厄尔尼诺事件对河南省降水的可能影响

本文采用小波变换方法分析了近50年来赤道东太平洋月海温距平序列和河南省月降水量距平序列的多层次时间尺度结构，对厄尔尼诺事件和河南降水的周期变化规律进行了对比分析，并讨论了厄尔尼诺对河南降水的可能影响。结果表明，厄尔尼诺事件对河南降水有一定程度的影响；表现为厄尔尼诺年大多对应河南雨涝年，而反厄尔诺年大多对应干旱年；NINO海区SST的冷暖结构和河南降水的旱涝变化之间具有较好的对应关系，而且两者都存在准2年和4－8年的周期变化。     

傅立叶变换红外光谱法（FTIR）在环境化学研究中的进展

FTIR法是研究大气、水、固体环境化学和毒理化学等方面反应过程重要的分析手段，文中主要介绍了该法的近期研究进展情况．     

印度夏季风降水周期性研究

印度夏季风降水(ISMR)在南亚气候系统中是一个非常重要的内容,近年来对它的研究日益受到人们的重视。为了深入认识ISMR的变化特征,主要利用Scargle周期图和小波变换研究了1871-2004年间ISMR变化的周期性。结果表明,ISMR的周期性波动非常复杂,相应的周期参数具有明显的时变特征。文中还简单讨论了ISMR周期时变的可能原因。     

黑龙江省森林火灾年际变化的小波分析

小波分析是一种新的时一频分析工具，广泛适用于非线性科学领域。选用Daubechies小波系对黑龙江省森林火灾的特征进行了分解和重构，结果表明，黑龙江省1953—2002年受害森林面积有近15～20a的周期波动性，森林火灾次数则有近30a的周期波动性。未来几年内，该省森林火灾受害面积和火灾次数会在较低的水平上波动，但森林火灾可能要比2000年严重。     

数据安全新思路

利用小波的时频局部化的特征,将信息的加密过程由传统的时域中进行改为在时域和频域中进行,达到信息加密和增强信息安全性的目的。采用两种方法实现信息的加密与解密的过程,一种是将明文保存为图像文件格式,对图像文件进行小波的分解与重构,实现信息的加密与解密;另一种是将明文数值化为一个系数矩阵,对数值矩阵进行小波的分解与重构,实现信息的加密与解密。通过小波分解过程进行加密,小波的重构过程进行解密,改变了传统的在空域中通过一系列的移位、迭代和置换的方式进行的加密过程,因此也不能通过传统的解密方式进行解密,增强了信息的安全性。由于小波的多样性,不同的小波变换得到的结果也会不同,增加了解密的难度,保证了数据的安全。     

基于现场总线网络图像传输的实现

采用基于小波变换的ADV611视频压缩芯片进行图像压缩,解决了视频数据过大的问题.设计了PROFIBUS-DP与Ethernet的网关模块来进行图像数据的传输,充分利用了现场总线传输快、带宽高的特点,并给出了传输系统的硬件组成.实验证明这种方法不仅能够在保证图像数据完整性和图像质量的同时,极大地延长了传输距离,提高了传输速度,减少了传输误差,还可以节约成本,避免重复投资.     

计及风速与风机故障相关性的概率潮流计算

针对计及风速与风机故障不确定性及相关性的风电并网电力系统概率潮流计算问题,基于Nataf变换建立了能够同时考虑风速、风机故障不确定性和相关性的风电场出力模型,提出一种可灵活处理风速与风机故障相关性的MonteCarlo概率潮流计算方法,并引入“拉丁超立方抽样”技术提高抽样效率,降低计算复杂度。仿真结果表明:该方法能反映风电场出力的实际情况,合理评估风电并网对电力系统概率潮流的影响,有助于风电场的选址及电网规划。     

拟合水工设计反应谱的人工地震波的生成与Huang变换校正

根据非平稳输入下建立的功率谱与均值反应谱之间的关系,合成基于水工设计反应谱的人工地震波,并对其幅值进行修正,降低了高频区误差作用;为了解决加速度时程积分后的速度、位移时程的零线漂移现象,利用Huang变换得到加速度时程的固有模态函数,由Huang变换方法得到的最低频率固有模态函数分量通常情况下代表原始信号的趋势或均值,对去掉均值后的加速度时程进行积分得到的速度、位移时程不存在零线漂移问题。     

基于IHS和PCA的CBERS与TM数据融合研究

以安徽省淮北市主城区为主要研究区域,采用2000年9月14日TM图像和2007年4月8日中巴资源卫星(CBERS-02)CCD数据作为数据源,主城区TM图像大小为239×338,CBERS图像大小为367×519.对两期遥感图像进行图像配准和去噪处理,运用IHS变换法和PCA变换法对TM图像和CBERS全色波段图像进行融合,并对融合结果进行了评价.     

西安市PM2.5污染的时空分布

为探索PM2.5的分布规律及其影响因素,对2013年西安市13个监测站点的全年ρ(PM2.5)数据进行了统计与整理.分析了ρ(PM2.5)的时空分布,采用聚类分析、小波变换研究了ρ(PM2.5)的区域分布特征与年际变化及突变特征,并对相关因素进行了探讨.结果表明,西安市ρ(PM2.5)在时间分布上具有冬高夏低的特点,而在空间分布上则以市人民体育场和草滩监测点所在区域为ρ(PM2.5)高值中心;ρ(PM2.5)在空间上可分为3大类,纺织城监测点单独为1类,经开区与草滩监测点为2类,另外10个监测点为3类,聚类效果的相关系数为0.7994,显示聚类效果较好;在ρ(PM2.5)年际变化中,除了6月和7月以外,其他月份ρ(PM2.5)均值为147.29 μg/m3,日照时间短和静风是导致ρ(PM2.5)发生突变的主要气象因素.