一种两维三角剖分的新算法

提出一种两维三角剖分的新算法,算法首先应用求两维点集凸包的Graham扫描法,求出两维点集的凸包,然后将凸包包含的点从原有点集中去掉,求出剩余点集的凸包.如此递归应用Graham扫描法求出一系列凸包,并将原始区域划分为多个独立的子区域,然后利用本文中提出的方法对2个凸包之间的子区域进行三角剖分,从而实现对整个原始区域的三角剖分.     

江苏省城区VOCs污染特征及其关键活性物种识别

利用2019年8月13日—9月30日江苏省13个设区市离线监测的VOCs数据,对江苏省城区VOCs污染特征及其关键活性组分进行分析研究.结果表明,江苏省逐日VOCs的体积分数范围为8.83×10^-9~45.11×10^-9,表现为烷烃 > 芳香烃 > 烯烃 > 炔烃.江苏省13个设区市VOCs的体积分数为7.85×10^-9~30.52×10^-9,徐州市VOCs最高,这与徐州市监测点位置分布及其工业结构相关.全省13个设区市臭氧浓度处于优、良、轻度污染和中度污染时,VOCs总体积分数分别为14.96×10^-9、17.96×10^-9、25.85×10^-9和25.11×10^-9,臭氧浓度处于污染状态时的VOCs高于优、良状态,且炔烃占比随着臭氧污染程度的加重呈升高趋势,表明现阶段臭氧生成与人类活动关系密切.通过加权的方式筛选出间/对二甲苯、乙烯、甲苯、丙烯、异戊二烯、邻二甲苯等物种,它们是目前对江苏省城区影响程度较大且影响范围较广的关键活性物种.     

不同类型稻田亚硝酸型CH4厌氧氧化潜力的比较研究

甲烷(CH₄)厌氧氧化是稻田土壤中消减温室气体排放的重要过程.本试验选择内陆性南京稻田和滨海性上海崇明岛围垦稻田,比较研究稻田耕层(0~10 cm)和深层(50~60 cm)土壤中亚硝酸盐型CH₄厌氧氧化(n-DAMO)潜力的差异及其微生物驱动机制.结果表明,南京稻田耕层土壤的n-DAMO速率为3.51 nmol·g^-1·d^-1(以¹³CO₂计),显著高于围垦稻田耕层土壤(1.43 nmol·g^-1·d^-1).两种类型稻田耕层土壤的n-DAMO速率均显著高于深层土壤.南京稻田和围垦稻田M.oxyfera-like细菌的16S rRNA基因拷贝数分别为(2.31~4.82)×10⁷和(0.89~2.12)×10⁷ copies·g^-1,与亚硝酸盐型CH₄厌氧氧化速率显著正相关.相关性分析发现,土壤有机碳、总氮、无机态氮是稻田n-DAMO速率分异的重要原因.综上所述,内陆性稻田土壤n-DAMO氧化潜力较高,其主要由较高的土壤本底碳、氮水平和功能微生物丰度所致.     

金华地区夏秋大气中过氧乙酰硝酸酯的污染特征

过氧乙酰硝酸酯（PAN）是由VOCs和NO_x的光化学反应生成的一种典型二次污染物,比O₃更适合作为光化学污染的指示剂.2019年6—10月对浙江中部盆地金华市大气中PAN进行了在线监测,并对影响其体积分数变化的因素进行了分析,同时还分析了一次典型的光化学污染过程.结果表明,观测期间PAN的平均体积分数为0.656×10^-9,最高体积分数为4.348×10^-9,日均体积分数水平在0.130×10^-9~2.203×10^-9之间.PAN日变化特征显著,9月为明显的双峰变化,其他月份均为单峰.受气象条件的影响,夏季的污染程度显著低于秋季.9月27—30日典型污染时段内,PAN的小时均值是整个观测期均值的2.8倍,污染以本地积累为主.前体物浓度水平差异与去除机制的不同是影响PAN和O₃相关性的重要因素,此外NO/NO₂的比值是影响PAN生成速率的重要因素,PAN的峰值基本出现在NO/NO₂比值较低的时段.在生成PAN的VOCs物种中,丙烷、乙烷和间/对二甲苯所占比例较大.     

一种基于Graham三角剖分生成Delaunay三角网的算法

目的提出一种基于Graham三角剖分生成Delaunay三角网的算法,加快Delaunay三角网的生成速度.方法首先按Graham扫描法对平面散乱点集进行排序,然后将排好序的点通过可见点的判断连接成Graham三角网,最后利用拓扑结构快速进行优化,使其成为Delaunay三角网.结果通过500至10000个点的测试,表明这种基于Graham三角剖分生成Delaunay三角网的生成速度快于传统基于凸包生成Delaunay三角网的生成速度.结论采用可见点表的数据结构以及利用点、边、三角形的有序性的特点构建Delaunay三角网,是提高建网速度的关键.     

基于侧向判别和侧向偏序排列的凸包生成算法

侧向判别问题是几何学、CAD制图学和地理学分析中经常用到的空间关系问题,它是求解其他复杂空间关系的一个基础.凸包问题是计算几何中的基本问题,是解决其他问题的基础.卷包裹法和格雷厄姆法是凸包求解的经典算法,但其算法步骤较为复杂.笔者利用侧向判别算法改进了用于生成平面点集凸包的卷包裹法和格雷厄姆法,这两种新算法分别具有运算速度较快、易于理解和编程等优点,具有较强的实践意义.     

基于侧向判别和侧向偏序排列的凸包生成算法

侧向判别问题是几何学、CAD制图学和地理学分析中经常用到的空间关系问题,它是求解其他复杂空间关系的一个基础.凸包问题是计算几何中的基本问题,是解决其他问题的基础.卷包裹法和格雷厄姆法是凸包求解的经典算法,但其算法步骤较为复杂.笔者利用侧向判别算法改进了用于生成平面点集凸包的卷包裹法和格雷厄姆法,这两种新算法分别具有运算速度较快、易于理解和编程等优点,具有较强的实践意义.     

CLOF Based Outlier Detection Algorithm of Temperature Data for Ethylene Cracking Furnace

基于CLOF的乙烯裂解炉温度测量数据异常值检测

辛一丹¹,胡绍林^1,2,陈文卓¹,宋鹤¹

（1. 西安理工大学 自动化与信息工程学院,西安710048;

2. 广东石油化工学院 自动化学院石油化工设备与故障诊断省级重点实验室,广东 茂名525000）

摘要：

烟道温度是表征乙烯裂解炉燃烧状态的重要指标之一,温度采样数据异常值会直接影响裂解炉炉管结焦诊断。使用常规异常检测算法如孤立森林算法对烟道温度测量数据进行异常值检测无法检测出所有的异常值。为提高检测准确率同时降低运算量,本文提出一种基于CLOF(Clipping Local Outlier Factor, CLOF)算法的烟道测量数据异常值检测算法,该算法将聚类剪枝与离群因子检测算法相结合,在原始数据中筛选出异常值候选集,对异常值候选集中的数据点进行离群因子检测,实现了对裂解炉烟道温度测量数据高准确率、高效率异常值检测。采用某石化工厂乙烯裂解炉烟道温度实测数据,根据实验效果对CLOF算法中主要参数进行选定,对比分析孤立森林算法、常规LOF算法与CLOF算法异常值检测效果。结果显示,CLOF算法中合适的裁剪系数能显著提高检测效率与检测准确度,相比孤立森林算法的异常值检测结果,CLOF检测结果的准确率大幅提高,数据计算量也显著减少。

关键词：温度数据;异常检测;乙烯裂解炉;聚类;数据减枝;局部离群因子

     

三维凸包的快速算法

很多情况下点集的凸包只是由其中一部分点的构成,在构造凸包时如能将其内部的点全部或大部分预先去掉,则可大大提高构造凸包的效率,通过地点集的最小包围盒进行剖分和利用凸集的凸性性质,给出了一个新的三维凸包快速算法,与传统方法相比,该方法具有计算简单,效率高的特点。     

2020年新冠疫情前后南昌市大气CO2浓度变化及影响因子分析

大气CO₂浓度的变化主要受源汇和大气传输过程影响,因此城市地区的浓度观测包含区域人为源排放的重要信息.为明晰2020年新冠疫情对CO₂浓度及人为源排放量的影响,本研究以南昌市大气CO₂为研究对象,结合先验排放清单和高精度大气传输模型,对南昌市2020年1月24日至4月30日的小时CO₂浓度进行了观测和模拟.基于当地管控政策把研究时段分为两段:一级管控期间(1月24日至3月11日)和二、三级控期间(3月12日至4月30日),并对排放源等主要影响因子进行了量化分析.研究发现:模型能够模拟CO₂浓度的小时变化特征,然而由于模型没有考虑排放源的高度信息,尤其是城市中的发电站烟囱等强点源,将对夜晚浓度高估,而正午(12:00-18:00)则无影响.一级管控期间正午CO₂浓度(干燥空气中CO₂的摩尔分数)观测值和模拟值分别为433.63×10^-6和438.22×10^-6,其中模拟的人为源浓度贡献值高于观测值约21.9%;而二、三级控期间的观测值和模拟值分别为432.06×10^-6和432.24×10^-6,其模拟一致性高.浓度对比结果表明所使用的先验排放清单能代表二、三级管控期间人为CO₂的排放量,而一级管控期间的排放量则偏高约21.9%,显示出调控措施明显降低了南昌市人为CO₂的总排放量.整个时间段植被NEE的平均CO₂浓度贡献都小于2×10^-6,表明人为源相较于NEE是导致CO₂浓度差异的主要因素.二、三级管控期间的边界层相比一级管控期间升高,减少了人为CO₂排放量导致的浓度增加幅度,抵消了背景值浓度升高的影响,是两个时间段的浓度观测值接近的主要因素.本研究结果可为城市尺度的温室气体反演提供科学支撑和方法参考.     

单域单向水平倾角最小化圈绕凸壳新算法

本文作者实现了对二维点集卷包裹凸壳算法的同构化改进与创新,并依据同构化凸壳构造基本定理,提出效率更高的单域单向水平倾角最小化圈绕凸壳新算法。本新算法的同构化特点是：1）找出给定二维点集的最低点,即Y轴座标值最小点（若有多个最小点,则只取最左的最小点）,并作为凸壳初始顶点（即最低顶点）;2）过最近新顶点,作平行X轴正方向的同向顶点射线,并找出当前点集内对该顶点射线倾角最小的点,以作为逐边圈绕的最新顶点;3）在当前点集分布域中,删除由初始顶点、次新顶点、最新顶点构成三角形所覆盖的全部点。并当所剩当前点集非空时才从“2）”继续作逐边圈绕。     

平面散乱点集凸包并行算法

提出一种构造平面散乱点集凸包的线性算法,它所需的乘法次数不超过Ｏ（ｌｏｇ＾３ｎ）,从而使该问题的计算复杂度在数量级上达到最优。     

求平面点集凸壳的一种新算法

提出了一个求平面点集凸壳的新算法.首先提取点集中的最小外接矩形,并对点集中的点进行分类,删除在最小外接矩形内的点,将剩余的点划分到不同的区间范围内,然后确定不同范围内的点与最小外接矩形顶点构成夹角的最大的点是凸壳的顶点,并以该点作为下次判断的顶点,循环往复,最后得到凸壳的顶点.将顶点顺序连接即为点集的凸壳.     

改进的二维点集凸包快速求取方法

凸包问题是计算几何的基本问题，分为平面点集凸包和多边形凸包2类。对传统点集快速凸包算法进行改进．通过找到点集中8个方向的极值点来准确地确定凸包上的部分顶点，得到凸包的粗略逼近，接着在逼近结果上进行遍历，使用链表或栈这样的数据结构，找到逼近结果中连续2个顶点之间的漏检点，从而得到完整的凸包。整个过程达到复杂度下限，且在通常情况下接近线性时间。该方法已经有效地应用于基于控制点的图像配准中。     

求平面点集凸壳算法

在分析传统平面点集凸壳算法的基础上,给出了一种新的平面点集凸壳算法,对算法步骤进行了详细说明,并对此算法可行性进行了验证,最后对算法时间复杂度进行了分析探讨,得到了很好的效果.     

基于凸包算法的二维条码定位

在二维条码识别过程中,只有精确定位条码区域在原始图像中的位置,才能进一步做后续的矫正处理.文中以二维条码Data Matrix为例将计算几何中的凸包概念应用于条码定位,从像素点序列中筛选出凸包顶点以减少待处理像素点的数量.同时利用Data Matrix的定位图形特征设定筛选条件,最终得到用于定位条码区域的凸包顶点.凸包算法克服了传统直线检测算法因全局检测而需要大量存储空间的缺点.实验结果表明此算法能对扭曲或倾斜的二维条码区域进行有效的定位,并减少精确定位消耗的处理时间.     

平面有限点集最小凸包集的计算方法

给出了平面上有限点集ｐ１,ｐ２,···,Pｎ最小凸包问题的计算方法．