大雾能见度估计与预测

来源 :数学的实践与认识 | 被引量 : 0次 | 上传用户:rocwingw
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
雾与霾的自然现象会显著降低能见度,对道路行车与飞机起降造成巨大的安全隐患,因此,根据观测数据对大雾环境中的能见度准确估计与预测的重要性不言而喻.首先,采用因子分析对七个气象因素的观测数据进行降维,并结合辐射雾形成的物理模型确定因子个数,进而拟合出多元非线性关系式;然后,基于暗通道先验与Lambert-Beer定律,结合高速公路监控图像中车道线的距离等信息,建立透射率、距离与消光系数的关系模型,进而求解能见度变化曲线;最后,使用ARIMA时间序列模型预测高速公路能见度达到150m的具体时刻.
其他文献
针对第十七届中国研究生数学建模A题展开研究,对ASIC芯片上的载波恢复DSP算法设计与实现进行分析和建模.首先对光纤通信系统进行建模,根据模型选取了基于判决反馈的载波恢复算法,此算法可以在极小的导频开销下满足RSNR代价小于0.3dB的要求;其次在一定的线宽值和色散值范围内对色散、线宽与导频开销之间的关系进行了定性分析与定量仿真.结果 表明,色散值与线宽值越大,满足RSNR代价的要求所需的导频开销就越大,近似满足线宽增大10倍,导频开销需增大8倍的规律;再次,设计了基于CORDIC算法的硬件实现方案,并给
1 引言rn今年全国研究生数学建模竞赛在教育部学位与研究生教育发展中心指导下,在主办单位中国科协青少年科技中心的努力下,由于承办单位华东理工大学积极而卓有成效的工作,各研究生培养单位普遍重视、精心组织,广大研究生积极响应、踊跃报名,在参赛的研究生人数和组成两方面都有可喜的变化,2020年“华为杯”第十七届中国研究生数学建模竞赛,共吸引了来自全国34个省、市、自治区、特别行政区以及国外等523所高校和部分研究院的17219支队伍报名参赛.最终,共有504个培养单位14436支队伍、43308人成功完赛.报名
期刊
从化工实践出发,通过构建汽油辛烷值损失预测和损失降幅最大化模型,研究了汽油精制过程中的汽油辛烷值损失的相关问题.首先,基于三大相关性系数与随机森林特征重要度方法,提取出与辛烷值损失稳定相关的18个变量.其次,综合运用支持向量回归、XGBoost、决策树三种数据挖掘技术,基于四大评价指标,确定拟合效果最好的辛烷值损失预测模型.最后,构建辛烷值损失降幅最大化模型并运用改良版遗传算法对不同操作进行处理,实现了整体样本80%以上达到辛烷值损失降幅大于30%的优化目标.
芯片在当今信息科技时代的重要性,等同于煤和石油在工业时代的重要地位.在指甲盖大小的芯片上,却集成着数百亿的晶体管.但是在高度科技化的今天,单纯追求芯片制造已经达到当前芯片的极限,所以设计合适的芯片算法和芯片工程对进一步提高芯片性能是十分有必要的.从光数字信号处理芯片的CR算法为例,探讨了算法与芯片设计过程中的相关问题.以性能为主导的算法选型问题:需要查阅相关文献找到CR相关的经典文献,从中提炼出算法原型,然后辅助以系统需求进行合理的优化选择;以复杂度为主导的实现环节:需要从实现简单、消耗硬件资源等方面综合
对于汽油辛烷值RON数据挖掘处理问题,逐步建立了预测模型和优化模型.首先进行数据清洗预处理,然后非操作变量采用灰色关联度分析降维,操作变量采用随机森林降维,综合降维处理之后得到18个主要建模变量.以辛烷损失值为目标变量,分别通过支持向量机回归和BP神经网络建立起主要变量与目标变量之间的非线性关系预测模型,进行对比验证后,确定BP神经网络模型为辛烷值损失预测模型.针对主要变量操作方案优化,建立关于产品硫含量的BP网络预测模型后,建立多目标粒子群优化模型,进行粒子群迭代优化来分析主要变量操作条件的变化,并进行
为提高脑电信号的分析和判别的准确率,利用数据挖掘的方法对数据进行处理,并建立脑电信号判别模型.首先,对P300信号标志符进行识别,完成对脑电信号的数据预处理,利用经验模态分解方法(Empirical Mode Decomposition,EMD)降低噪声去除伪迹,使用主成分分析方法(Principal Component Analysis,PCA)进行特征提取.然后,采用合成少数类过采样技术方法(Synthetic Minority Oversampling Technique,SMOTE)扩充样本使正负
2020年第十七届全国研究生数模竞赛C题“面向康复工程的脑电信号分析和判别模型”,主要结合实验设计和实验数据,对两种不同产生方式的脑电信号的特性进行分析,探讨不同应用需求下,分类模型的设计与实现.将从赛题背景、实验数据、解题思路、答题情况等几方面进行赛后综述.
叙述了2020年中国研究生数学建模竞赛D题“无人机集群协同对抗”的命题背景和目的 ,分析了本赛题的建模及求解思路,对评阅中发现的问题进行了综述,最后讨论了本赛题还需继续思考的问题.
建立了基于机器学习和统计学习的P300信号识别模型.由于通道数过多,建立基于组稀疏贝叶斯逻辑回归的通道自动选择模型来提取最佳通道组合;然后针对数据标签成本过高的问题,提出了改进的基于支持向量机的半监督分类模型.最后针对5个健康成年被试的P300脑机接口实验数据进行实证分析.在实证分析中首先对数据进行预处理、特征提取和整合、欠采样等数据分析工作,然后在通道自动选择模型选择出的最优通道组合的前提下,识别并分类预测了P300信号.该识别过程是康复工程发展的重要辅助工具.
针对红、蓝无人机集群在平面区域内的协同对抗问题进行建模研究.首先我们运用非线性规划、平面解析几何、动态博弈理论等知识建立数学模型,求解得到蓝方的成功突防区域与最优突防策略.接下来我们从红方无人机集群拦截策略的初始位置出发,建立基于动态博弈理论的无人机集群突拦模型,通过MATLAB编程计算出蓝方最佳突防通道下限Mmin=79.08 km.