一、含有重度缺失的多维时间序列补缺方法及其在环境监测中的应用（论文文献综述）
王永生[1]（2021）在《基于深度学习的短期风电输出功率预测研究》文中进行了进一步梳理风能作为重要的可再生能源,适合大面积开发利用,但由于风能的随机性、波动性等特点,风力发电输出功率具有不稳定性,电网中大比例接入风电会严重威胁电力系统的安全运行。风电输出功率预测技术为解决这一问题提供了可能,这一技术可预测未来一段时间内风电厂输出功率,为制定合理的调度、检修计划提供依据,对提高风电利用率及风能利用水平有十分重要的意义。为提高风电输出功率的预测准确率,本文基于深度学习技术,研究风电短期输出功率预测,融合多源数据,使用机器学习及深度学习技术进行数据清洗,设计算法构造预测模型输入数据集,构建TLW-LSTM和LW-CLSTM两种深度学习模型,开展风电输出功率预测实验,并与决策树、随机森林、支持向量机等传统机器学习模型的预测效果进行对比,验证了本文基于深度学习构建的风电输出功率预测模型的有效性,提高了预测准确率。本文主要研究内容如下:（1）实现了基于机器学习的风电非平稳态时间序列数据清洗。首先对风电历史功率数据、历史气象数据及风机状态数据进行多元数据融合,提出使用孤立森林算法进行异常值检测并标记为缺失值,使用GRUI网络结构构建WGAN对抗神经网络模型进行缺失值填补,完成了风电数据的清洗,最大限度地保存了原有数据的特征,在实验中得到了比传统的均值填充、前后值填充更好的数据清洗效果,之后通过对融合数据进行降维、离散化、归一化和独热编码等一系列处理,实现了符合深度学习需求的数据预处理;（2）提出了基于时间滑动窗口的深度学习输入数据集构造算法。风电输出功率具有一定的周期性,本文提出用时间滑动窗口构建风电时序数据集,在扩展原始数据集、提高数据利用率充分挖掘数据特征的同时,有效提取了风电输出功率的时间周期特性,为使用深度神经网络实现风电输出功率的多变量非线性拟合创造了条件;（3）构建了基于深度学习的TLW-LSTM风电输出功率预测模型。使用时间滑动窗口算法构造数据集作为深度学习输入数据集,使用LSTM长短时记忆网络构建TLW-LSTM深度学习模型,模型使用两层全联接层作为输入和输出层、三层多节点LSTM层作为隐藏层,采用Nadam优化器、Droupout及正则化技术改进模型性能,实现了比传统机器学习模型更优良的预测效果,d＿MAE预测准确率达92.7%;（4）构建了基于CNN网络结构的LW-CLSTM深度学习预测模型。针对TLW-LSTM风电输出功率预测模型运算时间长、网络收敛慢的不足,使用CNN网络结构对TLW-LSTM模型进行优化,构建了LW-CLSTM深度学习模型。该模型利用了CNN出色的特征提取能力和LSTM的时间序列处理能力,在不降低预测准确率的前提下,有效提高了模型运算效率,在相同数据集上明显减小了计算时间达66%,为模型投入生产应用奠定了基础;（5）完成了传统机器学习模型与TLW-LSTM和LW-CLSTM两种深度学习模型的预测准确率及误差对比分析。为符合风电行业应用的预测评价,研究设计了最大相对误差统计分布法和MAE平均差值法两种准确率评价指标,应用到对比实验中。构建决策树、随机森林和支持向量机三种传统机器学习预测模型,使用相同的输入数据集进行模型训练和预测,与本文构建的TLW-LSTM和LW-CLSTM深度学习模型的预测结果进行对比,并分析预测误差及预测准确率,证实了本文构建的深度学习模型在预测准确率方面有明显优势。
邓萌杰[2]（2021）在《基于关联规则的大气污染数据挖掘分析与预测》文中认为近年来,中国经历了快速的经济增长和工业化、机动化、城镇化发展,大气重污染现象频繁发生,以PM2.5和臭氧为主的大气污染物成为制约我国空气质量改善的重要障碍因素。为探究大气重污染成因和改善空气质量,我国致力于大气环境监测与预测,积累了大量的空气质量监测数据资料。分析大气污染时空变化特征和规律,解析污染潜在源区和传输路径,探寻数据内潜在信息并对污染进行预测,对于探究重污染成因和改善空气质量,高效利用海量数据,显得尤为重要。本研究将以山西省长治市为重点研究区域,深入、系统地探索城市大气污染特征、影响因素、传输特征并对污染进行预测。本文采集了长治市大气环境和气象多源时空数据,通过张量分解补全缺失值,提升数据集的整体质量后进行相关数据分析研究。首先,分析了长治市主要大气污染物的时间变化规律和传输特征。基于长时间、多点位、完整的污染物监测数据,研究得出了长治市主要大气污染物PM2.5和臭氧在不同季节污染变化的时空分布特征,并根据后向轨迹模式分析污染物传输路径和潜在源区。其次,识别了气象因素和大气污染物之间隐藏的关联规则。基于最大信息系数计算方法定量解析了各气象因素与污染物之间的关联性,并挖掘出不同季节PM2.5和臭氧污染下气象与污染物之间的关联规则。最后,完成了在多种集成学习方法下预测PM2.5浓度的对比研究。考虑到真实大气是多尺度关联、多因素影响的复杂系统,本研究利用与PM2.5有关的气象条件、研究站点其他污染物浓度、周边站点数据、自身历史时间序列数据等多种因素特征,建立多种PM2.5集成学习预测模型并对预测结果进行比较研究。挖掘和分析监测数据内隐含的大气污染变化特征、关联规则、污染潜在源区并对污染进行预测,能够系统地了解空气污染成因,为城市大气污染精细化管控和对未来污染及时预测提供数据支持和方法依据,也为人们生产生活提供信息参考,降低大气污染对人健康和财产的影响。
宋浩[3]（2021）在《基于离散熵算法的高速列车轴箱轴承故障诊断方法研究》文中提出我国铁路运输规模庞大,因而列车常于复杂环境穿行,加之车辆运营速度不断提升,使得列车轴承的服役条件愈加恶劣。一旦轴承结构状态退化,可能为行车安全埋下巨大隐患,导致脱轨、侧翻等事故发生,因此,对轴承的服役状态进行监测,诊断其早期故障并提前预警是规避重大风险的有效手段。本文以高速列车轴箱轴承故障诊断为主要研究内容,依托离散熵算法提取轴承振动信号的关键特征,并以此为基础结合特征评估及各类机器学习算法构建智能诊断模型,以期识别不同轴承故障状态保障列车安全运行,具有实际意义。文中主要完成了以下工作:（1）完整阐述了实现滚动轴承故障诊断所需的实验及算法,详细解构了多尺度离散熵的计算原理和步骤,相较于样本熵、模糊熵等算法,离散熵对短时间序列的处理能力更优,计算效率更高,同时也优化了排列熵存在的诸多不足,具有良好的特征提取能力。之后利用m RMR算法进行特征重构,并引入WELM、LSSVM、Fk-NN和PNN等算法进行识别分类,最终完成轴箱轴承智能诊断模型的构建。（2）为有效抓取滚动轴承故障信号中的周期性冲击特征,在传统离散熵的基础上引入浮动离散熵算法。该方法更偏重信号幅值的连续性变化,因此其熵值所含波动特征更多,能够更为准确地刻画轴承的退化状态。同时,针对传统多尺度熵算法随尺度因数增大而熵值波动加剧的不足,将浮动离散熵与优化粗粒化过程相结合,组成优化多尺度浮动离散熵。之后,利用电机轴承和轴箱轴承信号检验了所提算法的适用性,相较于多尺度离散熵取得了更为优异的诊断结果。（3）为进一步提升离散熵的特征提取效果,本文提出了权重离散熵算法。该方法主要考虑离散熵缺失模型本质信息的问题,通过计算不同模型的离散度为各类模型赋予权重值,模型结构越复杂则权重越高,反之则越低。最后通过权重概率和权重系数对熵值进行校正,达到降低熵值误差、增强特征刻画能力的目的。结合改进粗粒化过程组成改进多尺度权重离散熵,并对所提算法的性能进行分析以确定最优参数。最后,利用两类轴承实验数据进行验证,结果表明改进多尺度权重离散熵能准确表征轴承不同损伤类型及损伤程度的运行状态,达到了预期的识别效果。
任珂[4]（2021）在《面向空气污染的时空多变量数据可视分析》文中研究说明近年来,空气污染成为危害人类健康的重大环境问题,改善空气质量的关键之一在于区域协同治理和污染物联合防控。无论是从大气科学的角度研究模拟模型,还是从数据科学的角度挖掘空气污染大数据模式和特征,仅依靠单一的学科理论和手段难以提供全面的解决方案。而且,模型中存在不可避免的不确定性,污染数据集规模大、复杂度高,这些都为空气污染的协同分析带来巨大的挑战。因此,引入交叉学科思想,充分结合传统模型的科学性和新一代人工智能方法的特征分析能力,可为分析空气污染的时空分布、污染传输的不确定性以及潜在污染源演化规律提供新的研究思路和解决方案。本文以空气污染数据和后向轨迹模型为研究对象,以可视化和数据挖掘理论为基础,提取大数据中蕴含的污染模式和异常事件,量化后向轨迹模型的不确定性,并在两者基础上研究集成数据特征和科学模型的潜在污染源识别方法,从“时间-空间-多变量”三个角度分析空气污染及污染源的演化规律,最终设计并开发多视图协同的可视分析系统,提高空气污染感知效率,实现交互式挖掘数据中蕴含的知识和空气污染现象。主要内容和创新点如下:（1）提出针对空气污染潜在模式与异常的可视分析方法和系统。空气污染监测数据是一种典型的时空多变量复杂数据,仅使用独立的量化指标或算法难以实现数据的渐进式挖掘,据此提出可视分析系统探索数据中的模式与异常。为了创建可识别多变量信息的数据可视空间,提出复合最小二乘投影算法,有效减少投影过程中的信息损失,实现多变量分布的快速感知。其次提出多变量模式提取和时空联合异常检测方法,识别常规模式并揭示隐藏的多种异常事件。在此基础上,设计针对常规模式和异常的可视化图标,总结丰富的背景信息并追踪不同的时变状态。通过对空气污染监测数据的应用案例研究,证明该方法和系统能够引导用户交互式探索污染物的关联模式,快速发现污染变化异常的时期或地区,以及分析污染的周期性时变趋势和城市群协同变化规律。（2）提出针对后向轨迹模型不确定性与运动趋势的可视分析方法和系统。后向轨迹模型是一种操作简单且应用较广的空气污染溯源模型,但是模拟轨迹处于三维地理空间,运动趋势难以观察,并且模型的不确定性在分析过程中常被忽略,据此提出可视分析系统解决这些问题。首先基于变分自编码器和长短期记忆网络模型,提出三维轨迹深度表示方法,有效度量轨迹的形状相似性,提升对与时空无关运动趋势的发现能力。在此基础上,量化轨迹集合模拟的不确定性,并分析不确定性与地理位置的潜在关联。设计三维轨迹可视化图标和视图,清晰展示轨迹的三维运动趋势以及对比地理邻域内的不确定性分布。本文将该方法和系统应用于空气污染后向轨迹模型,展示模拟轨迹运动趋势并量化模型的不确定性,分析不确定性与地理邻域、天气系统等外在因素间的潜在关联,并结合交互式视图探索不确定性产生的原因。（3）提出针对潜在污染源识别及演化的可视分析方法和系统。目前基于后向轨迹模型的污染溯源方法精度较低,同时不同污染物、不同时期的污染源分布差异不容忽视,据此提出融合数据特征的可视分析方法探索潜在空气污染源。基于后向轨迹模型和空气污染大数据特征,提出耦合污染传输及共现关系的潜在污染源识别方法,建立动态的多污染物、多关系地理网络。在此基础上,提出网络地理分布特征相似性度量方法,提取污染源协同分布模式并评估模式的重要性。设计多层级的污染源可视化图标和多视图协同分析框架,实现后向轨迹模型和数据特征在识别污染源时的交叉验证,最终探索污染源分布模式和多变量时序演化规律。本文在真实数据集和合成数据集上开展对比实验,验证了方法在数据投影、模式提取和特征学习上的有效性和准确性,通过多个应用案例证明了可视分析系统在探究空气污染问题上的实用性。基于对时空多变量空气污染数据的可视分析方法研究,从交叉学科的角度分析污染分布规律、传输不确定性以及污染源演化等问题,为空气污染的“靶向治疗”和减排决策提供方向支持和科学依据。
黄友昕[5]（2021）在《顾及时空多因素的农业干旱遥感监测方法及其适应性评价研究》文中研究指明农业干旱是一种反复出现、持续时间长、无结构化的自然灾害。在全世界所有土地上都曾经历过不同程度的农业干旱事件,尤其是经济来源大部分依靠于农业生产的国家。农业干旱不仅直接造成农作物大面积减产绝收,而且对社会经济造成巨大的损失,严重地影响了农业的可持续发展和社会的稳定。因此,如何有效地监测农业干旱,因地制宜地选取合适的干旱监测方法已成为抗旱减灾部门和农业管理部门面临的一项紧迫的任务。基于遥感技术的农业干旱监测方法,常常通过农业干旱遥感监测指数来实现,它具有客观、及时、覆盖范围广等优点,弥补了地面站点的不足,已被证明是农业干旱监测中最有前景的技术手段。但是不同的农业干旱遥感监测指数具有明显相异的时空适应性。这些指数从遥感光谱信息中提取干旱发生与发展的特征,它既受空间方面区域下垫面的影响;又受时间方面作物不同物候期的生长形态的影响。如何根据不同区域下垫面、作物不同物候期选取适合的农业干旱遥感监测指数,是精确评估和监测农业干旱的基础。评价农业干旱遥感监测指数的适应性主要采用光谱特征匹配法、多元统计分析法、主成分分析法和人工神经网络分析法等方法。然而,由于作物生长的土壤、物候期、地形、气候等时空多因素相互作用的复杂性,从环境依赖的角度,对农业干旱遥感监测指数的时空适应性与敏感性还需进一步研究;另外对农业干旱监测指数的适应性评价常常带有一定的人为主观性和经验性问题,客观性与自动化水平也有待改进。针对上述问题,本文利用多源遥感数据、气象站点实测数据、土壤湿度数据等等,从不同区域下垫面特征、作物不同物候期以及综合时空多因素等多个角度,利用机器学习技术,研究不同农业干旱监测参量与作物环境多因子之间的关联关系,提出顾及时空多因素的农业干旱遥感监测方法,并评价这些方法在不同应用场景的适应性。论文主要研究工作和成果有:（1）提出一种顾及下垫面改进标准化降雨蒸散指数的农业干旱监测方法针对标准化降雨蒸散指数（SPEI）对区域不同下垫面特征的差异性考虑不足,对干旱的响应具有明显的区域差异性问题,本文在综合考虑地形高程、土地类型（灌丛、草地、耕地、裸地）等下垫面多因素条件下,提出一种顾及下垫面的改进SPEI。并以实测降雨量、气温以及有效土壤水含量数据计算得到的PDSI、sc PDSI、SPI为基准,对该方法进行验证。研究结果表明:改进的SPEI指数对内蒙古雨养农业区近40年的农业干旱演变情况与实际旱情相符;其监测结果与44个旗县级行政区的站点数据sc PDSI、实测SPI（1月、3月尺度）指数相关系数均通过了显着性检验。该方法更适合于雨养农业区的干旱监测场景。（2）提出一种顾及物候期反演土壤湿度的农田墒情监测方法土壤湿度能够反映作物土壤含水量和作物生物量的状态,反演土壤湿度对评估作物干旱状况和生长环境条件至关重要。而土壤湿度是一个复杂的非线性耦合系统,受土壤复杂结构和作物环境多因子影响显着,如何分析多源输入与输出间的非线性映射关系,提高土壤湿度反演精度是值得研究的问题。而人工神经网络模型能自动分析多源输入与输出间的非线性映射关系,基于此,本文在顾及作物物候期的条件下,以冬小麦返青期为例,基于MODIS干旱指数与径向基神经网络方法,提出一种顾及物候期反演土壤湿度的农田墒情遥感监测方法。研究结果表明:反演的土壤湿度应用在河南省农业干旱墒情监测中效果较好;相比线性模型与BP神经网络反演土壤湿度精度更高,该模型回归分析相比1:1线的偏差最小;反演的平均预测精度达到93.27%,相关系数为0.846,决定系数为0.862 6。这表明MODIS干旱指数结合径向基神经网络协同反演冬小麦返青期的土壤湿度模型有效。该方法较适合于区域农田土壤墒情的干旱监测场景。（3）提出一种综合时空多因素的复合农业干旱遥感监测方法针对综合遥感干旱监测指数的权重设定客观性与自动化不足问题。本文基于深度学习方法,在非显式定义下垫面特征的情况下,引入卷积神经网络方法,自动学习时空多环境因素与多农业干旱遥感监测参量之间的关系与规则,构建一种农业干旱遥感监测指数重要性评价及复合指数深度学习网络模型（Ieci Net）。Ieci Net模型相比其它传统机器学习模型的精度更高。Ieci Net模型在拟合实测旱情参量的同时,还能够自动从MODIS遥感数据中定量地获取农业干旱遥感监测指数的重要性系数。以此重要性系数为权重,提出一种综合时空多因素的复合农业干旱遥感监测方法。同时以站点干旱指数sc PDSI、u SPEI和土壤湿度数据为基准,验证该复合农业干旱监测指数的有效性。研究结果表明复合农业干旱监测指数在不同气候干湿分区均有较好的监测效果,该方法适合于区域局部下垫面较复杂的干旱监测场景。
王李想[6]（2021）在《基于多指标时序数据的城市河道水质异常检测方法研究》文中研究指明近年来,我国经济社会快速发展,城市河道水质污染事故时有发生,水资源短缺面临的压力越来越大,迫切需要建立并完善水质监测系统进行水质动态监测、污染异常检测和自动判别,以减少人工检测劳动程度,提高应急管控能力,保障城市河道水环境安全。但现有的水质监测与判别方法往往基于常规水质指标从理化性质（浊度、电导率、溶解氧）、有机物含量（化学需氧量、氨氮）、酸碱度（pH）等角度单一分析水质状况,较少挖掘水质时序数据中隐含的信息,存在水质事件难以快速有效检出等不足。本文即是围绕在线监测数据的挖掘利用,开展了基于多指标时序数据的河道水质异常检测方法研究,重点研究了水质预测、水质异常检出、污染源类型定性判别,对河道水质在线监测过程中可能存在的异常事件给出预警信息和决策支持。论文主要工作与创新点如下:（1）研究了基于多指标时序数据的水质预测方法。针对水质监测数据受多种外因影响而呈现非线性、非平稳性等动态特性,提出了基于时序依赖性和特征相关性的双注意力机制长短期记忆网络（LSTM）的水质预测方法。在LSTM挖掘多指标水质参数之间的相互关系和时序动态变化规律基础上引入双注意力机制,自适应调整历史时间点和多维特征对当前预测目标的影响权重,从历史水质多指标时间序列中提取关键时间点和关键特征,以捕捉水质波动中隐含的时序信息。利用城市河道水质的真实监测数据进行了预测实验分析,并对比了采用不同预测模型的性能。为后续异常检出提供良好的支撑。（2）研究了基于预测模型的水质异常检出方法。鉴于传统阈值法常常出现误报漏报等问题,本文结合水质预测模型,提出了一种基于波动特征的异常检测改进方法,通过引入波动熵特征,关注水质指标波动的自相似性而非具体的幅值;进而分析异常事件引起的多指标序列的关联相似性。最后,融合多个细粒度波动特征判断异常概率,挖掘水质波动中隐含的异常,以提高对异常事件的检出率。（3）基于异常检测结果构建了常见污染源样本库,根据多参数水质指标与不同污染源的联合响应关系,利用堆叠稀疏自编码器挖掘多指标间的非线性关联,为了使不同污染源特征有一定的独立性和差异性,结合K-means++方法构建了具有污染源区分能力的特征库;通过分析余弦相似度对检出的异常事件进行污染源判别。利用所研究方法对不同污染程度的工业废水、生活污水、泥浆水、畜禽养殖废水等污染类型进行了判别,并将检出的未知污染类型加入污染源样本库。综上所述,本文基于常规多指标水质时序数据,开展了城市河道水质异常检测方法的研究。经实验验证和分析,该方法对城市河道水质监测场景的在线异常事件检测表现出了一定的优势,该研究对智能化、自动化的实时预警系统提供了一种可实践的在线异常事件检测方法。
邵亚琴[7]（2020）在《基于多源动态监测数据的草原区煤电基地生态扰动与修复评价研究》文中研究说明草原区煤电基地开发在满足我国能源战略需求的同时,给区域生态环境系统带来了巨大冲击,引发众多生态问题,如土地损毁、地下水位下降、大气污染等,生态扰动表现方式和演变机制各不相同,累积效应显着,严重影响区域能源保障和生态屏障作用的发挥,实现煤电基地生态环境实时监测和合理评价,为煤电基地生态环境保护和修复补偿监管提供依据,能够有效促进煤电基地生态文明建设。本文依托于国家重点研发计划项目《东部草原区大型煤电基地生态修复与综合整治技术及示范》（2016YFC0501109）,针对我国绿色开发能源战略的需求,以生态文明建设为契机,紧扣草原区煤电基地生态环境的特点,选择内蒙古锡林郭勒盟胜利煤电基地为典型研究区域,基于多源空间动态监测技术,应用系统分析方法,对该区域生态环境时空状况进行了扰动规律分析与监测评价。主要研究内容和成果如下:（1）基于戴明环与生命周期理论构建煤电基地CE-PDST生态环境系统循环驱动机制。研究归纳了草原区煤电基地生态环境的特点,分析了煤电基地煤矿、火电厂及煤炭城市三大扰动源对生态环境影响的时空演变趋势,分阶段讨论了煤电基地时空发展的特点,揭示了煤电基地生态系统的周期性发展规律。针对煤电基地生命周期各阶段扰动源发展状态及对生态环境的扰动特征,构建了煤电基地CE-PDST生态系统循环驱动机制,分别从扰动源子循环和生态环境单元子循环两个角度进行了生态环境系统演化分析。（2）搭建多源异构数据“获取-处理-融合-分析”技术框架和体系。基于空间信息技术获取的空间数据及统计数据和调查数据等,提出了基于邻域信息约束的中高空间分辨率遥感影像分类后处理方法、多源多尺度DEM融合方法和“暗像元法”与“深蓝算法”相结合的气溶胶厚度反演等方法,通过影像参数反演、数据融合、统计分析、空间数据挖掘与空间分析等技术手段,为在不同时空尺度下分析草原区煤电基地内土地环境、水环境和大气环境参数的扰动规律和变化特征以及生态环境综合评价提供数据和技术支撑。（3）实现煤电基地尺度下土地利用类型、植被覆盖、土壤侵蚀和大气环境的时空动态变化分析及扰动源识别。针对胜利煤电基地的特点构建土地利用分类体系,通过土地利用动态度模型和煤电开发驱动指数进行煤电开发土地利用类型转移驱动力分析;综合运用GIS空间相关性分析方法,分别从全局演变和局部效应进行植被覆盖时空变化检测;针对煤电基地土壤侵蚀的特点,建立土壤侵蚀风-水复合模型sA并实现总模数的估算,利用经验模型验证了其适用性;通过遥感反演获取了研究区域内SO2、NO2的柱状浓度和气溶胶厚度AOD,并利用地面观测站数据验证了其可靠性。研究结果表明,煤电基地开发是研究区域土地利用类型转移的主要驱动力,植被破坏、水土流失和大气污染均以露天矿区、电厂区及锡林浩特市城区为扰动热点,随着开发规模的不断扩大,扰动程度逐渐加强。（4）在典型扰动源-露天矿尺度下进行生态环境扰动规律及生态修复效益分析。根据露天矿土地单元扰动机理,归纳了7种土地利用类型转移方式,建立了扰动重心加权模型,通过不同阶段加权重心的转移距离和转移方向,验证了CE-PDST驱动规律。针对露天矿首采区已经形成的四种扰动土地利用类型的转移方式,研究其在转移过程中植被指数的时空演变规律,通过建立排土场NDVI与地形因子、气象因子和人为修复因子之间的驱动关系,提出了提高排土场土地复垦效益的有效建议。利用多孔监测井的多期监测数据分析了胜利一号露天矿开采过程中潜水位的变化规律,并通过回归趋势分析确定了露天开采对地下水的影响半径和静水位,为确定受地下水位下降影响的居民搬迁范围和研究基于影响半径分析地下水位变化对地表植被变化的影响规律提供了依据。（5）通过生态效益响应因子识别,参考《生态环境状况评价技术规范-2015》,采用层次分析法计算了各项指标的权重,构建了草原区煤电基地生态环境综合评价体系(MEICE),从煤电基地尺度、功能区单元和最适宜格网单元等多时空尺度,综合评价和分析了研究区域2000年、2005年、2010年和2015年的生态环境状况,探寻区域生态的时空变化规律。研究表明,2000-2015年,研究区域生态环境整体处于良好状态;2005-2015年,煤电基地开发规模迅速扩大,恶化趋势明显,形成以露天矿区及电厂区、市区和居民点中心的阶梯状缓冲区,印证了露天矿开采及电厂开发、城市建设对生态环境产生负面扰动的累积效应;2010-2015年,露天矿区排土场复垦、电厂控排、城市湿地公园建设及省道S307沿线绿化有效改善了局部生态环境状况,体现了生态修复与监管对生态环境恢复的重要性。针对本文探索的胜利煤电基地生态扰动规律及生态环境评价结果,基于GMR模型对研究区域2020年生态环境状况进行了模拟,提出了草原区煤电基地开发弹性调控与生态环境修复管理对策,搭建了基于大数据平台的草原区煤电基地“监测-评价-管理”三位一体的多源动态监测平台基本架构,并提出了草原区煤电基地生态环境修复CE-PDST-“5W+2H+E”循环管理模式,为煤电基地的可持续发展提供了有效途径。论文有图91幅,表65个,参考文献221篇。
黎宇嘉[8]（2020）在《基于多传感器特征融合和集成高斯模型的刀具磨损预测方法研究》文中认为实现加工中的保质增效是企业提高核心竞争力的重要手段,而加工中刀具磨损和破损导致的加工动态误差和非计划性停机都会影响到加工的质量与生产效率。加工中产生的切削力、振动和声发射等物理现象能从不同维度反映刀具磨损,如何从中提取有效特征,预测刀具磨损,是获得状态特征和质量特征的变化关系,实现加工参数的有效调控以达到保质增效的关键环节。本文分析了多传感器的信号特征与刀具磨损的相关性与特征间冗余度,实现信号特征的融合,获得刀具磨损预测模型的最优特征子集。针对单一预测模型存在稳健性不高的问题,构建了一种刀具磨损的集成预测模型。主要的工作如下:（1）对刀具磨损预测模型建模流程、刀具磨损形式及其量化方法和多传感器融合的优势进行了阐述。进行了刀具生命周期的铣削加工实验,获取多传感器监测数据与刀具磨损数据,并对采集到的多传感器数据进行预处理,为后文的数据分析与建立数据驱动模型构建好基础数据。（2）研究了传感器特征提取与分析方法。对采集到的多传感器信号提取了165维特征,并利用皮尔逊相关系数和最大信息系数分析了这165维特征的相关性与冗余度,发现了最大信息系数在数据挖掘上的优势,并用其筛除了不敏感特征。（3）为降低特征维度与冗余,结合最大信息系数与核主成分分析,构建了一种特征融合算法。利用构建的算法对多传感器的不同组合进行了特征融合,分析并对比了融合前后的相关性与冗余度,证明了融合特征的有效性。（4）针对单一模型稳定性不高的问题,从子模型的差异度与精度两方面构建了一种改进的集成高斯回归模型（Bagging-GPR）,并验证了改进的模型的精度和稳健性。确定了多传感器不同组合下特征融合的优先级,提出优选预测方案来解决多传感器数据缺失的情况,其R2可达0.96以上,对指导实际刀具磨损预测具有指导意义。
孙朝兴[9]（2020）在《气候变化条件下黄土高原水文综合风险评估》文中认为在全球气候变化的大背景下,区域水文循环规律也在一定程度上发生了改变,水份在不同时空尺度上重新分配,部分地区水文状况发生了显着变化,极端降水、干旱等极端天气或气候事件的多方面特征也处于动态变化过程。极端降水和干旱均可对农业、社会经济、生态系统及生命安全构成严重威胁,是农业科学家、水文学家、生态学家和气象学家的重点关注和研究对象。黄土高原是我国重要农业产区,区域降水时空分布不均,夏季暴雨频繁,土壤侵蚀严重而其他季节缺水严重。气候变化会同时影响黄土高原的可用水资源量以及土壤侵蚀程度,因而研究该地区气候变化背景下极端降水和干旱的发生及变化规律有助于对区域水文风险管理以及水资源可持续管理等提供科学依据。本文旨在深层了解黄土高原地区极端降水和干旱等极端水文事件的多方面特征对气候变化的响应,围绕以下内容展开研究:黄土高原极端降水事件的多维风险变化特征、气候模型集合降尺度方法开发、未来气候变化对黄土高原干旱高温耦合事件的影响及黄土高原上泾河流域未来水文干旱在不同时间尺度的变化特征。论文具体内容、主要发现和贡献如下:（1）定量评估了黄土高原多极端降水指标组合的联合风险及其空间变化特征,对包括三维指标组合风险在内的多组合联合风险进行了评估。基于蒙特卡洛随机抽样算法的二维和三维二次重现期被创新性地应用于极端降水风险评估,以满足水文设计中不同风险评估的需要。采用正、反演方法,对黄土高原极端降水指标的多维风险综合研究,计算结果既能反映事件的严重性,又能得到合理范围内可靠的风险评估结果,避免得到过大或过小联合重现期的问题。研究发现,黄土高原近60年降水时空分布失衡加剧,西北地区大部分时间处于严重干旱状态,全年降水可能高度集中在几次强降水事件,而东南地区出现特大暴雨导致的洪涝灾害的风险增加。（2）开发了一个集合降尺度方法,可同步对多气候模型的输出结果进行联合偏差修正,使得不同气候模型输出之间信息共享,弱化个别模拟较差的模型输出对整体结果的影响,同时可根据多组合修正结果反映气候模拟中的不确定性。所开发的方法用于7个区域气候模型输出降水的偏差修正,结果表明,与其他传统方法相比,本研究开发的方法对气候模型输出的质量要求更低,模型表现更稳定。为解决在拥有复杂地形及气候类型地区的气候模型模拟结果普遍较差的问题提供了方法支撑。该方法被进一步用于未来降水的集合模拟,结果显示未来中度及高排放情景下（RCP4.5及RCP8.5）黄土高原中南部地区降水将明显减少,未来发生干旱的概率增加,而东部地区未来更容易发生洪涝灾害。（3）考虑到干旱和极端高温事件同时发生时,两个事件的协同作用可加剧彼此的严重程度,本文建立了一个热旱识别系统,该系统可定量评估干旱高温的复合风险。利用两个区域气候模型探讨了未来气候变化对黄土高原干旱和热浪耦合风险的影响。对干旱及高温指标分别设定两水平构建四种组合研究方案。结果表明,黄土高原极端高温历时在未来RCP4.5及RCP8.5情景下的值均显着大于历史时期,而严重干旱事件主要分布于西南和中南部。黄土高原西南和中南地区的一些站点,在未来可能频繁发生长期高温伴随中度干旱事件。在干旱和热浪的共同作用下,可能对当地农业生产甚至人类健康产生严重影响。（4）构建了区域气候模型与水文模型耦合系统,该系统可识别气候变化下流域未来水资源以及不同时间尺度下水文干旱风险的变化情况,为区域水资源可持续管理及制定长远的灾害防治措施提供信息支持。建立的系统被用于研究未来气候变化对黄土高原泾河流域径流及水文干旱特征的可能影响。结果表明,RCP8.5情景下的月均径流相对历史阶段有明显增加;尽管RCP4.5情景下的年均降水相对历史情况有所增加,但平均年径流却变小,这可能是因为气温上升造成蒸发量显着增加。未来径流的时间分布不均衡加剧,RCP4.5情景下雨季平均径流相对历史阶段显着增加,而其他月份则明显减少。相对历史和RCP8.5情景,年尺度干旱在RCP4.5情景下更为严重,但其严重程度随着时间的推移而逐渐降低。未来月尺度干旱形势更为严峻,干旱的持续时间和严重程度都将明显增加。
陶锴[10]（2020）在《基于声发射的含水岩土安全监测技术研究》文中研究表明随着中国经济的飞速发展,基础设施建设自二十世纪以来呈现井喷式上升,建设规模的增加为结构稳定性和安全性带来了挑战,岩土工程安全监测已成为关乎国民生命财产的重要议题。含水量的增加会导致岩体抗压抗剪强度降低,削弱结构的稳定性,进而造成矿井坍塌、大坝溃堤等安全事故。由于水对岩体结构的软化作用,渗水失稳已成为当前工程事故的重要因素,对岩体结构开展含水率实时监测、损伤等级评估和灾害预警工作对保障工程进展和人民安全具有重要意义。本文以声发射技术为手段,针对含水岩土工程中水分对结构损伤和声发射的影响、监测数据建模处理、含水率识别以及损伤评估等问题开展研究,全文的主要内容如下:对水分-声发射-损伤等级三者的关联影响进行探讨,采用有限元仿真和单轴压缩激发声发射,利用声发射信号时域观测、功率谱分析、高阶谱分析、参数分析和谱采样分析等方法,总结了不同含水率状态下的声发射时频域特征,从数值模拟和宏观实验角度验证水分对岩石声发射的抑制作用。为了刻画水分对岩石损伤等级的影响,对不同含水率样本受压裂纹进行计算机断层扫描,通过二值像素分析量化损伤等级。利用联通域扫描和图像细化方法获得裂纹形态学指标,采用综合损伤指标量化不同含水率样本的断层扫描图像,通过定量分析得到水分对损伤的影响作用。为完成监测信号的建模处理,首先模拟人脑记忆与遗忘机理,将监测数据存储系统划分为短时记忆存储区和长时记忆存储区,利用门限值控制完成噪声数据的“遗忘”和有效监测数据的“记忆”。为了完成监测数据的序列存储,提出信号简谱化模型,利用音乐谱线完成监测信号包络采样,将人耳不可感知的损伤信号折换为具有可听属性的损伤音乐指标。开展多类型损伤信号乐谱化处理实验,在结合长短时记忆网络的损伤类型识别实验中验证了此种方法对信号特征保留的功能。为了完成失效传感器数据恢复,将简谱化模型与卡尔曼算法结合,以失效前的极值和近邻传感器数据为基础完成遗失数据的拟合重建。基于环境因素作用下的参数波动规律和聚类分析提出参数两步选择法,实现声发射参数的择优筛选,给后继模式识别任务实现数据指标的科学选取。从算法对比中可以看出,虽然两步参数选择法的时间消耗较大,但选择出的参数在模式识别中表现更好。为完成岩石含水率在线监测,基于模糊数学原理提出含水率模糊识别方法。利用声发射参数的统计规律,通过计算参数公差得到重要性排序,并基于此排序规划判断矩阵,得到具有环境自适应功能的权重向量。以Softmax函数对每一种含水率的输出向量为依据构建隶属度矩阵,并把自适应权重向量和隶属度矩阵的模糊计算值作为含水率识别结果。设计了砂岩-沙土层叠结构,利用有限元仿真模拟了水在此结构中渗流过程的压强分布。设计了传感器部署机械结构和声发射数据采集系统,实验中含水率模糊识别结果与真实含水率分布具有较高的一致性。开展不同颜色光引导的脑电信号采集实验,通过分析Beta波成分确定对人体专注度的影响,最终确定了适宜人体专注度的报警光颜色序列。为充分利用声发射参数信息完成损伤评估,综合可靠性理论、信息熵理论、因果推理理论等对环境因素和损伤结果的逻辑关联开展不确定性推导,提出包含参数间相关性信息的时域特征波和描述损伤出现置信度的损伤信息熵向量。基于岩石损伤力学和概率统计知识提出疲劳度指标,在不同含水损伤评估实验中验证了此指标对含水损伤样本的敏感性。基于贝叶斯理论提出溯源度指标,通过信号到达时间参数完成损伤区域的概率定位。
二、含有重度缺失的多维时间序列补缺方法及其在环境监测中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、含有重度缺失的多维时间序列补缺方法及其在环境监测中的应用（论文提纲范文）
（1）基于深度学习的短期风电输出功率预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 风电发展现状 |
| 1.1.2 风电发展面临的主要问题 |
| 1.1.3 风电输出功率预测的意义 |
| 1.2 国内外风电输出功率预测研究现状 |
| 1.2.1 风电输出功率预测方法分类 |
| 1.2.2 风电输出功率预测方法 |
| 1.2.3 风电功率预测研究现状 |
| 1.2.4 研究现状总结 |
| 1.3 论文主要研究内容及组织结构 |
| 2 风电功率预测相关理论及技术 |
| 2.1 风电基础理论概述 |
| 2.1.1 风能原理 |
| 2.1.2 风力发电原理 |
| 2.1.3 风电功率影响因素的分析 |
| 2.1.4 风速、风向和风功率的关系 |
| 2.2 风电数据处理技术 |
| 2.2.1 数据清洗技术 |
| 2.2.2 数据预处理技术 |
| 2.3 风电预测模型原理 |
| 2.3.1 物理模型理论 |
| 2.3.2 传统统计模型 |
| 2.3.3 机器学习理论 |
| 2.3.4 深度学习理论 |
| 2.3.5 深度学习优化技术 |
| 2.4 风电输出功率预测流程 |
| 2.5 本章小结 |
| 3 机器学习支持下的多源数据融合及分析清洗研究 |
| 3.1 风电大数据特点 |
| 3.2 风电场概况及数据来源 |
| 3.3 风电数据质量控制 |
| 3.3.1 测风塔数据的质量控制 |
| 3.3.2 风电场监控数据的质量控制 |
| 3.4 实验数据融合 |
| 3.5 传统的数据清洗 |
| 3.5.1 异常值检测方法 |
| 3.5.2 缺失值填补方法 |
| 3.6 基于孤立森林的异常值检测算法 |
| 3.7 基于深度学习的缺失值填补 |
| 3.7.1 GAN结构及原理 |
| 3.7.2 WGAN网络填充缺失值 |
| 3.8 数据清洗实验设计 |
| 3.8.1 实验数据集 |
| 3.8.2 实验环境配置 |
| 3.8.3 实验方案 |
| 3.8.4 孤立森林算法进行异常值检测 |
| 3.8.5 WGAN网络进行缺失值填充 |
| 3.8.6 比较方法与评价指标 |
| 3.8.7 实验过程 |
| 3.8.8 实验结论 |
| 3.9 本章小结 |
| 4 基于LSTM构建风电输出功率预测模型 |
| 4.1 风电输出功率预测方法总体框架 |
| 4.2 数据融合与清洗 |
| 4.3 数据预处理 |
| 4.3.1 数据降维 |
| 4.3.2 数据标准化 |
| 4.3.3 数据离散化和one-hot编码 |
| 4.4 深度学习输入样本集构建 |
| 4.4.1 深度学习特征选择 |
| 4.4.2 基于时间滑动窗口的深度学习数据集构建 |
| 4.5 深度学习模型构造 |
| 4.5.1 风速和风功率相关性分析 |
| 4.5.2 TLW-LSTM深度学习模型构建 |
| 4.5.3 TLW-LSTM模型的回归准确率评价指标 |
| 4.6 实验验证及分析 |
| 4.6.1 实验数据集 |
| 4.6.2 时间滑动窗口构建输入数据集 |
| 4.6.3 实验设计 |
| 4.6.4 预测模型的实验结果 |
| 4.6.5 实验对比分析 |
| 4.7 本章小结 |
| 5 基于CNN改良风电输出功率预测模型 |
| 5.1 风电厂输出功率预测方法总体框架 |
| 5.2 基于CNN和 LSTM结构构建时间序列深度神经网络模型 |
| 5.2.1 CNN卷积神经网络 |
| 5.2.2 CNN卷积网络快速提取特征 |
| 5.2.3 CNN和 LSTM构建LW-CLSTM组合神经网络模型 |
| 5.2.4 LW-CLSTM模型回归准确率评价指标设计 |
| 5.3 实验验证及分析 |
| 5.3.1 实验设计 |
| 5.3.2 LW-CLSTM与 TLW-LSTM模型实验分析 |
| 5.3.3 实验对比分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（2）基于关联规则的大气污染数据挖掘分析与预测（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景和研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 缺失值数据补全方法 |
| 1.2.2 空气污染关联特征分析 |
| 1.2.3 空气污染浓度预测方法 |
| 1.3 研究内容与技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 第2章 数据采集与预处理 |
| 2.1 研究区域概况 |
| 2.2 数据来源 |
| 2.3 数据预处理 |
| 2.3.1 异常值处理 |
| 2.3.2 缺失值处理 |
| 2.4 小结 |
| 第3章 大气污染特征分析 |
| 3.1 大气污染物时间分布规律分析 |
| 3.1.1 大气污染物逐月变化规律分析 |
| 3.1.2 PM_(2.5)和O_3浓度分季节时间序列变化特征 |
| 3.2 大气污染物空间分布规律分析 |
| 3.3 大气污染物潜在源区分析 |
| 3.3.1 传输路径解析 |
| 3.3.2 潜在源区分析 |
| 3.4 本章小结 |
| 第4章 大气污染因素关联特征解析 |
| 4.1 引言 |
| 4.2 大气污染物与气象因素相关性分析 |
| 4.3 不同气象下的大气复合污染的关联规则发现 |
| 4.3.1 春季对应的关联规则挖掘 |
| 4.3.2 夏季对应的关联规则挖掘 |
| 4.3.3 秋季对应的关联规则挖掘 |
| 4.3.4 冬季对应的关联规则挖掘 |
| 4.4 本章小结 |
| 第5章 大气污染物浓度预测 |
| 5.1 引言 |
| 5.2 模型建立 |
| 5.2.1 数据准备 |
| 5.2.2 特征选取 |
| 5.2.3 模型构建 |
| 5.2.4 误差指标选择 |
| 5.3 预测结果分析 |
| 5.3.1 预测精度分析 |
| 5.3.2 特征重要性分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 致谢 |
（3）基于离散熵算法的高速列车轴箱轴承故障诊断方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 背景简述 |
| 1.1.2 研究意义 |
| 1.2 滚动轴承故障诊断技术研究现状分析 |
| 1.2.1 特征提取算法研究现状 |
| 1.2.2 智能识别算法研究现状 |
| 1.3 研究思路及内容 |
| 1.3.1 研究思路 |
| 1.3.2 论文主要内容 |
| 2 滚动轴承故障诊断技术背景 |
| 2.1 引言 |
| 2.2 实验介绍 |
| 2.2.1 电机轴承状态退化实验 |
| 2.2.2 高速列车轴箱轴承损伤实验 |
| 2.3 多尺度离散熵理论 |
| 2.4 MRMR特征评估方法 |
| 2.5 机器学习算法 |
| 2.5.1 加权极限学习机 |
| 2.5.2 最小二乘支持向量机 |
| 2.5.3 模糊k-NN分类器 |
| 2.5.4 概率神经网络 |
| 2.6 本章小结 |
| 3 基于优化多尺度浮动离散熵的轴承故障诊断方法研究 |
| 3.1 引言 |
| 3.2 优化多尺度浮动离散熵理论 |
| 3.2.1 浮动离散熵 |
| 3.2.2 优化多尺度浮动离散熵 |
| 3.2.3 参数选择 |
| 3.2.4 性能分析 |
| 3.3 电机轴承故障诊断实验 |
| 3.4 高速列车轴箱轴承故障诊断实验 |
| 3.5 本章小结 |
| 4 基于改进多尺度权重离散熵的轴承故障诊断方法研究 |
| 4.1 引言 |
| 4.2 改进多尺度权重离散熵理论 |
| 4.2.1 权重离散熵 |
| 4.2.2 改进多尺度权重离散熵 |
| 4.2.3 参数选择 |
| 4.2.4 性能分析 |
| 4.3 电机轴承故障诊断实验 |
| 4.4 高速列车轴箱轴承故障诊断实验 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 A |
| 作者简历及攻读硕士学位期间取得的研究成果 |
（4）面向空气污染的时空多变量数据可视分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 面临的挑战 |
| 1.3 研究内容 |
| 1.4 论文架构 |
| 第2章 相关工作 |
| 2.1 空气污染模型及溯源方法 |
| 2.2 空气污染数据可视分析 |
| 2.3 多变量数据可视分析 |
| 2.4 时空数据可视分析 |
| 2.5 不确定性数据可视分析 |
| 第3章 空气污染时空模式提取与异常检测可视分析 |
| 3.1 简介 |
| 3.2 任务与概览 |
| 3.3 模式提取与异常检测 |
| 3.3.1 数据范围及向量化表示 |
| 3.3.2 模式可视探索 |
| 3.3.3 潜在模式提取 |
| 3.3.4 时空异常检测 |
| 3.4 可视化与系统设计 |
| 3.4.1 投影视图 |
| 3.4.2 趋势视图 |
| 3.4.3 交互 |
| 3.5 评估与验证 |
| 3.5.1 CLSP评估 |
| 3.5.2 NHC评估 |
| 3.5.3 应用案例一: 探索多变量模式 |
| 3.5.4 应用案例二: 寻找时序异常 |
| 3.5.5 应用案例三: 探索地理异常 |
| 3.6 讨论 |
| 3.6.1 合理性 |
| 3.6.2 通用性 |
| 3.6.3 可扩展性 |
| 3.6.4 局限性 |
| 3.7 本章总结 |
| 第4章 后向轨迹模型不确定性及运动趋势可视分析 |
| 4.1 简介 |
| 4.2 概览 |
| 4.3 模型不确定性分析 |
| 4.3.1 后向轨迹模型 |
| 4.3.2 Path2Vec轨迹深度表示方法 |
| 4.3.3 不确定性量化 |
| 4.4 可视化与系统设计 |
| 4.4.1 轨迹相关视图 |
| 4.4.2 轨迹运动趋势可视化图标 |
| 4.4.3 邻域对比视图 |
| 4.4.4 交互设计 |
| 4.5 评估与验证 |
| 4.5.1 Path2Vec评估 |
| 4.5.2 应用案例一: 探索不确定性与地理区域的潜在关系 |
| 4.5.3 应用案例二: 分析天气系统对不确定性的影响 |
| 4.6 讨论 |
| 4.6.1 通用性 |
| 4.6.2 可扩展性 |
| 4.6.3 局限性 |
| 4.7 本章总结 |
| 第5章 潜在空气污染源识别及演化可视分析 |
| 5.1 简介 |
| 5.2 任务和概览 |
| 5.3 空气污染影响关系网络 |
| 5.3.1 传输贡献 |
| 5.3.2 污染共现 |
| 5.3.3 影响关系网络构建 |
| 5.4 污染源协同分布模式 |
| 5.4.1 地理分布特征矩阵生成 |
| 5.4.2 地理分布特征相似性度量 |
| 5.4.3 模式提取 |
| 5.4.4 模式评估 |
| 5.5 可视化与系统设计 |
| 5.5.1 潜在污染源概览视图 |
| 5.5.2 模式演变视图 |
| 5.5.3 模式对比视图 |
| 5.5.4 交互设计 |
| 5.6 评估与分析 |
| 5.6.1 应用案例一: 污染影响分析 |
| 5.6.2 应用案例二: 潜在污染源概览分析 |
| 5.6.3 应用案例三: 污染源协同分布模式演变分析 |
| 5.7 讨论 |
| 5.7.1 通用性 |
| 5.7.2 可扩展性 |
| 5.7.3 局限性 |
| 5.8 本章总结 |
| 第6章 总结与展望 |
| 6.1 研究工作总结 |
| 6.1.1 研究内容总结 |
| 6.1.2 理论方法创新点 |
| 6.2 下一步研究展望 |
| 参考文献 |
| 附录: 英文缩写及其含义 |
| 致谢 |
| 在学期间公开发表论文及着作情况 |
（5）顾及时空多因素的农业干旱遥感监测方法及其适应性评价研究（论文提纲范文）
| 作者简历 |
| 摘要 |
| ABSTRACT |
| 英文缩写表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 农业干旱遥感监测适用的卫星数据源 |
| 1.2.2 农业干旱遥感监测适用的光谱敏感波段 |
| 1.2.3 农业干旱遥感监测指数的分类体系 |
| 1.2.4 农业干旱遥感监测指数的适应性评价方法 |
| 1.2.5 目前存在的问题与不足 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织结构 |
| 第二章 农业干旱遥感监测的原理及其适应性评价相关基础 |
| 2.1 农业干旱监测基本原理 |
| 2.1.1 作物生长环境的概念 |
| 2.1.2 土壤水分平衡的概念 |
| 2.1.3 基于土壤水平衡的农业干旱原理 |
| 2.2 农业干旱遥感监测指数的原理及自身的适应性 |
| 2.2.1 环境供水指数 |
| 2.2.2 作物需水指数 |
| 2.2.3 综合农业干旱监测指数 |
| 2.3 农业干旱遥感监测候选指数集的选取 |
| 2.3.1 选取的原因 |
| 2.3.2 选取的规则 |
| 2.3.3 农业干旱遥感监测候选指数集的选取 |
| 2.4 农业干旱遥感监测指数的适应性评价方法 |
| 2.4.1 光谱特征匹配评价方法 |
| 2.4.2 基于作物生长影响因子的相关分析方法 |
| 2.4.3 模糊综合评判方法 |
| 2.4.4 主成分分析方法 |
| 2.4.5 人工神经网络方法 |
| 2.5 本章小结 |
| 第三章 顾及下垫面改进标准化降雨蒸散指数的农业干旱监测 |
| 3.1 引言 |
| 3.2 研究区及数据源 |
| 3.2.1 研究区概况 |
| 3.2.2 数据源及其处理 |
| 3.3 研究方法 |
| 3.3.1 研究区不同下垫面特征的单元划分 |
| 3.3.2 构建uSPEI的理论假设 |
| 3.3.3 顾及下垫面改进SPEI的农业干旱监测模型构建 |
| 3.3.4 农业干旱趋势显着性分析方法 |
| 3.3.5 uSPEI干旱指数的一致性评价方法 |
| 3.4 实验与分析 |
| 3.4.1 实验设计 |
| 3.4.2 研究区降雨量与温度干旱参量的变化趋势分析 |
| 3.4.3 基于uSPEI监测雨养区农业干旱的演变 |
| 3.4.4 uSPEI指数与其它指数在雨养区监测干旱的一致性评价 |
| 3.4.5 在不同下垫面条件下uSPEI监测农业干旱的适应性评价 |
| 3.5 结果讨论 |
| 3.6 本章小结 |
| 第四章 顾及物候期反演土壤湿度的农田墒情监测 |
| 4.1 引言 |
| 4.2 研究区及数据源 |
| 4.2.1 研究区概况 |
| 4.2.2 数据源及其处理 |
| 4.3 研究方法 |
| 4.3.1 构建基于MODIS遥感干旱指数的评价指标体系 |
| 4.3.2 时间序列数据的处理方法 |
| 4.3.3 顾及物候期的地表土壤湿度反演模型构建 |
| 4.4 实验与分析 |
| 4.4.1 农业干旱遥感监测指数与SM的相关分析 |
| 4.4.2 土壤湿度反演模型测试及对比分析 |
| 4.4.3 土壤湿度反演模型的有效性验证 |
| 4.4.4 反演土壤湿度监测农业干旱的适应性评价 |
| 4.5 结果讨论 |
| 4.6 本章小结 |
| 第五章 综合时空多因素的复合农业干旱遥感监测方法 |
| 5.1 引言 |
| 5.2 研究区及数据源 |
| 5.3 研究方法 |
| 5.3.1 深度学习的模型选取及理论方法 |
| 5.3.2 综合时空多因素的复合农业干旱遥感监测模型构建 |
| 5.3.3 IeciNet的实现与训练 |
| 5.4 实验与分析 |
| 5.4.1 基于MODIS的多波段反射率提取区域下垫面特征分析 |
| 5.4.2 IeciNet模型与其它机器学习模型的对比分析 |
| 5.4.3 优选农业干旱遥感监测指数集的相对重要性分析 |
| 5.4.4 复合农业干旱遥感监测指数的验证分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究成果与结论 |
| 6.2 论文创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录一 生态系统平均地表径流系数 |
| 附录二 IECINET网络结构实现代码 |
| 附录三 PDSI与 SCPDSI的干旱等级划分 |
（6）基于多指标时序数据的城市河道水质异常检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水质异常检测研究现状 |
| 1.2.2 污染源判别研究现状 |
| 1.2.3 现有研究存在的问题 |
| 1.3 论文主要研究内容和安排 |
| 1.3.1 研究课题的提出 |
| 1.3.2 论文章节内容安排 |
| 第二章 水质异常事件检测相关理论概述 |
| 2.1 常规水质监测参数特点及水质异常定义 |
| 2.1.1 常规水质指标介绍 |
| 2.1.2 水质波动主要类型 |
| 2.1.3 水质异常事件定义 |
| 2.2 城市河道常见污染源水质指标响应及实验平台 |
| 2.2.1 常见城市河道污染源 |
| 2.2.2 河道污染源判别可行性分析 |
| 2.2.3 污染源水样采集平台介绍 |
| 2.3 水质异常事件检测关键技术 |
| 2.3.1 常用的水质异常检测算法 |
| 2.3.2 水质异常检测技术步骤 |
| 2.3.3 性能评价标准 |
| 2.4 本章小结 |
| 第三章 基于时序依赖和指标相关性的水质预测方法 |
| 3.1 引言 |
| 3.1.1 水质时序数据的特性分析 |
| 3.1.2 常用的水质预测方法分析与对比 |
| 3.2 基于时序依赖和指标相关性的水质预测方法 |
| 3.2.1 算法整体流程 |
| 3.2.2 长短期记忆神经网络的结构 |
| 3.2.3 指标相关和时序依赖双重注意力机制 |
| 3.3 基于时序依赖性和相关性的水质预测模型设计 |
| 3.3.1 水质预测模型设计 |
| 3.3.2 模型训练总体流程 |
| 3.4 实验结果及对比分析 |
| 3.4.1 预测模型评价指标 |
| 3.4.2 预测结果与对比分析 |
| 3.4.3 算法有效性分析 |
| 3.5 本章小结 |
| 第四章 基于预测和波动分析的水质异常检出 |
| 4.1 引言 |
| 4.1.1 传统异常检测的特点 |
| 4.1.2 改进的迫切性 |
| 4.2 基于预测和残差阈值法的水质异常检测 |
| 4.2.1 基于预测模型的水质异常检测方法框架 |
| 4.2.2 基于残差阈值法的水质异常检测 |
| 4.3 基于预测和波动特征融合的水质异常检测改进 |
| 4.3.1 改进的水质异常检测方法总体流程 |
| 4.3.2 基于熵和波动相关性的波动特征提取 |
| 4.3.3 基于孤立森林的多参数异常概率融合 |
| 4.4 实验分析 |
| 4.4.1 模拟水质异常 |
| 4.4.2 基于预测和残差阈值法的水质异常检测 |
| 4.4.3 基于波动特征融合的改进水质异常检测 |
| 4.4.4 改进前后算法性能对比分析与讨论 |
| 4.5 本章小结 |
| 第五章 基于特征相似性分析的污染源判别方法 |
| 5.1 引言 |
| 5.1.1 污染源判别的必要性 |
| 5.1.2 特征库构建的必要性 |
| 5.2 基于特征相似性分析的污染源在线判别技术 |
| 5.2.1 样本库构建 |
| 5.2.2 污染源特征提取方法 |
| 5.2.3 特征库构建方法 |
| 5.2.4 特征相似性度量方法 |
| 5.2.5 污染源判别方法 |
| 5.3 案例分析讨论 |
| 5.3.1 特征库构建效果分析 |
| 5.3.2 污染源判别效果分析 |
| 5.3.3 算法相关讨论 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
| 作者攻读硕士学位期间发表的学术论文与取得的其他研究成果 |
（7）基于多源动态监测数据的草原区煤电基地生态扰动与修复评价研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 科学问题的提出(Presentation of Scientific Issues) |
| 1.2 研究的科学意义与项目依托(Scientific Significance and Project Support) |
| 1.3 研究动态分析(Dynamic Analysis of the Research) |
| 1.4 研究目标与研究内容(Research Objectives and Contents) |
| 1.5 研究区域(Study Area) |
| 1.6 研究思路及技术路线(Research Ideas and Technical Routes) |
| 2 草原区煤电基地生态环境演化机理 |
| 2.1 相关术语(Relative Terms) |
| 2.2 草原区煤电基地生态环境扰动源时空演变(Temporal and Spatial Evolution of Eco-environment Disturbance Sources in Prairie Coal-Electricity Base) |
| 2.3 基于戴明环与生命周期的草原区煤电基地生态环境系统演化PDST循环驱动机制(PDST Cyclic Driving Mechanism of Eco-environment Evolution in Prairie Coal-Electricity Base Based on PDCA and Life Cycle) |
| 2.4 草原区煤电基地生态环境系统SA-PDST驱动模型(The SA-PDST Driving Model of Eco-environment System of Prairie Coal-Electricity Base) |
| 2.5 煤电基地开发扰动下的草原区生态环境变化(Prairie Eco-environment Changes Disturbed by Development in Coal-Electricity Base) |
| 2.6 本章小结(Chapter Summary) |
| 3 多源异构数据的获取、处理及融合 |
| 3.1 多源异构数据的类型(Types of Multi-source Heterogeneous Data) |
| 3.2 多源异构数据处理平台(Multi-source Heterogeneous Data Processing Software) |
| 3.3 多源异构数据处理(Multi-source Heterogeneous Data Processing) |
| 3.4 多源异构数据融合(Multi-source Heterogeneous Data Fusion) |
| 3.5 本章小结(Chapter Summary) |
| 4 胜利煤电基地生态环境要素时空动态变化分析及扰动源识别 |
| 4.1 土地利用类型时空演变格局分析(Analysis of Temporal and Spatial Evolution Patterns of Land Use Types) |
| 4.2 植被覆盖时空变化检测(Temporal and Spatial Change Detection of Vegetation Coverage) |
| 4.3 草原区煤电基地土壤风-水复合侵蚀估算(Soil Water-Wind Compound Erosion Estimation in Prairie Coal-electricity Base) |
| 4.4 煤电基地大气数据监测与分析(Atmospheric Monitoring and Analysis in Prairie Coal-electricity Base) |
| 4.5 本章小结(Chapter Summary) |
| 5 煤矿尺度生态环境扰动规律研究及修复效益分析 |
| 5.1 胜利一号露天矿土地单元转移模式(Land Unit Transfer Mode of Shengli No.1 Open-pit Mine) |
| 5.2 露天矿首采区扰动土地类型转移(Disturbed Land Types Transfer in the First Mining of Open-pit Mine) |
| 5.3 NDVI扰动规律及排土场复垦效益分析(Analysis of NDVI Disturbance Law and Reclamation Benefit of Dump) |
| 5.4 潜水位时空变化及其对地表生态的扰动分析(Temporal and Spatial Changes of Phreatic Water Level and Disturbance Analysis of Surface Ecology) |
| 5.5 本章小结(Chapter Summary) |
| 6 草原区煤电基地生态环境综合评价 |
| 6.1 生态环境综合评价指标体系的构建(Construction of Eco-environment Comprehensive Evaluation Index System) |
| 6.2 多时空尺度生态评价单元的划分(Division of Multiple Temporal and Spatial Scale Ecological Evaluation Unit) |
| 6.3 评价标准、评价方法和评价技术流程(Evaluation Criterion, Evaluation Method and Technical Process) |
| 6.4 胜利煤电基地生态环境状况综合评价(Comprehensive Evaluation on Eco-environment of Shengli Coal-electricity Base) |
| 6.5 基于GWR模型的胜利煤电基地生态演变情景模拟(Ecological Evolution Scenario Simulation of Shengli Coal-electricity Base based on GWR Model) |
| 6.6 草原区煤电基地开发弹性调控与生态环境修复管理对策(Elastic Regulation and Eco-environment Restoration Management Countermeasures of Prairie Coal-electricity Base Development) |
| 6.7 本章小结(Chapter Summary) |
| 7 结论与展望 |
| 7.1 研究成果与结论(Research Results and Conclusions) |
| 7.2 主要创新点(Main Innovations) |
| 7.3 研究展望(Prospects) |
| 参考文献 |
| 附录1 锡林郭勒盟植被代码表 |
| 附录2 胜利煤电基地开发生态环境影响调查表 |
| 作者简历 |
| 学位论文数据集 |
（8）基于多传感器特征融合和集成高斯模型的刀具磨损预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 课题背景与研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 TCM传感器及其信号特征提取的研究现状 |
| 1.3.2 多传感器融合方法在TCM上的研究现状 |
| 1.3.3 集成学习模型在TCM上的研究现状 |
| 1.4 论文的内容与结构 |
| 第二章 刀具磨损预测模型及基础数据构建 |
| 2.1 多传感器特征融合的刀具磨损预测模型研究框架 |
| 2.2 刀具磨损现象及机理概述 |
| 2.2.1 刀具磨损形式与量化 |
| 2.2.2 刀具磨损过程与伴随的物理现象 |
| 2.3 铣削试验数据采集与预处理 |
| 2.3.1 基于多传感器的铣削试验平台 |
| 2.3.2 在线数据的采集与预处理 |
| 2.3.3 离线数据的采集 |
| 2.4 本章小结 |
| 第三章 加工信号的特征提取与分析 |
| 3.1 铣削力与振动信号特征提取 |
| 3.1.1 时域特征提取 |
| 3.1.2 小波包分解 |
| 3.1.3 经验模态分解 |
| 3.2 声发射信号特征提取 |
| 3.3 各传感器特征冗余度与相关性分析 |
| 3.3.1 相关性分析方法介绍 |
| 3.3.2 提取特征的相关性与冗余度分析 |
| 3.4 本章小结 |
| 第四章 基于MIC-KPCA的多传感器特征融合与分析 |
| 4.1 基于MIC-KPCA的特征融合方法 |
| 4.1.1 核主成分分析(KPCA)理论基础 |
| 4.1.2 基于MIC-KPCA方法的特征融合 |
| 4.2 多传感器特征融合效果分析 |
| 4.2.1 多传感器特征融合 |
| 4.2.2 融合特征的冗余度与相关性分析 |
| 4.3 本章小结 |
| 第五章 基于改进Bagging-GPR模型的刀具磨损预测 |
| 5.1 刀具磨损在线预测模型 |
| 5.1.1 高斯过程回归预测刀具磨损 |
| 5.1.2 基于精确度与差异度的Bagging-GPR模型改进方法 |
| 5.2 多传感器最优组合形式与最佳集成策略的确定与分析 |
| 5.2.1 多传感器融合方式优先级的确定 |
| 5.2.2 集成策略的确定 |
| 5.2.3 模型稳健性检验 |
| 5.3 在数据缺失下的多传感器优选预测 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士学位期间发表的论文及专利情况 |
（9）气候变化条件下黄土高原水文综合风险评估（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究区域概况 |
| 1.3 国内外研究进展 |
| 1.3.1 未来气候预估 |
| 1.3.2 极端降水时空特征研究 |
| 1.3.3 干旱风险研究进展 |
| 1.3.4 小结 |
| 1.4 研究思路与框架 |
| 第2章 黄土高原近60年极端降水事件多指标风险评估 |
| 2.1 引言 |
| 2.2 研究方法 |
| 2.2.1 边缘分布及单变量重现期 |
| 2.2.2 极端降水指标联合分布 |
| 2.2.3 极端降水指标的二元重现期 |
| 2.3 数据及指标介绍 |
| 2.4 结果分析 |
| 2.4.1 单指标变量分析 |
| 2.4.2 二元分析 |
| 2.5 本章小结 |
| 第3章 黄土高原多维极端降水指标时空变化特征 |
| 3.1 引言 |
| 3.2 数据介绍 |
| 3.3 研究方法 |
| 3.3.1 混合高斯模型 |
| 3.3.2 联合概率分布及重现期 |
| 3.4 案例及结果分析 |
| 3.4.1 案例研究 |
| 3.4.2 不同方案重现期在两个三十年周期的变化 |
| 3.4.3 不同方案重现期移动窗口变化趋势 |
| 3.5 本章小结 |
| 第4章 基于Vine-Copula的集合降尺度方法开发 |
| 4.1 引言 |
| 4.2 数据介绍 |
| 4.3 方法开发 |
| 4.4 结果分析 |
| 4.4.1 方法应用和评价 |
| 4.4.2 未来降水集合预测结果 |
| 4.5 本章小结 |
| 第5章 黄土高原未来干旱高温耦合风险评估 |
| 5.1 引言 |
| 5.2 数据和框架 |
| 5.3 研究方法 |
| 5.3.1 系统框架 |
| 5.3.2 分布模型 |
| 5.3.3 风险识别 |
| 5.4 结果分析 |
| 5.4.1 数据矫正验证及分析 |
| 5.4.2 分布拟合结果 |
| 5.4.3 单变量及联合重现期的空间分布 |
| 5.5 本章小结 |
| 第6章 黄土高原泾河流域未来水文干旱评估 |
| 6.1 引言 |
| 6.2 研究流域及数据 |
| 6.3 研究方法 |
| 6.3.1 未来径流模拟 |
| 6.3.2 水文干旱识别 |
| 6.4 方法应用及结果分析 |
| 6.4.1 不同RCP情景下的气候水文预测 |
| 6.4.2 干旱识别与分析 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 主要结论 |
| 7.2 贡献与创新 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（10）基于声发射的含水岩土安全监测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 含水岩土安全监测系统研究现状 |
| 1.2.1 含水率-声发射关联国内外研究进展 |
| 1.2.2 损伤数据建模处理国内外研究进展 |
| 1.2.3 岩石含水率识别国内外研究进展 |
| 1.2.4 损伤评估国内外研究进展 |
| 1.3 本文研究内容 |
| 2 岩石含水损伤-声发射信号关联探究 |
| 2.1 单轴受压数值仿真研究 |
| 2.1.1 控制方程与边界条件 |
| 2.1.2 仿真结果 |
| 2.2 单轴压缩实验与信号分析 |
| 2.2.1 实验样本与采集设备描述 |
| 2.2.2 信号参数分析法 |
| 2.2.3 不同载荷对声发射信号的影响 |
| 2.2.4 不同含水率对声发射信号的影响 |
| 2.2.5 基于智能采样指标的含水率等级观测与检定 |
| 2.3 基于计算机断层扫描影像分析的损伤量化 |
| 2.3.1 扫描设备与图像处理算法 |
| 2.3.2 损伤等级量化 |
| 2.4 本章小结 |
| 3 损伤监测系统建模 |
| 3.1 拟人记忆监测数据约简 |
| 3.2 基于简谱化的监测信号处理模型 |
| 3.2.1 监测系统描述 |
| 3.2.2 简谱化模型 |
| 3.2.3 基于LSTM网络的损伤模式识别 |
| 3.2.4 失效数据恢复 |
| 3.2.5 模型实验 |
| 3.3 声发射参数筛选 |
| 3.3.1 第一步筛选 |
| 3.3.2 第二步筛选 |
| 3.3.3 模型实验 |
| 3.4 本章小结 |
| 4 含水率模糊识别 |
| 4.1 模糊评估基本原理 |
| 4.2 基于模糊数学的含水率识别 |
| 4.2.1 自适应权重向量 |
| 4.2.2 隶属度矩阵 |
| 4.2.3 含水率模糊识别 |
| 4.3 渗流数值模拟 |
| 4.3.1 边界条件 |
| 4.3.2 仿真结果 |
| 4.4 含水率识别实验 |
| 4.4.1 实验系统描述 |
| 4.4.2 声发射信号预处理 |
| 4.4.3 实验数据分析 |
| 4.5 脑电信号强度视觉预警 |
| 4.6 本章小结 |
| 5 含水损伤评估 |
| 5.1 基于信息熵-可靠性分析的损伤评估 |
| 5.1.1 声发射信号时域特征波 |
| 5.1.2 损伤因果推理逻辑与可靠性理论 |
| 5.1.3 推理度矩阵 |
| 5.1.4 结构损伤信息熵向量 |
| 5.2 损伤因果推理 |
| 5.2.1 疲劳评估 |
| 5.2.2 原因溯源 |
| 5.3 系统实验 |
| 5.3.1 砂岩含水损伤评估 |
| 5.3.2 损伤源定位 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 附录 |
| A.作者在攻读博士学位期间取得的成果目录 |
| B.作者在攻读博士学位期间参与的科研项目 |
| C.作者在攻读博士学位期间取得的奖项 |
| D.学位论文数据集 |
| 致谢 |
四、含有重度缺失的多维时间序列补缺方法及其在环境监测中的应用（论文参考文献）
- [1]基于深度学习的短期风电输出功率预测研究[D]. 王永生. 内蒙古农业大学, 2021(01)
- [2]基于关联规则的大气污染数据挖掘分析与预测[D]. 邓萌杰. 华北电力大学(北京), 2021(01)
- [3]基于离散熵算法的高速列车轴箱轴承故障诊断方法研究[D]. 宋浩. 五邑大学, 2021(12)
- [4]面向空气污染的时空多变量数据可视分析[D]. 任珂. 东北师范大学, 2021(09)
- [5]顾及时空多因素的农业干旱遥感监测方法及其适应性评价研究[D]. 黄友昕. 中国地质大学, 2021(02)
- [6]基于多指标时序数据的城市河道水质异常检测方法研究[D]. 王李想. 浙江大学, 2021(01)
- [7]基于多源动态监测数据的草原区煤电基地生态扰动与修复评价研究[D]. 邵亚琴. 中国矿业大学, 2020(07)
- [8]基于多传感器特征融合和集成高斯模型的刀具磨损预测方法研究[D]. 黎宇嘉. 广西大学, 2020(07)
- [9]气候变化条件下黄土高原水文综合风险评估[D]. 孙朝兴. 华北电力大学(北京), 2020
- [10]基于声发射的含水岩土安全监测技术研究[D]. 陶锴. 重庆大学, 2020(02)