基于ACF-AMDF的气井环空液面回波特征提取方法

为了精确有效地提取声波法检测气井环空液位的回波周期，在分析环空中测试波的传播特征及基音周期检测的基础上，提出1种基于检测信号短时自相关函数(ACF)及平均幅度差函数(AMDF)的液面回波周期提取方法；利用自主搭建的室内模拟实验系统开展了不同初始环空压力下环空液位检测实验；对检测信号进行中心削波处理并计算ACF/AMDF，提取出液面回波周期并与理论计算值对比分析；同时分析了现场环空液位检测信号，提取其回波周期。研究结果表明:提出的新方法能有效地用于提取环空液面回波周期；室内实验中，该方法最大误差绝对值为1.54%；该方法能够有效抑制液面回波信号中的随机噪声及接箍反射波等，处理后的信号曲线在回波周期处峰值更加突出、集中，而在其他位置更加平滑，提高了对液面回波周期特征的辨识能力。     

PSO-RBF耦合神经网络在水质评价中的应用

径向基函数神经网络(RBF)中,连接输出单元的权重是影响径向基函数神经网络学习精度的主要参数,采用粒子群算法(PSO)对模型参数(权值)进行优化,建立了PSO-RBF耦合神经网络模型,避免权重的人为设定,具有客观性。并在Matlab环境下编程计算,构建了用于地下水环境质量评价和海水富营养化评价的径向基函数网络评价模型。将模型应用于黑龙洞泉域5个地下水监测点和某海水富营养化评价。评价结果和其他方法的评价结果一致,与实际情况符合,评级结果是合理的。评价结果表明,RBF网络简便有效,收敛速度快,有较强的分辨能力,优化确定模型参数后,便可对评价样本进行评价,具有较好的实用性和通用性。     

冷空气在北上台风“利奇马”致灾暴雨中的作用分析

利用NCEP逐6 h再分析资料、地面加密观测、探空、雷达资料,分析得出“利奇马”致灾暴雨是在长时间稳定维持的天气尺度环流背景下形成的。冷空气在降水所起的作用表现在:(1)长时间维持的弱冷空气与偏南暖湿气流交汇形成了边界层辐合线,辐射升温和暖湿气流的输送加大了辐合线两侧的温度和露点梯度,在高温高湿的有利环境下,对流在辐合线附近强烈发展。(2)高空槽后冷空气由“利奇马”环流西北侧渗入,先后形成3个冷平流中心,分别对应3个阶段的降水。(3)冷暖空气在降水区的持续辐合抬升作用增强了降水,最强降水时段发生在锋区垂直方向坡度最大的时段。(4)水平锋生有利于水汽输送和辐合抬升,垂直锋生有利于对流不稳定能量的累积和触发。冷空气形成的水平辐合和抬升造成大范围上升运动,使得锋生和垂直锋消同时存在,最强降水时段发生在水平锋生最强的时段。     

江西省耕地土壤氮素空间变异特征及其影响因素

为定量探讨省域尺度下土壤氮素空间变异特征及其影响因素。以江西省2012年测土配方施肥项目采集的16 582个耕地表层(0~20 cm)土壤样点数据，运用普通克里格、单因素方差分析与回归分析方法，对土壤氮素空间变异特征及其影响因素进行分析。结果表明：（1）江西省土壤全氮(TN)含量在026~375 g/kg之间，平均值为158 g/kg，变异系数为3101%；碱解氮(AN)含量值域范围为1160~39970 mg/kg，平均值为16431 mg/kg，变异系数为3460%；二者均呈中等程度的变异性。（2）经半方差分析，TN与AN的变程分别为31489和3030 km，TN的空间自相关范围大而AN较小。（3）在空间分布上，高值区主要分布在新余市、抚州市与景德镇市。（4）回归分析与单因素方差分析结果表明，地形因子、耕地利用方式、成土母质、土壤类型和秸秆还田方式对土壤氮素空间变异影响极显著(P<001)。秸秆还田方式对土壤TN与AN空间变异的独立解释能力最高，分别为271%与42%，是影响江西土壤氮素空间变异的主要因素。     

多中心作用下大城市房价空间分异的特征及影响因素——以合肥市为例

随着城镇化水平迅速提高,大城市通过外延式扩张与内涵式发展逐渐形成了多中心,在多中心作用下城市空间,尤其是房价空间的变化表现出异质性与复杂性.以快速发展的合肥市为例,从不同空间尺度利用地统计法研究城市房价的空间分异特征,并通过构建特征价格模型分析房价空间分异的主导因素,以揭示城市空间结构与房价空间分异的逻辑关联.结果表明:(1)在主城区尺度上,房价空间分布与多中心结构相符,在各中心范围内形成了 3个高房价区;(2)在中心区尺度上,各中心区房价呈现出圈层与扇形相混合的分布特征,不同规模等级的中心对其周边房价影响范围的差异,形成了不同的空间变异模式;(3)影响房价空间分异的三类特征中,结构特征与邻里特征在主城区尺度上对房价空间分异产生了较大的作用;(4)不同功能的中心区房价空间分异的主导因素各异,区位特征对旧城中心的影响最大,结构特征与区位特征均对行政中心有较大影响,结构特征是新区中心影响房价最主要的因素.     

基于IRBFNN和PCA的电网预想故障安全运行评估方法研究

为了更快速直观地监视、分析和评估故障后电网的安全运行状态,提出了基于径向基函数(radical basis function,RBF)神经网络和主成分分析法(principal component analysis,PCA)的评估模型。利用带衰减因子的吸引力传播(affinity propagation,AP)聚类算法选择RBF神经网络中心和隐含层节点数,同时提出了扩展的电网运行状态安全评估指标,利用越限指标权重和指数阶数避免了安全评估的遮蔽现象,利用主成分分析选取RBF神经网络的输入矢量特征,最后通过IEEE-30节点仿真算例验证了所提模型的有效性。     

RBF神经网络可靠度分析方法在边坡稳定性研究中的应用

针对边坡稳定性可靠度分析,当状态函数无法显式表达且传统计算方法求解复杂问题困难时,提出一种基于ABAQUS和粒子群优化径向基函数神经网络的可靠度分析方法。基于ABAQUS的强度折减方法计算所选随机变量对应的安全系数,利用径向基函数神经网络的数据拟合功能,建立模型并映射出安全系数和随机变量之间的关系,构造响应面功能函数;利用蒙特卡罗生成的大量随机样本代入功能函数得到相应的安全系数,进而计算边坡的失稳概率和可靠度指标来反映边坡稳定性。研究结果表明:相对于传统方法,本文方法计算效率更高、误差更小,适合实际工程应用。