行优化。首先,采集1位在跑步机上以0.4、0.5、0.6、0.7和0.8 m/s等5个不同速度行走的右下肢偏瘫患者运动数据并对数据进行预处理;其次,通过GAPSO对KELM进行优化,获得最优正则化系数C和核函数宽度参数S,将输出关节力矩与反向生物力学分析计算的关节作比较;最后,利用均方根误差(root mean square error,RMSE)和相关系数P来评价算法优越性。实验结果表明,基于GAPSO优化后的KELM(GAPSO-KELM)算法相对于PSO-KELM算法、KELM算法和ELM算法的平均最大均方根误差分别降低14%、18%、28%,且P除了0.8 m/s右侧踝关节内外翻是0.79外,其余P最小是0.84,GAPSO-KELM算法进一步提高预测精度,使其为康复治疗提供更有效的算法支持。

含有高斯函数的高等数学问题的求解技巧

本文通过对几道典型例题的讲解,尝试求解带有高斯函的数微积分问题,并探讨与之相匹配的解题思路和技巧.

基于高斯混合模型的物流非高斯随机振动损伤分析

针对公路运输环境中的振动信号具有明显的非高斯性,提出一种非高斯随机振动疲劳损伤分析方法。为了描述振动信号的幅值概率密度分布,采用移动加速度均方根来代表该段信号的振动强度,并引入高斯混合模型对加速度均方根值进行描述。在此基础上结合Tovo-Benasciutti方法和Dirlik方法推导出非高斯宽带频域疲劳损伤计算方法。最后,以雨流计数法作为参考,对不同峭度的实测振动信号进行疲劳损伤分析,结果表明,与传统频域疲劳损伤计算方法相比较,提出的非高斯疲劳损伤方法具有更高的计算精度。该研究对于运输包装件的随机振动加速试验设计有实际意义。

非高斯波浪作用下深水高墩的非线性随机振动

首先,建立非高斯波浪作用下深水高墩的随机动力学模型,采用泊松白噪声激励模拟非高斯随机波浪过程,利用达朗贝尔原理和伽辽金方法推导深水高墩的运动方程。然后,通过径向基神经网络法求解广义FPK方程,获得系统的瞬态响应概率密度函数。最后,考察不同结构参数对系统响应的影响,并采用蒙特卡罗模拟(MCS)验证理论解。结果表明:理论解与模拟结果吻合良好;浸入比和质量比增加均会放大高墩的响应;采用高斯模型会使结构设计偏于保守。

基于遗传-模拟退火算法修正高斯烟羽模型参数

高斯烟羽模型由于受到地形地貌与气象条件等因素的影响,难以准确反映大气的实际扩散过程。为解决上述问题,首先在经验参数作为先验值的基础上,通过遗传算法对实际观测数据进行参数反演修正,根据观测结果调整模型参数,提高模型的准确性;然后,为进一步优化参数修正结果,引入模拟退火算法,通过随机搜索和逐步降温的策略来跳出遗传算法可能陷入的局部最优解,进一步改善模型的性能。为了评估修正效果,建立一个基于权重的模型值与观测值之间差异的适应度函数,通过比较修正前后的误差率来判断参数修正对高斯烟羽模型的影响程度。仿真实验的结果表明,所提出的遗传-模拟退火算法模型能够有效地修正高斯烟羽模型中的扩散参数,修正后的模型在预测污染物浓度方面的误差率下降了89.40%。所提模型可为环境保护和污染防治提供重要的理论支撑和决策依据,具有较大的应用潜力。

基于紫外成像技术的彩色光斑映射识别算法研究

紫外成像检测是一种有效的非接触式放电检测方法,紫外放电图像中彩色光斑的准确分割直接关系到其后续诊断的准确性。因此,提出了一种基于灰度差异的紫外图像彩色光斑区域识别分割方法,旨在准确提取彩色的紫外光斑区域。首先,利用紫外成像仪采集了电气设备紫外放电视频,其中放电光斑区域颜色涵盖了目前紫外成像仪常用的色彩;其次,改进了紫外视频的处理方法,利用高斯函数对紫外图像进行预处理,将光斑区域像素与非光斑区域像素的灰度差异平均提高了2.18倍,进而可利用阈值分割算法对光斑区域进行更准确的分割;最后,提出精度和召回率作为算法应用效果评价指标,将算法应用于1000张紫外图像帧,其平均值分别为0.9632和0.9827。由此可知算法实现了紫外检测图像中彩色光斑区域的准确分割,能够满足后续对紫外放电图像进行可靠诊断的要求,为基于紫外成像的电气设备放电诊断提供了可靠保证。

基于EGWOEO算法的三维无线传感网络覆盖优化

针对三维随机部署无线传感网络节点出现的覆盖率低和节点不均现象,以覆盖率为适应度函数,提出一种基于EGWOEO算法的三维无线传感网络覆盖优化算法。首先,采用Tent混沌映射初始化种群,以增加种群多样性;其次,利用反向学习策略,以增加全局搜索能力;之后,融入双曲正切高斯策略,加强算法寻优能力;然后,提出一种正余弦函数的非线性收敛因子,以平衡全局与局部搜索;最后,改进种群位置更新方程,加快算法的收敛速度与精度。将改进的EGWOEO算法应用于三维WSN覆盖优化中,仿真结果表明,与GWO、PSOGWO、LGWO算法相比,EGWOEO算法的三维WSN覆盖率平均增量分别为11.023%、10.662%和12.401%,改善了节点分布不均现象,提高了节点利用率。

联合自然梯度和AdamW算法的RSF图像分割模型

关键零件内部复杂结构的精密测量是高端制造领域攻克的难题。当采用工业CT技术实现对象内部结构精密测量时,面临目标图像灰度不均匀性、边缘模糊、伪影等问题。有鉴于此,本文研究了局部能量最小化模型(RSF)的图像分割方法,引入自然梯度和AdamW算法分别提高了RSF模型的收敛速度和参数自适应性。首先,在统计流形上计算自然梯度,提高梯度下降效率和RSF模型收敛速度;其次,采用AdamW算法实现RSF模型的高斯核函数尺度大小自适应控制。与经典RSF模型相比,改进后的RSF模型迭代次数减少了1353次,迭代次数降低约76.79%,迭代时间减少约43.61%,测针球面半径和航空燃油喷嘴圆柱直径测量误差均较小,既保持了原模型亚像素分割精度,又大幅提高了模型收敛速度和鲁棒性。

基于贝叶斯的舰船辐射噪声特征识别方法

针对舰船辐射噪声特征存在非线性、非平稳的时变特点,导致特征识别难度较高的问题,本文提出一种基于贝叶斯的舰船辐射噪声特征识别方法。利用Dopplerlet变换方法,选取高斯函数作为基函数,变换舰船辐射声场信号。利用VMD算法获取搜寻约束变分模型的最优解,将完成变换的舰船辐射信号,分解为多个IMF分量,提取舰船辐射噪声特征。利用所提取的舰船辐射噪声特征构建特征样本集,通过贝叶斯网络计算样本集内各样本的状态概率,识别舰船辐射噪声特征。结果表明,该方法有效识别水面舰船、水下低速运动舰船等不同类型舰船的辐射噪声,适用于舰船目标识别应用中。