排序方式: 共有7条查询结果,搜索用时 62 毫秒
1
1.
2.
本文了一个有能力展示诸如压缩系统喘振和旋转失速行为的一维非定常逐级压缩系统过失速模型,讨论了模拟技术、控制方程,数值方法以及数值稳定性准则,通过利用试验所得的低速压气机的过失速级特性,模拟了这个系统的过失速行为,并把模拟结果和前人在类似低速压气机上所作的过失速试验结果进行了比较,两者的规律和特性是一致的。 相似文献
3.
岩性识别和分类是地质学、资源勘查等不可或缺的环节,高光谱遥感的兴起为岩性识别提供新的思路。利用机器学习挖掘岩石高光谱图像中的信息从而准确识别岩性,这具有重要的应用价值。目前用机器学习的方法实现岩石的高光谱影像分类研究中,缺少对空间和光谱信息的充分利用,因此本文使用了一种加入注意力机制的三维卷积残差网络结构,能够有效提取岩石高光谱图像的空间、光谱特征以及空谱联合特征。本实验利用无人机搭载高光谱传感器采集了10种不同类型的岩石样本影像,应用该算法对岩石高光谱图像进行分类。实验结果表明:该算法与传统机器学习算法SVM、RF和深度学习算法ResNet、3D CNN和SSRN相比具有更高的精度。 相似文献
4.
5.
6.
7.
化学需氧量(COD)和叶绿素a(Chl-a)浓度作为与光谱相关的典型水质参数,是反映水体污染程度和富营养化程度的重要指标。支持向量回归模型(Support Vector Regression,SVR)适用于小样本,广泛用于近海典型水质参数的遥感反演,但也存在模型参数选择困难、容易陷入局部最优解的问题。针对这一问题,本文构建融合反向学习和模拟退火的改进麻雀算法(Improved Sparrow Search Algorithm,ISSA),通过改进麻雀算法对SVR模型的惩罚系数和核函数参数进行参数寻优,提出了一种改进的支持向量回归模型(ISSA-SVR)。通过该模型利用实测水面光谱与水质参数数据建立COD和Chl-a浓度反演模型。利用Sentinel-2卫星遥感光谱数据对模型的精度进行验证,得到各水质参数浓度的反演精度。采用ISSA算法优化SVR建立的COD浓度预测模型和Chl-a浓度预测模型的平均相对误差(MRE)分别为20.02%和30.17%。反演结果均优于其他模型(线性回归、SVR和SSA-SVR模型)。实验结果证实,ISSA-SVR算法是实现COD浓度和Chl-a浓度遥感反演的有效方法,可为我国近海典型水质参数遥感反演及后续水体科学管理提供参考。 相似文献
1