驗(yàn)算法的雪深反演算法是目前被動(dòng)微波雪深反演領(lǐng)域最常用方法。1987年Chang等[5]發(fā)現(xiàn)被動(dòng)微波19 GHz和37 GHz兩個(gè)波段水平極化數(shù)據(jù)的亮溫差值和地表雪深之間存在較強(qiáng)的關(guān)系,以此為基礎(chǔ)建立了經(jīng)典的半經(jīng)驗(yàn)雪深反演Chang算法。該算法是基于SMMR數(shù)據(jù)建立的,因此使用其他衛(wèi)星傳感器的數(shù)據(jù)時(shí)會(huì)產(chǎn)生一定的誤差。基于Chang算法,學(xué)者們開(kāi)展了基于被動(dòng)微波亮溫差的半經(jīng)驗(yàn)雪深反演算法的研究,如美國(guó)國(guó)家冰雪數(shù)據(jù)中心的全球積雪時(shí)間序列數(shù)據(jù)集就是以Chang算法

檢測(cè)到。時(shí)間反演算法最早由FINK 在1992年提出,在超聲領(lǐng)域得到了廣泛應(yīng)用。微波時(shí)間反演算法是將信號(hào)接收單元記錄的輻射信號(hào)或者散射信號(hào)在時(shí)域中進(jìn)行一種反轉(zhuǎn)操作,然后將反轉(zhuǎn)后的信號(hào)從相應(yīng)的接收單元處輻射回原輻射區(qū)域或散射區(qū)域,則反轉(zhuǎn)后的信號(hào)會(huì)自適應(yīng)地在輻射源或者散射體處產(chǎn)生空時(shí)聚焦。2004年,LEROSEY等[14]完成了第一個(gè)微波電磁場(chǎng)中的時(shí)間反轉(zhuǎn)試驗(yàn),在一個(gè)具有高品質(zhì)因素的腔體中,采用單發(fā)射天線-單接收天線的結(jié)構(gòu)利用時(shí)間反演算法實(shí)現(xiàn)了在發(fā)射天線位置

滿足瞬變電磁反演算法的復(fù)雜計(jì)算。綜上所述，本文基于Python和Fortran語(yǔ)言聯(lián)合設(shè)計(jì)開(kāi)發(fā)，核心算法采用瞬變電磁法中心回線系統(tǒng)Occam一維反演算法，使用Fortran語(yǔ)言編寫，外部交互界面使用Python語(yǔ)言編寫，最后在將兩部分銜接形成完整的反演軟件，實(shí)現(xiàn)自動(dòng)化處理功能。1 算法介紹瞬變電磁法反演算法的核心是構(gòu)建目標(biāo)函數(shù)，選取最優(yōu)算法，通過(guò)調(diào)整搜索策略，使得實(shí)際探測(cè)數(shù)據(jù)與理論數(shù)據(jù)具有較好的擬合度，來(lái)到達(dá)探測(cè)地下電性結(jié)構(gòu)分布特征的目的。Occam反演算

中完成T2譜反演算法，上傳數(shù)據(jù)量較少的反演結(jié)果。在反演算法方面，傳統(tǒng)算法包括奇異值分解法[3]、正則化方法[4]、非負(fù)最小二乘法[5]等。近些年開(kāi)始對(duì)傳統(tǒng)算法進(jìn)行改進(jìn)。2009年，Prange等[6]提出了一種高效的Monte Carlo反演算法，并檢查光譜解決方案的統(tǒng)計(jì)特性。2015年，Martakusumah等[7]分別使用LM方法和Occam方法進(jìn)行反演算法設(shè)計(jì)，對(duì)結(jié)果進(jìn)行比較。2018年，岳鑫等[8]提出奇異值分解法的改進(jìn)算法。趙宏晨等[9]對(duì)于T

skingum演算法擴(kuò)展到時(shí)間可變參數(shù)[8]，提出了變動(dòng)參數(shù)MC演算法(以下簡(jiǎn)稱MC演算法)。使用線性參數(shù)的Muskingum法很好地保證了演算過(guò)程中河段的蓄量平衡，但MC演算法演算過(guò)程導(dǎo)致的質(zhì)量損失隨著河底坡度的減小而增加[9-10]。針對(duì)MC演算法中的質(zhì)量不守恒問(wèn)題，2007年Todini等[11-14]提出Muskingum-Cunge-Todini(MCT)可變參數(shù)法，引入了修正因子和校正系數(shù)，進(jìn)一步完善了河道匯流演算方法。河道匯流演算在流域洪水預(yù)

寸信息，通過(guò)反演算法可以獲得粒徑尺寸分布。該反演算法的主要功能是求解一類Fredholm積分方程，該方程是一個(gè)病態(tài)問(wèn)題，為了提高反演結(jié)果的精確性，基于不同的理論，許多優(yōu)化算法被提了出來(lái)。主要的優(yōu)化算法有累積量法[6-7]、非負(fù)最小二乘法[8-9]、約束正則化算法[10]等，每種算法都有自己的優(yōu)勢(shì)和缺點(diǎn)，其中非負(fù)最小二乘法因原理簡(jiǎn)單、結(jié)果精確且能給出尺寸分布函數(shù)而得到廣泛應(yīng)用。本文接下來(lái)將以第一部分介紹非負(fù)最小二乘反演算法原理，第二部分介紹程序算法及模擬內(nèi)容

程，機(jī)器學(xué)習(xí)的演算法結(jié)合了各種學(xué)科，如概率學(xué)、統(tǒng)計(jì)學(xué)和逼近論等，通過(guò)組合這些數(shù)學(xué)模型設(shè)計(jì)出讓計(jì)算機(jī)可以自我學(xué)習(xí)的演算法。從訓(xùn)練資料中截取重要特征，訓(xùn)練時(shí)通過(guò)演算法將特征進(jìn)行分析獲得規(guī)律得到模型，最后就可以利用模型對(duì)新資料進(jìn)行預(yù)測(cè)。機(jī)器學(xué)習(xí)的概念如圖4 所示，Abazari 等人的模型是使用Matlab 的fgoalattain 函數(shù)來(lái)計(jì)算多目標(biāo)優(yōu)化問(wèn)題，目標(biāo)是指總響應(yīng)成本和總威脅，本文的研究在降低威脅的同時(shí)也降低成本。而在機(jī)器學(xué)習(xí)演算法方面，本文對(duì)Lass

距離能量包絡(luò)反演算法進(jìn)行了對(duì)比實(shí)驗(yàn)和結(jié)果分析。對(duì)于上述梯形和三角形包絡(luò)反演算法，都要求激光脈沖波形和選通脈沖波形為標(biāo)準(zhǔn)的矩形，對(duì)系統(tǒng)硬件性能要求很高，不利于工程應(yīng)用。目前工程應(yīng)用中常用于選通成像的納秒級(jí)脈沖激光器，均無(wú)法輸出矩形激光脈沖，會(huì)對(duì)三維反演的實(shí)際距離分辨率造成影響。針對(duì)上述距離選通三維成像技術(shù)中存在的問(wèn)題，本文采用拋物線擬合距離- 能量相關(guān)性曲線，實(shí)現(xiàn)超分辨率三維成像。在滿足三維成像實(shí)時(shí)性要求的前提下，獲得了更高精度的距離分辨率，降低了系統(tǒng)和算法

型經(jīng)典三階段反演算法的優(yōu)化方法，并用TanDEM-X數(shù)據(jù)進(jìn)行驗(yàn)證，以解決RVoG模型實(shí)際應(yīng)用中模型成立條件難以嚴(yán)格滿足、受地形影響導(dǎo)致森林冠層高度估測(cè)精度不高的問(wèn)題。1 研究區(qū)概況與數(shù)據(jù)1.1 研究區(qū)概況研究區(qū)位于云南省普洱市思茅區(qū)(22.8°N, 100.9°E)，地處北回歸線附近，滇南熱帶與南亞熱帶的過(guò)渡地帶，干濕季分明，年均氣溫15～20.3 ℃，年降雨量1 100～2 780 mm，平均海拔1 320 m。區(qū)內(nèi)森林覆蓋率67%，思茅松(Pinusk

，并引進(jìn)連續(xù)反演算法降低Lyapunov-Krasovskii函數(shù)構(gòu)造的難度[22].本文嘗試對(duì)基于連續(xù)反演算法的時(shí)滯補(bǔ)償控制思路進(jìn)行簡(jiǎn)潔的闡述，并針對(duì)其近年來(lái)的研究成果展開(kāi)詳細(xì)的介紹及分析，探討時(shí)滯補(bǔ)償控制的未來(lái)發(fā)展方向.1 時(shí)滯系統(tǒng)分類目前，根據(jù)時(shí)滯特性在系統(tǒng)中出現(xiàn)的不同位置，時(shí)滯系統(tǒng)主要可分為輸入時(shí)滯系統(tǒng)、輸出時(shí)滯系統(tǒng)、狀態(tài)時(shí)滯系統(tǒng)等. 下面將簡(jiǎn)要介紹這三類時(shí)滯系統(tǒng).通常情況下，狀態(tài)時(shí)滯系統(tǒng)僅部分狀態(tài)量存在時(shí)滯現(xiàn)象. 特別地，針對(duì)具有部分狀態(tài)時(shí)滯特性

率函數(shù)的數(shù)值反演算法曹慶發(fā)，胡 彬，萬(wàn) 殊，*王澤文（東華理工大學(xué)理學(xué)院，江西，南昌 330013）本文研究了一類生物傳熱方程的灌注率函數(shù)反演問(wèn)題?；诟郊拥姆蔷植織l件和有限差分的Crank-Nicolson方法，構(gòu)造了重建灌注率函數(shù)的迭代算法；經(jīng)進(jìn)一步簡(jiǎn)化后，得到了反演灌注率的一個(gè)顯格式。為克服計(jì)算的不穩(wěn)定性，引入移動(dòng)平均濾波方法對(duì)誤差數(shù)據(jù)進(jìn)行去噪，算例結(jié)果表明結(jié)合移動(dòng)平均濾波去噪的數(shù)值反演算法是可行的，能有效反演出灌注率函數(shù)。生物傳熱方程，灌注率，反問(wèn)

下，這些不同反演算法的結(jié)果應(yīng)該是基本一致的(在收斂條件也相同的情況下)。然而，實(shí)際情況卻并非如此，由于實(shí)際野外地質(zhì)結(jié)構(gòu)的復(fù)雜性[21]，實(shí)測(cè)MT資料使用不同的反演方法往往效果相差明顯。因此在實(shí)際應(yīng)用中，MT資料處理工作者都要面臨著如何選取更適合的反演方法的問(wèn)題。本文將對(duì)DCG、NLCG以及有限內(nèi)存擬牛頓法(L-BFGS)[22]三種二維大地電磁反演方法進(jìn)行對(duì)比。雖然之前也有學(xué)者對(duì)MT二維反演算法進(jìn)行過(guò)對(duì)比[23]，但對(duì)比的主要是Occam和數(shù)據(jù)空間Occa

a濃度的遙感反演算法，主要分為經(jīng)驗(yàn)方法、半經(jīng)驗(yàn)方法和分析方法三類。其中，經(jīng)驗(yàn)算法利用葉綠素a濃度和遙感參數(shù)之間的統(tǒng)計(jì)關(guān)系進(jìn)行運(yùn)算，應(yīng)用最為廣泛。在20世紀(jì)70年代，國(guó)外學(xué)者首先提出了運(yùn)用最大吸收波長(zhǎng)和最小吸收波長(zhǎng)處的水體輻射比值估算海洋表層葉綠素a含量，為葉綠素a濃度反演奠定了基礎(chǔ)。自1978年海岸帶彩色掃描儀（Coastal Zone Color Scanner，CZCS）運(yùn)行以來(lái)，海洋水色遙感技術(shù)和反演算法迅速發(fā)展，以“波段比值”為基礎(chǔ)的經(jīng)驗(yàn)算法得到廣

的缺陷，線性反演算法對(duì)初始模型比較依賴，容易陷入局部極?。环蔷€性反演算法對(duì)初始模型依賴大幅減弱，但是隨著模型參數(shù)的增加導(dǎo)致搜索空間呈幾何級(jí)數(shù)增加。大地電磁反問(wèn)題是不適定問(wèn)題，正則化處理[7]是獲得反問(wèn)題穩(wěn)定解的有效方法。地球物理工作者將正則化的思想與大地電磁反演問(wèn)題相結(jié)合，對(duì)數(shù)據(jù)目標(biāo)泛函添加不同的穩(wěn)定泛函，如最小模型穩(wěn)定泛函、最光滑模型穩(wěn)定泛函、最小支撐泛函、最小梯度支撐泛函等。在經(jīng)典的Tikhonov正則化框架下，可以選擇零階、一階、二階差分算子來(lái)獲得最

目前對(duì)于時(shí)域反演算法的研究均為驗(yàn)證性仿真或試驗(yàn)，要求配電網(wǎng)參數(shù)已知，適用性較差。當(dāng)對(duì)嚴(yán)格相等的條件進(jìn)行放寬后，該方法能達(dá)到更好的定位效果，因此文中提出改進(jìn)的時(shí)域反演算法。該方法進(jìn)一步擴(kuò)展時(shí)域反演算法的選相特性，解決實(shí)際故障時(shí)故障類型和過(guò)渡電阻未知的問(wèn)題，在10 kV含分布式電源配電網(wǎng)線路上進(jìn)行仿真驗(yàn)證，并在復(fù)雜拓?fù)湎聦?shí)現(xiàn)良好的故障定位效果，對(duì)線路參數(shù)誤差具有一定的魯棒性。最后，在10 kV配電網(wǎng)線路上針對(duì)不同的過(guò)渡電阻和不同長(zhǎng)度及參數(shù)的線路進(jìn)行了現(xiàn)場(chǎng)帶電試

。目前云參數(shù)反演算法主要有:Kuze和Chance[3]基于GOME(Global ozone monitoring experiment)星載儀器研發(fā)了云參數(shù)反演算法ICFA(Initial cloud fitting algorithm),用于反演有效云量,該算法對(duì)于高緯度地區(qū)云量反演誤差較大。Loyola等[4]基于閾值方法開(kāi)發(fā)的OCRA(Optical cloud recognition algorithm)有效云量反演算法,該算法也用于SCIMA

。時(shí)移電阻率反演算法基于常規(guī)2D/3D電阻率反演算法，但更加關(guān)注不同時(shí)刻觀測(cè)數(shù)據(jù)差異以及相應(yīng)地下電性結(jié)構(gòu)模型參數(shù)的差異情況，旨在消除多個(gè)數(shù)據(jù)中的隨機(jī)誤差，凸顯地下介質(zhì)隨時(shí)間變化而發(fā)生的真實(shí)變化。Daily等[13]反演初始數(shù)據(jù)集和后續(xù)數(shù)據(jù)集的比值以凸顯地下電性變化；LaBrecque等[14]試圖最小化初始數(shù)據(jù)集和后續(xù)數(shù)據(jù)集的數(shù)據(jù)差值及其與響應(yīng)模型差值；Kim等[15]提出將數(shù)據(jù)集和模型參數(shù)放入時(shí)空域(4D)中進(jìn)行離散，以進(jìn)行全4D反演；Hayley等[1

是:(1)邏輯演算法;(2)集合演算法;(3)集合相等證明法。1 邏輯演算法邏輯演算法亦是集合定義證明法。證明思想是從集合運(yùn)算的邏輯定義出發(fā),設(shè)任意元素屬于恒等式左邊(或右邊)集合,根據(jù)邏輯演算,等價(jià)出恒等式右邊(或左邊)。設(shè)A、B 為任意集合。(l)A ∪ B稱為A與B的并集,由所有屬于A或?qū)儆贐的元素組成,定義為:A ∪ B＝｛x|x∈A∨x∈B｝,其中“ ∪ ”稱為并運(yùn)算。因此,x∈A ∪ B ? x∈A∨x∈B。(2)A ∩ B稱為A與B的交集,由

反演后，三種反演算法都可以得到隧道掌子面前方低速異常體的速度成像結(jié)果，表明全波形反演方法在隧道空間是可以得到速度成像的。圖3(c)、圖3(d)以及圖3(e)反演成像結(jié)果表明,三類反演方法都能對(duì)異常地質(zhì)體成像，對(duì)淺部異常體成像效果優(yōu)于深部，隨著深度加深，異常體成像效果變差，對(duì)淺部異常體反演結(jié)果的對(duì)比顯示TRN以及l(fā)-BFGS方法的反演成像分辨率優(yōu)于STD方法。為進(jìn)一步對(duì)比三種反演優(yōu)化方法的反演效果，繪制反演過(guò)程迭代收斂曲線以及過(guò)反演結(jié)果模型中線的速度剖面曲線

果，研究精細(xì)反演算法顯得極為必要。反演算法可劃分為確定性反演算法和隨機(jī)性反演算法,目前主流反演算法為確定性反演算法，例如廣義逆矩陣[8]、共軛梯度[9]和擬牛頓[10]等確定性反演算法，具有計(jì)算速度快的特點(diǎn)，但是瞬變電磁法反問(wèn)題具有非線性和病態(tài)性，以及確定性反演算法反演結(jié)果依賴于初始模型的選擇等問(wèn)題,在求解上述反問(wèn)題時(shí)易受人為因素干擾陷入到局部極小值中，導(dǎo)致最終反演結(jié)果偏離真實(shí)參數(shù)模型[11]。隨后，改進(jìn)正則化方法被提出來(lái)，在確定性反演算法基礎(chǔ)上加入模型約

效組合粗糙度反演算法。首先利用查找表法（look-up tables, LUT）在給定的s 和l 取值范圍內(nèi)進(jìn)行逐像元反演，獲取采樣點(diǎn)像元的最佳有效粗糙度；然后，將采樣點(diǎn)的最佳有效s和l 代替粗糙度實(shí)測(cè)值構(gòu)建有效組合粗糙度，對(duì)有效組合粗糙度、土壤水分實(shí)測(cè)值和后向散射系數(shù)的實(shí)測(cè)值進(jìn)行多元回歸計(jì)算，構(gòu)建基于有效組合粗糙度的土壤水分反演經(jīng)驗(yàn)方程。利用我國(guó)甘肅省黑河流域中游干旱區(qū)水文實(shí)驗(yàn)區(qū)SAR 影像進(jìn)行驗(yàn)證，與現(xiàn)有有效粗糙度方法相比反演精度較好，為土壤水分反演提

前的線性焦面反演算法，但該算法僅對(duì)低階像差復(fù)原有效[14]。Greenbaum在2016年提出了一種引入非冗余掩模(non-redundant mask，NRM)打破相位的符號(hào)不確定性的方法來(lái)重建單幀焦面圖像的近場(chǎng)波前[11]。然而，NRM進(jìn)出光路的精度和探測(cè)裝置的復(fù)雜性限制了該算法在實(shí)際波前探測(cè)中的應(yīng)用。為解決傳統(tǒng)單幀反演算法的上述問(wèn)題，本文提出了一種基于Walsh函數(shù)的二維離散相位調(diào)制的反演方法，打破了近場(chǎng)像差的旋轉(zhuǎn)翻轉(zhuǎn)對(duì)稱性，通過(guò)調(diào)制后的特殊光強(qiáng)分布

兩種地表溫度反演算法中，單窗算法反演精度最高，與MODIS LST數(shù)據(jù)最接近。關(guān)鍵詞：地表溫度;單窗算法;單通道算法中圖分類號(hào)：TD824;P407;P461 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2020）04-0149-03Abstract： Taking Shendong mining area as the research area， based on landsat-8 data， the Mono-window Algorithm an

目前的確定性反演算法無(wú)法對(duì)反演結(jié)果的不確定性做出解釋，單源模型反演精度有限等。因此，本文以遼河盤錦地區(qū)作為研究區(qū)域，將隨機(jī)反演算法中的非線性貝葉斯反演算法引入油田儲(chǔ)層參數(shù)反演中，同時(shí)結(jié)合地球物理反演模型中適用性最強(qiáng)的Okada模型開(kāi)展油田儲(chǔ)層參數(shù)反演的研究，以期為油田儲(chǔ)層參數(shù)反演提供一套穩(wěn)定、可靠的反演算法。1 反演算法及模型介紹傳統(tǒng)的確定性反演算法能夠獲取反演參數(shù)在數(shù)學(xué)上的最優(yōu)解，但不能對(duì)反演結(jié)果的不確定性作出解釋，是不完整的反演算法。隨機(jī)反演算法通過(guò)獲

，研究T2譜反演算法的優(yōu)劣及適用條件。以往的學(xué)者，在研究回波采集時(shí)(如巖心核磁實(shí)驗(yàn))并沒(méi)有考慮反演算法的影響；在研究反演算法時(shí)，也鮮有考慮到回波采集參數(shù)的影響。而回波采集參數(shù)和T2譜反演參數(shù)的適用性之間是相互關(guān)聯(lián)的，必須進(jìn)行綜合研究，研發(fā)仿真軟件可以輕松解決這一問(wèn)題，通過(guò)數(shù)值模擬可以同時(shí)研究回波采集和反演算法兩個(gè)關(guān)鍵問(wèn)題及其之間的關(guān)系。1 原 理1.1 T2弛豫譜構(gòu)造構(gòu)造T2弛豫譜采用對(duì)數(shù)坐標(biāo)下的一維高斯分布公式進(jìn)行設(shè)計(jì)，具體實(shí)現(xiàn)公式如下：(1)式中：F是

的未凍水含量反演算法李順群1,2,楊文喜1,2,王杏杏1,2,趙磊3,夏錦紅31. 天津城建大學(xué) 土木工程學(xué)院, 天津 300384 2. 天津市軟土特性與工程環(huán)境重點(diǎn)實(shí)驗(yàn)室, 天津 300384 3. 新鄉(xiāng)學(xué)院 土木工程與建筑學(xué)院, 新鄉(xiāng) 453003考慮未凍水含量隨不同負(fù)溫變化的事實(shí)，結(jié)合混合量熱法中相變潛熱對(duì)凍土比熱測(cè)試值的影響，建立了基于比熱的凍土未凍水含量反演算法。依據(jù)比熱具有按各成分質(zhì)量可進(jìn)行加權(quán)疊加的性質(zhì)，將相變階段某一溫度點(diǎn)的凍土比熱視為凍

包括射線追蹤正演算法和波動(dòng)方程正演算法[9]。圖1 基于云平臺(tái)的微地震數(shù)值模擬和基于云平臺(tái)的 三維可視化展示技術(shù)架構(gòu)圖Fig.1 Technical architecture diagram of cloud-based micro-seismic numerical simulation and three-dimensional visualization2.1 射線追蹤正演算法射線追蹤正演算法是一種快速的正演模擬算法，包括單震源單傳感器、單震源多傳

部分，那麼未來(lái)演算法進(jìn)一步發(fā)展會(huì)怎麼樣呢？人工智慧領(lǐng)域的領(lǐng)軍人物佩德羅·多明戈斯在《終極演算法》一書中提出，未來(lái)會(huì)出現(xiàn)一種終極演算法，它能通過(guò)機(jī)器自主學(xué)習(xí)，創(chuàng)造出關(guān)於人類的所有知識(shí)，這就導(dǎo)致未來(lái)一定會(huì)出現(xiàn)一種新型數(shù)據(jù)公司?！感滦蛿?shù)據(jù)公司」會(huì)對(duì)你的網(wǎng)上互動(dòng)進(jìn)行匿名處理，並通過(guò)伺服器確定這些互動(dòng)路線，然後通過(guò)其他用戶將這些互動(dòng)集合起來(lái)。它會(huì)把你這輩子所有的數(shù)據(jù)儲(chǔ)存在一個(gè)地方，會(huì)對(duì)關(guān)於你和你的世界的完整模型進(jìn)行學(xué)習(xí)，並對(duì)其進(jìn)行持續(xù)更新。它會(huì)代表你使用模型，並一直

自適應(yīng)正則化反演算法應(yīng)用于半航空時(shí)間域電磁數(shù)據(jù)反演中。首先給出最平緩模型約束條件下的半航空時(shí)間域電磁數(shù)據(jù)自適應(yīng)正則化反演算法，并引入并行技術(shù)實(shí)現(xiàn)了該反演算法的并行計(jì)算；然后對(duì)兩種三層地電模型和一種六層地電模型的理論電磁響應(yīng)加高斯白噪聲后的數(shù)據(jù)進(jìn)行反演計(jì)算；最后對(duì)其反演結(jié)果和并行計(jì)算的效率進(jìn)行了詳細(xì)地分析與討論。實(shí)驗(yàn)結(jié)果分析表明：自適應(yīng)正則化反演算法是一種有效的半航空時(shí)間域電磁數(shù)據(jù)反演解釋方法，該方法具有很好的收斂性和穩(wěn)定性；自適應(yīng)正則化反演算法并行計(jì)算能大

粒有機(jī)碳遙感反演算法，包括一類和二類水體的表層和垂向POC濃度遙感反演，以及POC遙感獲取方式分類、比較與分析.同時(shí)，本文對(duì)海洋顆粒有機(jī)碳遙感反演進(jìn)行了展望，提出結(jié)合POC表層和垂向分布，建立近岸海域水體POC三維遙感模式.海洋顆粒有機(jī)碳；遙感；反演算法；水體類型；表層垂向海洋碳循環(huán)對(duì)調(diào)節(jié)CO2作用下全球氣候變化有著重要的作用，一直是國(guó)際研究的熱點(diǎn).研究表明，人類每年向大氣排放的CO2約有一半被海洋所吸收，并通過(guò)浮游植物的光合作用轉(zhuǎn)化為顆粒有機(jī)碳(part

種常用的決策樹演算法對(duì)顧客流失進(jìn)行數(shù)據(jù)挖掘分析，幫助企業(yè)對(duì)留住顧客做出最有利的決策?！娟P(guān)鍵字】 企業(yè) 顧客流失 數(shù)據(jù)挖掘 決策樹一、背景商務(wù)智能是從大量的數(shù)據(jù)和信息中發(fā)掘有用的知識(shí)、并用于決策，以增加商業(yè)利潤(rùn)，是一個(gè)從數(shù)據(jù)到信息到知識(shí)的處理過(guò)程。商務(wù)智能輔助商業(yè)活動(dòng)作出快速反應(yīng)，加快知識(shí)的獲取速度，減少企業(yè)不確定性因素的影響，滿足管理層和決策層對(duì)信息知識(shí)的時(shí)間性和準(zhǔn)確性的要求。超過(guò)2000個(gè)世界領(lǐng)先的品牌依靠IBM數(shù)十載的商務(wù)經(jīng)驗(yàn)改善業(yè)務(wù)洞察和執(zhí)行，幫助企

支持它研發(fā)圍棋演算法，就將人工智能的功勞歸功於Google顯然是不對(duì)的。除了Google之外，微軟、Facebook、Intel、Amazon、百度、阿里巴巴等公司或許都有實(shí)力可研發(fā)出AlphaGo這樣的圍棋機(jī)器人，它們都已陸續(xù)成立人工智能實(shí)驗(yàn)室。未來(lái)，人類與AlphaGo挑戰(zhàn)不會(huì)有太多看點(diǎn)——因?yàn)槿祟惐財(cái)o(wú)疑。很快就會(huì)出現(xiàn)科技巨頭的「機(jī)器人」圍棋大戰(zhàn)，大家都拿自己的AlphaGo來(lái)較量，玩兒圍棋「世界盃」，看誰(shuí)的演算法更厲害。任何重大的技術(shù)進(jìn)展都不是靠一

紅綠波段比值反演算法（QAA-RGR反演算法）的反演結(jié)果相對(duì)誤差約為12.7%，標(biāo)準(zhǔn)QAAv5反演算法的反演結(jié)果相對(duì)誤差約為26.4%，采用陸地波段數(shù)據(jù)的QAA-RGR反演算法反演的結(jié)果更可靠。另外，基于陸地波段的反演結(jié)果具有更高的空間分辨率，能更好地體現(xiàn)濁度的細(xì)節(jié)分布特征，如遼東灣南端的沙脊群落的分布。最后，本研究利用QAA-RGR反演算法構(gòu)建了渤海濁度的季節(jié)分布特征，分布特征合理。MODIS；陸地波段；濁度；遙感反演；渤海濁度是重要的水質(zhì)參數(shù)之一，也是

掩星探測(cè)星上反演算法夏運(yùn)兵1，2，龔文斌1，2，朱淑珍1，2，劉 潔1，2（1.中國(guó)科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所，上海 200050；2.上海微小衛(wèi)星工程中心 上海201203）目前掩星探測(cè)反演主要在地面進(jìn)行，需要星上將掩星數(shù)據(jù)存儲(chǔ)，過(guò)境時(shí)回傳地面。針對(duì)星上存儲(chǔ)空間要求較大、數(shù)傳壓力較大、反演實(shí)時(shí)性較差的問(wèn)題，本文提出一種離散化的基于TEC的電離層星上反演算法，實(shí)時(shí)進(jìn)行電離層反演，直接下傳反演結(jié)果，達(dá)到減少回傳數(shù)據(jù)量，降低衛(wèi)星數(shù)傳壓力、提高反演實(shí)時(shí)性的

階段植被高度反演算法伍雅晴，朱建軍，付海強(qiáng)，王磊，蘇軍明(中南大學(xué)地球科學(xué)與信息物理學(xué)院，湖南 長(zhǎng)沙 410083)經(jīng)典三階段植被高度反演算法中地表相位和植被冠層相位估計(jì)不準(zhǔn)確直接影響反演精度，特別是在植被稀疏區(qū)域，植被反演效果較差甚至出現(xiàn)反演失敗現(xiàn)象。針對(duì)這一問(wèn)題，本文將PD極化干涉相干優(yōu)化方法引入三階段植被高度反演中，提出了一種改進(jìn)的植被高度反演算法。該方法利用PD極化干涉相干優(yōu)化方法能最大限度分離相位中心的特性能夠獲得更準(zhǔn)確的地表相位和植被冠層相位，

推導(dǎo)SINS反演算法實(shí)現(xiàn)了慣性器件的模擬采樣仿真,反演算法中充分考慮了姿態(tài)圓錐誤差和速度劃船誤差的補(bǔ)償。通過(guò)機(jī)載飛行實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證,結(jié)果表明所提慣性器件模擬器具有極高的精度性能和良好的頻率特性,滿足高精度SINS對(duì)數(shù)據(jù)源仿真精度和頻率復(fù)雜性的要求。GNSS;SINS模擬器;組合導(dǎo)航;實(shí)際飛行數(shù)據(jù)0 引言在慣性導(dǎo)航系統(tǒng)及其組合導(dǎo)航的仿真研究中,運(yùn)載體的運(yùn)動(dòng)軌跡參數(shù)和慣性器件(陀螺和加速度計(jì))的數(shù)據(jù)源仿真是項(xiàng)基礎(chǔ)性工作,特別是研究高精度的捷聯(lián)慣導(dǎo)系統(tǒng)(strap

線性與非線性反演算法比較王兆徽1劉宇昕1，2宋清濤1,2吳彬鋒1(1 國(guó)家衛(wèi)星海洋應(yīng)用中心, 北京 100081) (2 國(guó)家海洋局空間海洋遙感與應(yīng)用研究重點(diǎn)實(shí)驗(yàn)室, 北京 100081)針對(duì)星載微波輻射計(jì)反演海洋大氣參數(shù)的過(guò)程，分析了反演通道的選擇，比較了線性與非線性反演算法的區(qū)別。非線性反演算法逐步舍去低分辨率的低頻通道，能夠直接有效地提高反演產(chǎn)品的空間分辨率。對(duì)幾種反演算法的分析和實(shí)驗(yàn)表明，非線性反演算法中的基于Nelder-Mead的最優(yōu)化反演算法

典的森林參數(shù)反演算法是基于隨機(jī)散射體模型(Random Volume over Ground, RVoG)的階段反演算法，該算法中直線擬合誤差和體散射估計(jì)誤差會(huì)嚴(yán)重影響反演精度。為了提高樹高估計(jì)精度，該文使用整體最小二乘法直線擬合得到更精確的地表相位估計(jì)結(jié)果，并提出以Gamma函數(shù)為線性度量自適應(yīng)地估計(jì)體散射去相干，得到了改進(jìn)的PolInSAR三階段反演算法，實(shí)驗(yàn)結(jié)果表明改進(jìn)算法可靠有效。極化干涉合成孔徑雷達(dá)(PolInSAR)；整體最小二乘法(TLS)；

探地雷達(dá)波形反演算法鄭 適 張安學(xué)*岳思橙 蔣延生(西安交通大學(xué)電信學(xué)院 西安 710049)探地雷達(dá)工作的最終目的是反演解釋地下結(jié)構(gòu)參數(shù)，由于大多數(shù)反演問(wèn)題是非線性的，研究非線性的反演方法具有重要意義。該文提出基于改進(jìn)粒子群優(yōu)化方法的探地雷達(dá)反演問(wèn)題，該算法以信號(hào)均方誤差為目標(biāo)函數(shù)，用時(shí)域有限差分方法作為正演工具。通過(guò)與基于遺傳算法等反演方法的結(jié)果對(duì)比，說(shuō)明了該算法兼顧了準(zhǔn)確性和簡(jiǎn)便性；通過(guò)對(duì)模型復(fù)雜、參數(shù)多、信噪比差的仿真數(shù)據(jù)的反演結(jié)果，說(shuō)明了該算法對(duì)

6）遺傳大洪水演算法求解多維背包問(wèn)題朱 君 蔡延光 湯雅連 楊 軍（廣東工業(yè)大學(xué) 自動(dòng)化學(xué)院，廣州 510006）由于遺傳算法具有較強(qiáng)的全局搜索能力，但在實(shí)際應(yīng)用中容易產(chǎn)生早熟收斂現(xiàn)象，且進(jìn)化后期搜索效率較低，而大洪水演算法是求解組合優(yōu)化問(wèn)題的獨(dú)特算法，結(jié)合兩者的優(yōu)點(diǎn)，形成基于遺傳算法的大洪水演算法（Genetic Great Deluge Algorithm，GGDA），然后應(yīng)用該混合算法求解不同規(guī)模的多維背包問(wèn)題（Multidimensional Kn

透明度半分析反演算法方面，Doron等的工作最具代表性，他們先后提出了三種半分析算法，分別是基于709 nm波段、基于560 nm波段和基于固有光學(xué)量準(zhǔn)分析算法(QAA)的透明度半分析算法［8，9］。韓留生等［10］、魏國(guó)妹等［11］、張居詩(shī)等［12］分別開(kāi)展了上述算法在中國(guó)近海的區(qū)域性檢驗(yàn)工作，但主要是針對(duì)其中的某一種算法開(kāi)展的，而且涉及渤、黃海的算法評(píng)估研究所用的實(shí)測(cè)數(shù)據(jù)較少、時(shí)空覆蓋率低，評(píng)估結(jié)果的代表性不足。本文基于407組實(shí)測(cè)數(shù)據(jù)，評(píng)估了三種主流

蹤多星和功率反演算法等［9］。跟蹤單星算法是附加了對(duì)單顆衛(wèi)星接收增益約束的最小輸出方差算法，即在無(wú)失真地接收指定一個(gè)衛(wèi)星信號(hào)的前提下，使陣列天線的輸出方差最小。跟蹤單星算法的數(shù)學(xué)優(yōu)化模型為式 （2）中，w為陣列天線加權(quán)矢量，Rrr為陣列天線感應(yīng)信號(hào)矢量的自相關(guān)矩陣，a（s1）為所指定衛(wèi)星信號(hào)的導(dǎo)向矢量，記號(hào)H表示共軛轉(zhuǎn)置。跟蹤多星算法是附加了對(duì)多顆衛(wèi)星接收增益約束的最小輸出方差算法，即在無(wú)失真地接收指定Q個(gè)衛(wèi)星信號(hào)的前提下，使陣列天線的輸出方差最小。跟蹤多

者選用傳統(tǒng)的反演算法[11,12]或基于Kramers-Kronig(K-K)關(guān)系[13-15]的改進(jìn)算法,提取微波頻段超材料結(jié)構(gòu)的等效參數(shù)進(jìn)行研究分析.本文主要利用這兩種算法提取光波頻段超材料結(jié)構(gòu)的等效參數(shù),分析比較兩種算法的準(zhǔn)確度與適用性.為了確定兩種算法的準(zhǔn)確度和適用性,我們考慮了兩類具有不同特性的漁網(wǎng)結(jié)構(gòu).將若干個(gè)超材料漁網(wǎng)結(jié)構(gòu)小單元以固定的間隔d沿傳播方向疊加,根據(jù)d的取值不同,將結(jié)構(gòu)塊分為弱耦合和強(qiáng)耦合的情況,分別利用兩種算法對(duì)不同結(jié)構(gòu)提取等效

明，3種遙感反演算法得到的水西溝地下煤火區(qū)地表溫度的空間分布趨勢(shì)一致，其中，單窗算法與普適性單通道算法較為接近，研究區(qū)整體的平均地表溫度差值為1.60℃。與地面實(shí)測(cè)數(shù)據(jù)相比，3種反演算法結(jié)果均低于地表溫度實(shí)測(cè)值。其中，普適性單通道算法與地面實(shí)測(cè)值一致性最好，決定系數(shù)R2為0.886，均方差為1.48℃，其反演結(jié)果符合地下煤火區(qū)溫度的空間分布規(guī)律，高溫異常區(qū)范圍明顯;反演結(jié)果符合要求，在地下煤火區(qū)地表溫度獲取中具有一定的適用性，為提升新疆地下煤火區(qū)的動(dòng)態(tài)監(jiān)測(cè)

型VIE降雨反演算法鄭 和， 謝亞楠， 萬(wàn)智龍， 劉文淵(上海大學(xué)通信與信息工程學(xué)院，上海200072)提出一種新型降雨反演算法，該算法是對(duì)沃爾塔積分方程(Volterra integral equation，VIE)降雨反演算法的改進(jìn)．首先，對(duì)雷達(dá)接收到的回波數(shù)據(jù)進(jìn)行預(yù)處理，得到降雨起點(diǎn)和降雨寬度等信息;然后，僅利用沃爾塔積分反演算法處理少量特定區(qū)域，通過(guò)深度挖掘數(shù)據(jù)變化的規(guī)律來(lái)分析得出降雨分布的類型和降雨速率;最后，根據(jù)通常研究對(duì)象的分布對(duì)稱性，結(jié)合已

0)的業(yè)務(wù)化反演算法—Mueller算法在東中國(guó)海不再適用?；?006—2007年3個(gè)東中國(guó)海航次的現(xiàn)場(chǎng)數(shù)據(jù)和模擬數(shù)據(jù)基礎(chǔ)上提出了一種漫衰減系數(shù)Kd（490）的反演算法，在Mueller算法基礎(chǔ)上增加了620 nm的波段信息以反映東中國(guó)海渾濁水體的特性。該算法與3個(gè)航次的東中國(guó)?，F(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行印證，反演相對(duì)誤差為12.1%，均方根誤差0.08，相關(guān)系數(shù)0.99（N=74）。結(jié)果表明該算法有效提高M(jìn)ueller算法在東中國(guó)海的反演精度。漫衰減系數(shù)；遙感反射比

下，基于復(fù)合反演算法的工程結(jié)構(gòu)物理參數(shù)時(shí)域識(shí)別及地震動(dòng)反演;(3)輸入已知、輸出不完備條件下，基于漸消記憶的擴(kuò)展卡爾曼濾波算法的工程結(jié)構(gòu)物理參數(shù)時(shí)域識(shí)別;(4)輸入未知、有限測(cè)點(diǎn)條件下，基于廣義復(fù)合反演算法的工程結(jié)構(gòu)物理參數(shù)時(shí)域識(shí)別及地震動(dòng)反演;(5)大型振動(dòng)臺(tái)試驗(yàn)驗(yàn)證結(jié)構(gòu)物理參數(shù)時(shí)域識(shí)別及地震動(dòng)反演方法;(6)分別利用復(fù)合反演算法和廣義復(fù)合反演算法，在時(shí)域內(nèi)識(shí)別場(chǎng)地水平土層剪切模量和反演基巖地震動(dòng)時(shí)程。具體研究?jī)?nèi)容及結(jié)果如下:(1)在輸入已知、輸出不完備