高斯曲率与波域LMS算法相结合的图像去噪扩散模型

本文在充分研究传统PM模型的基础上,针对传统模型在模糊边缘细节等信息的不足,先利用图像的几何属性将高斯曲率作为检测算子引入到扩散模型中,将它作为扩散系数来保护边缘控制扩散,从而建立基于高斯曲率的图像去噪模型。考虑到噪声和图像的重要特征都集中在图像的高频部分,再采用小波变换进行小波分解,提取图像的高频部分,在小波域中运用最小均方误差(LMS)算法设计自适应阈值,进一步控制上述新扩散模型的扩散强度,提升去噪效果,建立基于高斯曲率与最小均方误差法的波域PM改进模型,最后将低频部分和经过新模型处理的高频部分进行小波重构,得到最终的去噪图像。实验结果表明,本文方法不仅能够有效去除图像噪声,同时也提升了对重要信息的保护。

基于新安江模型的半干旱地区土壤墒情预测研究

土壤墒情预测对水旱灾害防治、提高水资源利用效率、促进农业可持续发展具有重要意义。本文利用某流域2005—2007年根区土壤水分(0~30 cm、>30~60 cm和>60~90 cm共3层)及气象逐日数据资料,采用改进的新安江模型(基于Penman-Monteith模型的3种蒸发模式),预测不同干湿年份的土壤墒情。结果表明:单层蒸发模式对于湿润年份的模拟精度较高,但对于干旱年份模拟效果仍不理想;双层蒸发模式的模拟精度最高,适用于半干旱地区湿润年份和部分偏干旱年份的土壤墒情模拟,但对于无雨期较长的干旱年份,模拟的蒸发量偏高,导致土壤墒情预测值偏低。

利用人体肺部PM浓度模型定量评估广州市夏、冬季抽样人群PM_(2.5)的暴露

为了定量评价细粒子PM2.5的人体肺部暴露水平,首先,对暴露、暴露量、剂量、暴露评价等多个概念进行了明确界定,在此基础上,重点引入国际辐射防护委员会(ICRP)的人体肺部PM浓度模型对人体肺部PM2.5的浓度进行了模拟,定量化研究了广州市抽样人群PM2.5的作用剂量,作用剂量直接反映了进入人体肺部污染物的量.结果表明,广州市抽样人群平均PM2.5的作用剂量在肺部咽喉以外部分(ET)、支气管部分(BB)、肺泡空隙区(AI)分别为576.8￣975.9μg·d-1、357.5￣619.8μg·d-1、154.4￣290.1μg·d-1.

基于工程主线的软件工程课程串行化及PM模型研究

教育部提出大学应该培养理论与实践相结合的社会需要的创新性人才,要进行卓越人才培养和产业行业急需人才的培养,这就需要大学课程体系做出与其要求相适应的调整和改进,使课程体系具有科学性与工程性,在这样的课程体系下才能培养出知识、素质、能力全面发展的工程化的软件工程专业的大学毕业生。提出基于工程主线的软件工程课程串行化及PM模型,该模型采用相位匹配的方式将软件工程不同的专业课程配置上相位参数,通过对相位参数的调整建立专业课程的数学模型,对数学模型的优化改进来完成课程优化与改进,达到课程之间的串行化,根据工程的需求调整课程的相位参数,使课程达到最优组合,建立基于工程的课程体系,培养出软件工程专业卓越工程师。

基于Petri网的PMS动态调度仿真

Petri网模型是FMS动态仿真的有利工具。本文利用面向对象方法对FMS和有色赋时Petri网进行了描述 ,并根据最小下次事件时间推进原理 ,利用VisualC ++建立了动态调度仿真系统。结果表明 ,面向对象方法具有表达直观和自然 ,可扩充性 ,实现容易和简便等优点。

基于PM4Sand塑性模型的土体液化侧移计算分析

采用PM4Sand塑性模型预测土体因地震而液化引起的侧移量。利用有限差分程序,引入依据临界状态理论、由应力控制的砂土屈服面塑性模型模拟可液化土,对既有液化场地进行分析,预测由地震引起的场地液化侧移。根据既有场地的地质勘察资料和相关地震波,获取场地输入地震波和可液化土的动力触探值,确定可液化土的本构模型参数,再根据摩尔-库伦破坏准则设置非液化土的相关参数。监测场地自由面的液化侧移,记录可液化土的孔隙水压力,并将地表加速度时程与初始输入地震波加以对比。结果表明:在输入地震波作用下,场地发生液化且产生侧移,所得预测值较实测值大;场地对地震输入有一定的放大作用; PM4Sand砂土模型适用于实际工程的液化侧移预测。

郑州市PM2.5关联度及模型分析

本文运用灰色理论对郑州市PM2.5和AQI指标进行关联度分析,进而建立关于PM2.5的多元线性回归模型,分析降低郑州市PM2.5含量的措施,并为PM2.5形成因素的研究提供参考依据。

基于PM模型的曲面去噪变分水平集方法

PM(perona-malik)模型是一种经典的非线性图像扩散模型,该模型能根据设定的阈值对图像光滑区域进行扩散,并能自适应地保持图像边缘。本文将曲面法矢量与一般灰度图像的强度进行类比,将经典的图像扩散的PM模型转化为曲面几何噪声处理的自适应扩散变分模型,在使曲面光滑的同时,能够保持曲面边缘。曲面采用隐函数的零水平集表达,能量泛函中的数据项用初始水平集函数的Heaviside函数与演化后水平集函数的Heaviside函数差的平方表达,能量泛函中的光滑项基于几何曲率定义。此外,在能量泛函中增加了水平集函数为符号距离函数的惩罚项,避免了水平集函数需要不断重新初始化的问题。数值实验验证了所提出模型的曲面噪声去除及曲面边缘保持效果。

北京地区PM_(2.5)浓度影响因素及估算模型

为研究PM_(2.5)与大气污染物浓度之间的关系以及气象条件对PM_(2.5)浓度的影响,本文运用数学统计方法,对北京顺义区2016年1月—12月PM_(2.5)及大气污染物和气象要素的数据资料进行分析并建立了北京顺义区PM_(2.5)浓度的估算模型.双变量相关性分析的结果表明,PM_(2.5)浓度与PM_(10)、SO_2、NO_2、O_3以及CO等大气污染物浓度与温度、湿度、压强和风速风向等气象条件间呈现强的相关性.建立了PM_(2.5)与单因素拟合模型,其中PM_(10)、NO_2和CO与PM_(2.5)浓度拟合模型的R^2均大于0.6.识别了对PM_(2.5)浓度有显著影响的二阶、三阶交互作用的因素交叉项.综合考虑单个影响因素与影响因素间交互作用的对PM_(2.5)浓度的影响,采用因子分析方法并对提取的主成分进行回归分析,建立了拟合度R^2为0.887的PM_(2.5)浓度估算模型.

PM_(2.5)土地利用回归模型地理要素的选取

针对PM_(2.5)土地利用回归(Land Use Regression,简称LUR)模型地理要素选取不规范、代表性不明确的问题,本文从地理要素的精度、易获取程度、广泛应用程度及地理要素与PM_(2.5)的经验相关性4个评价指标出发,结合层次分析法(Analytic Hierarchy Process简称AHP)和熵值法,对京津冀地区PM_(2.5)LUR模型构建时各备选地理要素的权重进行综合度量。结果显示,京津冀地区污染企业、交通网络、地表覆盖等优选地理要素的综合权重分别为20%、19%、18%,地理要素与PM_(2.5)的经验相关性和数据精度等优先评价指标的综合权重占××的比例分别次为49%、26%。该方法得出的评价结果符合客观实际,能达到科学选取地理要素的目的,对评估地理要素的代表性和分析LUR的异同性及地方主要污染要素具有重要的参考价值。

日光温室作物腾发量估算模型的研究综述

腾发量模型是估算作物需水量的有效工具,为确定灌溉制度、设计灌溉系统提供重要参数,助力农业产业实现节水、高产、优质目标。现存的腾发量模型较多,适用条件差别较大,在温室环境内应用不够成熟,有必要对模型进行梳理,研究温室环境下模型的改进方法,以便提高模型估算精度。介绍了主要的腾发量估算模型及其适用条件,从适用于日光温室环境的角度出发,梳理了改进Penman-Monteith(PM)模型的方法。在此基础上,指出了提高腾发量模型精度的研究趋势,丰富了日光温室作物腾发量估算领域的研究成果。分析认为PM模型机理最明确,应用最广泛。改进PM模型的关键在于改进表面阻力(r_(s))、空气动力学阻力(r_(a))参数。此外,对作物系数(K_(c)、K_(cb)、K_(e))的改进也能有效提高模型估算精度。

基于GPU的快速变指数PM模型及BGA射线图像去噪

针对传统的基于中央处理器的变指数PM模型图像去噪算法运算量大的问题,提出了一种基于图形处理器(Graphic Processing Unit,GPU)加速的变指数PM去噪方法.该方法充分利用GPU中共享存储器和常数存储器在速度上的优势,引入GPU硬件加速工具和使用统一计算设备架构(Compute Unified Device Architecture,CUDA)对变指数PM模型进行了并行加速.并且采用球栅阵列结构的印刷电路板(Ball Grid Array,BGA)射线图像对新方法进行了测试.实验结果表明:所提的快速变指数PM去噪方法能够在有效地去除噪声的同时很好地保持图像的边缘信息;而且,图像越大,加速比越大,加速的优势越明显.可见,所提的快速去噪算法在BGA射线检测方面有很好地应用前景.

基于非局部均值去噪算法的PM模型及其Split-Bregman迭代实现

基于偏微分方程能量变分模型中规则项的设计,将传统的基于梯度的PM模型与非局部均值算法相结合,对加性噪声进行去噪在最小化非局部PM模型能量函数的过程中,分别运用原始算法和Split-Bregman迭代算法进行了数值运算,结果表明,两种方法均取得到了较好的修复效果。

邯郸市永年区不同PM修正模型麦田蒸散模拟对比

为探究不同PM修正模型在邯郸市永年区麦田的结构适应性、模拟准确性,以田间水量平衡计算结果为参照,分别选取了3种不同结构形式的PM修正模型命名为PM-1、PM-2和PM-3模型,模拟了永年区冬小麦关键生长期(4—5月)内的农田蒸散,并对比评价其模拟效果。结果表明:模拟精度方面,PM-1模型模拟的决定性系数和整体评价指标的平均值最高,分别为0.773和3.105,而PM-3模型模拟的两个指标最低,分别为0.701和-2.904;PM-1模型时间分布均衡度最高,PM-2模型最低;3种修正模型各具优点和局限性,对永年区蒸散模拟PM-1模型更具适应性。

基于MAIAC AOD数据构建上海市PM2.5时空分布模型

卫星技术的不断发展成熟使构建高分辨率的PM2.5浓度预测模型成为可能。为解决卫星数据的非随机性缺失会显著降低PM2.5浓度预测模型准确性的问题,运用多重填补法对MAIAC1km分辨率气溶胶光学厚度数据的缺失值实现补缺,其平均决定系数达0.75。在此基础上,运用随机森林模型构建上海市2017-2018年的PM2.5浓度分布预测模型,其决定系数达0.96。结果表明,上海市PM2.5分布整体呈现东低西高,沿海低内陆高的趋势,且2018年上海市PM2.5浓度整体低于2017年。气溶胶光学厚度数据是PM2.5预测模型中最重要的自变量。

基于PM模型的改进SIRT图像重建算法

在实际的扫描过程中,投影数据不可避免地受到各种噪声的干扰,影响重建图像的精度,从而给后续的图像处理带来许多困难.为提高图像重建的质量,提出了一种新的图像重建算法.首先,分析PM模型的优缺点,并在此基础上对该模型进行改进,然后利用改进的PM模型来处理SIRT算法迭代后的结果,使得SIRT重建算法与PM模型去噪可以循环交替进行,直至满足一定的停止迭代条件.实验结果表明:该算法所重建的图像质量更优,误差更小,图像的信噪比和峰值信噪比更高,明显地提高了图像重建的效果.

基于机器学习的短期PM2.5预测

由于环境和快速发展之间的不平衡,城市空气质量问题变得越来越突出。PM2.5作为空气污染的主要成分,会对人体造成很大伤害。因此,准确地预测PM2.5浓度对于保护人们健康具有重要意义。首先选取了其他空气质量数据(PM_(10)、NO_(2)、CO_(2)、O_(3))作为影响因素,构建了基于机器学习(多元线性回归、岭回归、套索回归、决策树、随机森林和人工神经网络)的PM2.5预测模型;其次利用这些模型预测山西省太原市未来1小时PM2.5浓度;最后通过MAE、RMSE、R^(2)来等指标评价各模型的预测性能,实验结果表明,基于随机森林的预测模型具有最高的预测精度。

基于日尺度的干旱区ET_0计算模型对比分析

该文利用PM模型和Hargreaves模型,对新疆塔里木盆地北缘ET0日值进行了计算,以PM模型计算值为标准值,对Hargreaves模型计算值进行对比分析。结果表明:Hargreaves模型计算值偏大,两种模型ET0日值计算结果存在显著差异;此外,建立了不同时段两种模型计算值的回归方程,修正后的Hargreaves模型能很好地在研究区应用,这为Hargreaves模型在其他类似干旱区的应用提供了重要参考。

基于Penman-Monteith模型的蒸散模拟评估分析

根据南京地区粳稻、籼稻两个品种水稻分别在干旱、水层条件下的逐时、逐日蒸散量观测资料,采用Penman-Monteith模型(以下简称PM模型)对水稻蒸散量进行模拟,并对比模拟蒸散值与观测蒸散值。通过计算,对PM模型的可靠性进行验证。结果表明:(1)水层条件下PM模型的精度比干旱条件下高。(2)模拟值乘以作物系数后,与蒸散实际测量值更加接近。(3)通过敏感性分析可知,使用PM模型进行蒸散量模拟时,方程中各个因子取值的准确性对模拟结果的精确度有较大影响,计算时要合理确定各个因子值。(4)水层条件下稻田的蒸散量明显大于干旱条件下的蒸散量。

基于改进粒子群优化BP_Adaboost神经网络的PM_(2.5)浓度预测

为了提高大气污染物浓度预测精度,采用灰色关联分析选取影响大气中PM_(2.5)浓度的主要因子,并以此作为神经网络输入变量,建立一种基于BP_Adaboost神经网络的PM_(2.5)浓度预测模型.用改进粒子群算法来选择BP_Adaboost神经网络权重和阈值,可以有效避免神经网络在训练时陷入局部最优解.根据北京市海淀区万柳监测站和朝阳区北京工业大学监测点每小时监测的大气污染物浓度和气象条件,分别选择2014-11-01~2014-11-25和2017-07-07~2017-08-06数据作为实验研究对象.仿真结果表明,在PM_(2.5)浓度预测中,相比于BP_Adaboost、BP和广义回归神经网络3种预测模型,改进粒子群优化BP_Adaboost神经网络预测性能更优.