论粒子的物质结构与波粒转变

本文通过对实验事实的分析,发现粒子不仅具有质点的模型,而且具有在三维空间连续分布的特殊物质结构,前者按经典轨道运动,后者为非轨道运动。物质波只有在明确地向质点模型转变的过程中才呈现出概率幅意义。

顾及测量不确定性的水体悬浮物浓度遥感定量反演方法

在遥感定量反演的地面同步实测环节中,人为因素、环境变化、条件限制等测量不确定性因素会不可避免地引入数据噪声,致使水体悬浮物浓度反演精度降低。为此,提出一种顾及测量不确定性的水体悬浮物浓度遥感定量反演方法,即自适应抽样一致性极限学习机(ASAC-ELM)算法。该算法结合了极限学习机(ELM)、随机抽样一致性(RANSAC)和N邻近点抽样一致性(NAPSAC)方法的优势与特点,利用参数维度自适应地选取RANSAC或NAPSAC算法进行参数估计,避免了ELM算法易受非零均值正态分布数据噪声影响的缺陷。ASAC-ELM算法通过选取局内点(非噪声点)数据建立模型,可去除噪声数据的干扰,提升模型的精度与适应性。通过模拟多组不同数量级且服从非零均值正态分布的随机数,将加性噪声引入训练数据中,实现不同噪声比条件下对ASAC-ELM算法的检验,并与ELM算法、传统反向传播(BP)神经网络算法进行了对比。结果表明,不同噪声比条件下,ASAC-ELM算法的水质悬浮物浓度反演精度高于ELM算法和传统BP神经网络算法,且反演结果稳定性较高。