The paper analyses the influence of non responding of sample survey,introduces to the relevant dealing method and extends the adjusting method and applying condition introduced in the “Course of Survey Technique”.
本文改进了传统基于近震波形数据的点源震源参数反演的Cut And Paste(CAP)方法,实现了近震Pnl波、面波和远震P波、SH波的联合反演的CAPjoint算法.对2010年3月高雄地震,分别进行单独反演以及联合反演,获得各自的震源机制解及深度,其中联...本文改进了传统基于近震波形数据的点源震源参数反演的Cut And Paste(CAP)方法,实现了近震Pnl波、面波和远震P波、SH波的联合反演的CAPjoint算法.对2010年3月高雄地震,分别进行单独反演以及联合反演,获得各自的震源机制解及深度,其中联合反演所得的最佳双力偶机制解参数为,节面1:走向317°,倾角36°,滑移角52°,节面2:走向181°,倾角62°,滑移角114°,深度为21km.并对不同震中距波形对本次地震以及几种典型机制解断层几何参数的敏感性进行测试.为验证联合反演方法的可靠性,本文采用重抽样思想发展而来的Bootstrap方法,对近震数据的子集及其与远震数据的联合反演所得的参数进行统计,验证了在稀疏近台条件下联合反演中添加远震数据对地震震源参数约束的作用.展开更多
玉米灌浆期含水率测定是考种育种的重要指标。为了节约样本且快速准确测定灌浆期玉米水分,该文应用近红外光谱技术,提出了基于小样本条件下的自举算法(Bootstrap)与基于x-y距离结合的样本划分方法(SPXY,sample set partitioning based o...玉米灌浆期含水率测定是考种育种的重要指标。为了节约样本且快速准确测定灌浆期玉米水分,该文应用近红外光谱技术,提出了基于小样本条件下的自举算法(Bootstrap)与基于x-y距离结合的样本划分方法(SPXY,sample set partitioning based on joint x-y distances)相结合的样本优化方法的偏最小二乘(PLS,partial least square)水分定量分析模型Bootstrap-SPXY-PLS模型。试验结果表明,当Bootstrap重抽样本次数等于500,样本数量大于等于10时,模型的性能稳定,并且随着样本数量增加,重抽样本次数相对减少;样本数量为10和50时,全谱Bootstrap-SPXY-PLS模型的预测均方根误差(RMSEP,root-mean-square error of prediction)均值分别为0.38%和0.40%,预测相关系数(correlation coefficients of prediction)分别为0.975 1和0.968 5,决定系数R^2分别为0.999 9和0.993 6;基于竞争性自适应重加权采样算法(CARS,competitive adaptive reweighed sampling)波长变量筛选后的CARS-Bootstrap-SPXY-PLS模型的预测均方根误差RMSEP均值分别为0.36%和0.35%,预测相关系数分别为0.973 6和0.975 0,模型决定系数R^2分别为0.924 5和0.918 0。因此,全谱Bootstrap-SPXY-PLS模型和CARS-Bootstrap-SPXY-PLS模型均具有稳定的预测能力,为玉米育种时灌浆期种子水分测定提供了一种稳定、高效的方法。展开更多
文摘The paper analyses the influence of non responding of sample survey,introduces to the relevant dealing method and extends the adjusting method and applying condition introduced in the “Course of Survey Technique”.
文摘本文改进了传统基于近震波形数据的点源震源参数反演的Cut And Paste(CAP)方法,实现了近震Pnl波、面波和远震P波、SH波的联合反演的CAPjoint算法.对2010年3月高雄地震,分别进行单独反演以及联合反演,获得各自的震源机制解及深度,其中联合反演所得的最佳双力偶机制解参数为,节面1:走向317°,倾角36°,滑移角52°,节面2:走向181°,倾角62°,滑移角114°,深度为21km.并对不同震中距波形对本次地震以及几种典型机制解断层几何参数的敏感性进行测试.为验证联合反演方法的可靠性,本文采用重抽样思想发展而来的Bootstrap方法,对近震数据的子集及其与远震数据的联合反演所得的参数进行统计,验证了在稀疏近台条件下联合反演中添加远震数据对地震震源参数约束的作用.
文摘玉米灌浆期含水率测定是考种育种的重要指标。为了节约样本且快速准确测定灌浆期玉米水分,该文应用近红外光谱技术,提出了基于小样本条件下的自举算法(Bootstrap)与基于x-y距离结合的样本划分方法(SPXY,sample set partitioning based on joint x-y distances)相结合的样本优化方法的偏最小二乘(PLS,partial least square)水分定量分析模型Bootstrap-SPXY-PLS模型。试验结果表明,当Bootstrap重抽样本次数等于500,样本数量大于等于10时,模型的性能稳定,并且随着样本数量增加,重抽样本次数相对减少;样本数量为10和50时,全谱Bootstrap-SPXY-PLS模型的预测均方根误差(RMSEP,root-mean-square error of prediction)均值分别为0.38%和0.40%,预测相关系数(correlation coefficients of prediction)分别为0.975 1和0.968 5,决定系数R^2分别为0.999 9和0.993 6;基于竞争性自适应重加权采样算法(CARS,competitive adaptive reweighed sampling)波长变量筛选后的CARS-Bootstrap-SPXY-PLS模型的预测均方根误差RMSEP均值分别为0.36%和0.35%,预测相关系数分别为0.973 6和0.975 0,模型决定系数R^2分别为0.924 5和0.918 0。因此,全谱Bootstrap-SPXY-PLS模型和CARS-Bootstrap-SPXY-PLS模型均具有稳定的预测能力,为玉米育种时灌浆期种子水分测定提供了一种稳定、高效的方法。
