旅游活动强度变化下旅游地大气PM2.5浓度响应研究

为探索生态旅游城市大气 PM2:5 浓度在旅游活动强度变化下的响应机制, 首先基于多重分形消除趋势波动分 析法, 分别对张家界市大气 PM2:5 平均日浓度和旅游人数的时间序列进行了多重分形特征分析, 结果显示 PM2:5 和旅 游人数的时间序列在演化过程中具有非线性、复杂的多重分形特征, 且 PM2:5 的多重分形特征强于旅游人数。进一步 利用多重分形消除趋势交叉波动分析方法研究了 PM2:5 和旅游人数的交叉相关性, 发现二者之间不仅存在具有长期持 续性的多重分形特征, 而且其相关性的多重分形特征受旅游活动强度变化影响明显, 表现为旅游旺季强于旅游淡季。 最后, 运用后向轨迹模型分析了张家界市旅游淡旺季 PM2:5 污染物的空间来源, 发现张家界市大气 PM2:5 污染物主要 源于局地污染源排放, 从侧面验证了旅游活动是张家界市大气 PM2:5 浓度的主要影响因素。     

长株潭城市群PM2.5 多尺度演化的EEMD 和多重分形分析

为解析长株潭地区 PM2:5 演化的多尺度特征, 阐释其演化的主要动力机制, 提出了一种集合经验模态分解 (EEMD) 和多重分形消除趋势波动分析 (MFDFA) 的新模型, 研究了该区域 2015 年 1 月 1 日至 2019 年 12 月 31 日 PM2:5 浓度的动力演化。利用 EEMD 方法获得了各城市 PM2:5 的高频模态以及趋势项, 趋势项结果表明 PM2:5 浓度呈 下降趋势, 而 PM2:5 的高频模态反映了 PM2:5 浓度波动的非线性特征。进一步采用 MFDFA 方法对其高频累加模态进 行分析, 研究表明 PM2:5 高频分量存在较强的多重分形特征。此外, 还利用相位随机替代法和随机重构法研究了其多 重分形的主要来源, 结果表明 PM2:5 浓度波动在不同时间尺度内的长期持续作用是造成高浓度 PM2:5 污染涌现的主要 动力因素。最后, 讨论了气象条件对其高频分量多重分形强度的影响, 结果发现, 相对于其他季节, 冬季 PM2:5 高频模 态的多重分形强度更强。分析表明, 尽管该区域通过大气污染行动计划已取得积极的污染控制效果, 但在冬季, 污染 物演化的长期持续动力机制对 PM2:5 高频模态的演化发挥着更加主导的控制作用, 不同时间尺度上 PM2:5 非线性长期 持续动力机制导致冬季仍有高浓度 PM2:5 涌现的风险, 甚至出现更为严重的污染。本研究结果对于区域 PM2:5 多时间 尺度演化动力特征的研究以及大气污染预测预警机制的建立具有重要意义。     

基于MF-DCCA 的呼吸道疾病与大气污染物相关性分析

针对呼吸道系统疾病与大气 PM2:5、 SO2 浓度序列的相关性特征, 应用多重分形消除趋势波动分析法 (MF-DCCA), 对张家界市永定区呼吸道系统疾病患病人数与大气 PM2:5、 SO2 浓度序列进行了研究。结果发现该地区 呼吸道系统疾病患病人数与大气 PM2:5、 SO2 浓度的相关性具有长期持续特征和多重分形特征。随后对它们相关性 多重分形特征的动力来源进行了分析, 通过随机重排和相位随机处理, 结果表明在不同时间尺度上的长期持续性影响 是其主要动力来源。进一步研究发现该地区呼吸道系统疾病与大气 PM2:5、 SO2 浓度序列的相关性在四个季节均具 有长期持续性的多重分形特征, 且夏季多重分形特征相对强于其他季节。     

闪电AR谱的多重分形特性分析及放电类型的识别

对闪电时域波形的分形研究由于忽略了其频率特性,致使复杂多变的闪电过程的全部特性无法得到充分表征。针对此问题,本文将多重分形理论引入到现代谱估计中,提出了一种基于AR(auto-regressive)谱的闪电电场信号的多重分形特性分析及放电类型的识别方法。首先基于AR模型谱估计法获得闪电电场信号的功率谱,然后,通过多重分形去趋势波动分析(multifractal detrended fluctuation analysis,MF-DFA) 法验证了闪电AR谱序列具有多重分形特性,并进一步对AR谱序列的Hurst指数以及多重分形谱进行了讨论,最后将相关参数作为闪电信号的有效特征值输入支持向量机进行了云闪(intracloud lightning) 和地闪(cloud-to-ground lightning,CG) 不同放电类型的识别。实验结果表明,本文方法对云、地闪信号的有效识别率达到了94%以上,该研究成果对闪电的特性研究与自动化识别技术均具有一定的参考价值。     

基于EMD-LS的非平稳时间序列多重分形去趋势波动分析方法

多重分形去趋势波动分析(Multi-Fractal Detrended Fluctuation Analysis,MFDFA)处理非平稳时间序列存在趋势项难以准确移除的问题,为此本文引入经验模态分解(Empirical Mode Decomposition,EMD)并通过趋势项自动判定方法提取趋势项,再利用最小二乘(Least Squares,LS)法对趋势项再拟合(EMD-LS),进而提出新的多重分形分析方法(EMD-LS-MFDFA),并针对具有理论值的二项式多重分形序列(Binomial Multifractal Sequence,BMS),验证了EMD-LS-MFDFA法的有效性和稳定性,然后进行仿真分析.研究表明:相较于MFDFA方法,EMD-LS-MFDFA移除趋势精度更高,计算的广义Hurst指数和质量指数的均方根误差较小,其中2阶的EMD-LS-MFDFA具有更高的计算精度,是1阶的1.8倍,分析不同参数的BMS序列,其多重标度曲线与理论曲线相吻合,证明了该算法具有较好的稳定性和精准的分析能力.     

VBR视频流多重分形建模

该文在小波域多重分形基础上,研究了基于分布、点集(PM)分布的多重分形小波模型(MWM)的性能,并提出了一种具有更好的逼近性能的混合PM-分布形式;同时,针对VBR视频流的I,P,B帧周期分布特性,充分利用异种帧相关性,建立了考虑帧间相关性的混合多重分形小波VBR视频流量模型CMWM(Composite MWM)。仿真试验表明,与传统的短相关和长相关模型相比,具有多重分形特性的CMWM能更加精确地描述MPEG视频业务的统计特性和排队性能。     

成都市PM2.5、PM10变化特征及其与气象因素的关系

为研究气象因素对成都市大气细颗粒物 (PM2.5)、可吸入颗粒物 (PM10) 的影响, 收集了2015―2018 年成都市 PM2.5、PM10的月平均浓度, 采用Pearson 相关分析法, 分析了成都市PM2.5、PM10与气象条件的关系。结果表明： (1) 2015 ―2018 年, 成都市PM2.5、PM10年平均浓度虽然年际间差别较小, 但整体呈现逐年缓慢下降趋势, 2015 年以来成都市的 一系列大气污染控制措施是PM2.5、PM10逐年缓慢下降的原因; 2015―2018 年成都市PM2.5、PM10浓度季节变化特征整体 表现为冬季 > 春季 > 秋季> 夏季。(2) 不同气象因素对成都市PM2.5、PM10月平均浓度的影响程度不同, 降水量与气温 是影响成都市PM2.5、PM10月平均浓度的主要因素, 两者与PM2.5、PM10呈较高的负线性相关, 其中PM2.5、PM10与降水量 的相关系数均为 −0.612, 与月平均气温的相关系数分别为 −0.822、−0.776, 降水会通过捕获大气中的颗粒物来去除 PM2.5、PM10, 而温度的升高会加强PM2.5、PM10等污染物在垂直方向上的对流运动, 从而对成都市污染物浓度的降低起 到重要作用; 日照时数、月平均风速、相对湿度等与PM2.5、PM10月平均浓度整体也呈现负相关, 但与降水量和气温相 比, 日照时数、月平均风速与PM2.5、PM10月平均浓度的相关性较低, 而相对湿度与PM2.5、PM10月平均浓度的相关性则 更加微弱, 表明相对湿度的变化对成都市PM2.5、PM10的积累和扩散影响很小。     

基于多重分形的膝关节摆动信号特征提取与分类

膝关节摆动(VAG)信号是膝关节在屈伸活动时由于接触摩擦所产生的振动,它能够反映髌骨软化症、半月板损伤和交叉韧带损伤等膝关节损伤疾病的特征与状态,正逐步得到临床医学的重视。本文依据多重分形去趋势波动方法,定量分析了正常和异常VAG信号的特性,提取了分形标度指数、多重分形谱极值点、广义分形维数和时频信息熵值等特征信息,并采用支持向量机对正常和异常VAG信号进行分类,得到较高的分类准确率,对于膝关节损伤疾病的无创检测和辅助诊断具有重要意义。      

雷达数据的多重分形模型

本文将多重分形的分析方法引入到雷达杂波的分析中,直接从杂波数据本身出发,研究其具有的共性;并分别对杂散数据和带目标回波数据进行了分析,提取了它们的多重分形特征。结果表明在一定的尺度范围内,单纯的雷达杂波具有分形的特征,而带目标回波数据则存在分形的“失配性”,从而提供了一种对目标进行粗检测和判决的新方法。     

结合多重分形的网络流量非线性预测

通过分析树型多重分形结构的相关性发现，多重分形可以把非平稳且具有长相关（LRD）和分形特性的网络流量序列转化为可用短相关（SRD）模型表示的序列组。利用多重分形这种将时间序列分解为多层的能力，提出了一种结合多重分形的FIR神经网络流量预测模型（MF-FIR，multifractal FIR network）。MF-FIR合理地利用了流量序列的LRD信息，具有很好的多步预测性能，可以满足通信系统在线预测的要求。     

一种红外伪装效果评价的新方法

首先介绍了多分形理论和多分形谱的计算方法,然后定义了谱线之间的距离,最后计算了目标伪装前后与背景在多分形特征上的差异,结果表明定义的距离是合理的,能够有效计算谱线之间的差异,而且多分形分析用于伪装效果评价是可行的.谱线的差异越大,说明伪装效果越差,反之,说明伪装效果好.     

河南省PM2.5时空分布特征研究

PM2.5是影响河南省空气质量的首要污染物,秋冬季节灰霾污染严重。为了解河南省PM2.5污染的特征,对河南省的17个城市,运用统计学方法和ARCGIS技术分析其时空分布特征。结果表明：从2015年1月至12月,河南省17个城市日均质量浓度达标天数比例为57.16%,冬季整体污染严重,超标天数比例为73.68%,春季超标天数比例为44.37%,秋季超标天数比例为34.52%,夏季超标天数比例为20.08%。在去除气象记录的空气质量重污染日之后,周末的PM2.5平均值比工作日高 8.04%,表现出“逆周末效应”。PM2.5/PM10值在0.50~0.65之间,且PM2.5与SO2相关性较高,表明河南省受传统煤烟型污染影响较大,粗粒子污染明显。 PM2.5与PM10、SO2、NO2均呈现显著的相关性,说明河南省的污染主要是由燃煤及机动车尾气造成。由于温度及光照变化的影响,河南省PM2.5与O3在不同季节呈现显著差异,其在冬季和秋季的相关性分别为-0.315(p=0.05)、-0.353(p=0.05),而在夏季的相关性为0.496(p=0.01),春季为0.003。     

高频雷达海杂波的多重分形建模方法研究

将多重分形理论引入高频雷达海杂波建模,提出了一种新的高频雷达海杂波的时域多重分形模型。对比分析了实测数据海杂波、分数布朗运动(FBM)模型和多重分形模型的质量指数函数和奇异指数,结果表明:该多重分形模型与实测数据具有相似的多重分形性。此外,通过对韦布尔分布、对数正态分布和瑞利分布三种最常用海杂波的概率密度函数的比较分析,并利用修正的柯尔莫哥洛夫-斯米尔洛夫(K-S)统计检验,得出了高频雷达海杂波的多重分形模型具有先验的统计特性的结论,从而进一步证明了该多重分形模型的合理性和有效性。     

基于遥感数据和GWR 模型的成都PM2.5 浓度时空分布特征研究

利用 MODIS 021KM 数据反演成都地区 2018 年逐日 AOD 数据, 并结合 PM2.5 地面监测数据以及气象数据 构建地理加权回归 (GWR) 模型得到成都地区逐月 PM2.5 浓度。结果表明: (1) 和多元线性回归模型相比, GWR 模型 反演的 PM2.5 浓度的 R2、 ERMS 和 EMA 分别为 0.884、 7.8704 µg·m−3 和 6.1566 µg·m−3 , 都优于多元线性回归的 0.808、 9.7098 µg·m−3 和 7.6081 µg·m−3, 说明该模型能有效估算成都地区 2018 年 PM2.5 浓度。 (2) 成都地区 PM2.5 浓度在月尺 度上呈现出先降低、后升高的变化特征。 2 月最高为 67.38 µg·m−3, 7 月最低为 28.31 µg·m−3; PM2.5 浓度季节变化特征 为夏季、秋季、春季、冬季依次递增。 (3) 成都地区 PM2.5 浓度空间分布总体上呈现“中间高、两边低”的特征。西部 地区为 PM2.5 浓度低值区, 中部地区为高值区, 东部的简阳市和金堂县为 PM2.5 浓度次高值区。     

包头城区冬春大气颗粒物污染特征及其与气象条件关系

包头2015~2016年冬春季节出现了连续的雾霾天气,不仅对能见度产生较大影响而且严重危害人体健康。选取了包头主城区8个空气质量浓度监测点的数据,对主城区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征。依据监测区功能的不同将包头主城区划分为5个区域,对各个区域监测点数据筛选整理,得到冬春季各个区域PM2.5和PM10质量浓度由高到低的顺序均为：工业区＞ 商业区 ＞文化区 ＞交通枢纽区＞公园游览区。各区域颗粒物月变化曲线呈双峰单谷型,12月最高,2月最低,并对成因进行分析总结;逐日变化反映PM2.5和PM10质量浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰双谷趋势。本文选取了气温、气压、相对湿度和风速等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10质量浓度的影响。包头春季PM2.5和PM 10的质量浓度分别与气温、气压正相关,与风速、相对湿度（伴有降水时）负相关,风速、气压和相对湿度是影响污染物质量浓度分布的主要因素。