成都秋冬季气溶胶消光系数的非平稳性分析

基于对大气消光系数时间序列随机性的深入研究,利用成都市2015至2017年秋冬季的大气能见度、相对湿度(RH)、颗粒物(PM10和PM2.5)质量浓度和NO2含量监测数据,反演得到该区域相应时段的气溶胶消光系数时间序列.基于位置、尺度、形状的广义可加模型检测了气溶胶消光系数时间序列的平稳性,并对气溶胶消光系数序列进行了协变量分析.实验结果表明,成都秋冬季气溶胶消光系数时间序列均为非平稳序列,其均值和方差表现为非线性变化.细颗粒物(PM2.5)质量浓度、RH和气溶胶组分(PM2.5/PM10)均是气溶胶消光系数序列非平稳变化的显著协变量.其中,PM2.5为气溶胶消光系数序列非平稳性最主要的贡献因子,其次为RH,贡献最小的为PM2.5/PM10,且气溶胶消光系数的爆发式增长与PM2.5、RH和PM2.5/PM10的协同作用密切相关.     

投影寻踪动态聚类模型及其应用

结合动态聚类思想,对投影寻踪聚类模型进行改进,建立了投影寻踪动态聚类模型.针对多因素聚类问题的高维复杂性,利用线性投影技术将其转换为关于投影特征值的线性聚类问题;根据动态聚类思想构建新的投影指标,对投影特征值序列进行动态聚类,进而在低维空间实现高维数据样本的聚类分析;实证分析验证了投影寻踪动态聚类模型的可行性与有效性.结果表明,投影寻踪动态聚类模型实现了投影寻踪与动态聚类理论的有机结合,操作简便,无人为干扰,为多因素样本聚类分析提供了一种新方法.     

投影寻踪动态聚类模型及其在地下水分类中的应用

针对投影寻踪聚类模型的不足,结合动态聚类方法对投影寻踪聚类模型进行了改进,建立了投影寻踪动态聚类模型。首先,利用投影技术将多因素（高维）问题投影到一维线性空间,以达到在一维空间研究高维数据的目标;其次,以动态聚类方法构造新的投影指标,对投影到线性空间的反映高维数据结构或特征的投影特征值序列进行聚类分析,进而完成多因素样本聚类分析。投影寻踪动态聚类模型是高维数据样本聚类分析的一种有效的统计方法,模型在整个运算过程中毋需人为给定参数,聚类结果合理、客观。投影寻踪动态聚类模型在地下水分类中的成功应用表明,投影寻踪动态聚类模型具有稳定性好、分类结果明确、操作简便等特点,为多因素聚类分析提供了一种新方法,有着广阔的应用前景。     

边坡稳定性评价的投影寻踪聚类模型

针对边坡稳定性评价的多因素影响问题，建立了边坡稳定性评价的投影寻踪聚类模型。该模型依据样本自身的数据特性寻求最优的投影方向，并通过投影方向计算反映评价样本综合特征信息的投影特征指标，然后再根据投影特征指标值进行边坡稳定性评价分析，因而避免了诸如各评价因素权重确定的人为任意性。实例分析结果与边坡稳定性实际状态完全一致，表明该技术切实可行，为边坡稳定性分析提供了一条新的途径。