發(fā)布時間：2020-11-18 02:54

　　 隨著儀器行業(yè)技術(shù)的不斷發(fā)展,人類對地球的認識更加豐富,重力固體潮作為研究地球物理學的一個重要研究途徑,越來越多的學者投入重力固體潮的研究之中。重力固體潮信號中蘊含了大量的地球物理信息,這些信息能夠幫助人類更進一步認識我們賴以生存的地球。重力固體潮信號受多個天體共同作用影響,主要是由于太陽、月球等天體軌道相對位置變化而產(chǎn)生的,同時受地質(zhì)、水文、大氣等地理條件變化的影響,所以既是一個有規(guī)律、周期性變化的信號,也包含反映地質(zhì)、水文、大氣等地理條件變化的異常信息。由于重力固體潮信號是多個信號分量的混合集合,為了更進一步的驗證改進型徑向基神經(jīng)網(wǎng)絡(luò)在重力固體潮領(lǐng)域的適用性,本文根據(jù)重力固體潮的產(chǎn)生機理,采用獨立成分分析(Independent Component Analysis,ICA)算法求解重力固體潮信號的諧波分量,將重力固體潮信號分解為平行于地球繞質(zhì)心轉(zhuǎn)動的軸線方向上的長周期波和平行于地球赤道所在平面上的日波和半日波三個諧波分量。通過這個重力固體潮的解析模型,將重力固體潮信號在三個方向上的信息分量清晰明確的體現(xiàn)了出來。通過對重力固體潮信號進行建模,可以反映和預測重力潮汐信號的周期性變化的基本規(guī)律。通過對比其理論計算值,可以進一步提取重力潮汐信號中的異常變化信息。在實驗中,通過重力固體潮信號訓練改進后的徑向基(Radial Basis Function,RBF)神經(jīng)網(wǎng)絡(luò),得到了重力固體潮信號的有效RBF神經(jīng)網(wǎng)絡(luò)模型。利用該模型預測重力固體潮信號的估計值,并與傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)模型、自回歸(Augmented Reality,AR)模型預測結(jié)果進行對比,實驗結(jié)果表明本文改進訓練算法的徑向基網(wǎng)絡(luò)模型預測的結(jié)果更加精確,說明本文的改進訓練算法在重力固體潮信號的徑向基網(wǎng)絡(luò)建模中是有效的。本文采用一種單形進化的群智能優(yōu)化算法優(yōu)化選取RBF神經(jīng)網(wǎng)絡(luò)的權(quán)重和優(yōu)化求解獨立成分分析的混合矩陣,這種群智能優(yōu)化算法是純隨機搜索算法,定義粒子多個角色態(tài)來實現(xiàn)搜索多樣性,結(jié)構(gòu)不復雜,迭代多個中心角色位置,能夠穩(wěn)定的維持算法的性能,有效的實現(xiàn)全局優(yōu)化,最終解更為理想。
【學位單位】：昆明理工大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP183;P312.4
【部分圖文】：

第一章緒論3“地月引力系統(tǒng)”。設(shè)O是地球的質(zhì)心，o是月球的質(zhì)心，M是地球質(zhì)量，1m是月球質(zhì)量，R是地球半徑，L是地心到月心的距離，地球?qū)υ虑虻囊�力為MF，月球?qū)Φ厍虻囊�力�?mF。根據(jù)牛頓萬有引力定律可得：MmMFLMmGFLMmGF2121-(1.2)其中，G為萬有引力常數(shù)。在不考慮其他因素影響，將地球——月球看作為一個獨立的系統(tǒng)，地球、月球視為均勻的球體，在這個系統(tǒng)之中，地球、月球在相互引力作用下，存在一個公共質(zhì)心O,在空間位置上保持靜止或勻速直線運動，隨著系統(tǒng)的相對運動，O的始終位于O、o連接的直線之上，并且O、o都圍繞O運動。圖1.1地球——月球引力系統(tǒng)由于地球所做的運動為平動運動，設(shè)地球上任意一點P，由重力固體潮的定義可得：P點在地球——月球引力系統(tǒng)中的引潮力是由P點處的引力和地球自轉(zhuǎn)產(chǎn)生的慣性離心力共同作用下產(chǎn)生的，即PF月球等于PFm1和PFg的矢量和，如圖1.2所示。

昆明理工大學專業(yè)學位碩士學位論文4圖1.2地球——月球引力系統(tǒng)地球上一點P的引潮力由圖1.2可得：PmmmLMGZrLMGPF,2111cos月球(1.3)其中，1mZ是月球?qū)�P點的地心天頂距。為了更清晰的觀看引潮力中包含的諧波分量，就需要對引潮力拉普拉斯展開，月球的引潮力拉普拉斯展開得：]2coscoscoscos2sin2sinsin31sin313[11111112222232mmmmmmmHHRrLCDPF月球(1.4)其中，D為杜森常量，r是P點在地球相對位置的常數(shù)，R是地球的直徑的一半，1mC是地心到月心的距離變化的平均值，1m是月球的赤道系統(tǒng)坐標的緯度，1mH是月球與P點的時角，是P點的地心垂線與赤道面的夾角。因為地球——太陽引力系統(tǒng)與地球——月球引力系統(tǒng)完全類似，設(shè)是太陽的質(zhì)量為2m，太陽的質(zhì)心到O的距離為2mL，同理可以推導出太陽在地球上P點的引潮力PF太陽為：

第二章重力固體潮信號的信號分解9第二章重力固體潮的信號分解2.1重力固體潮的解析結(jié)構(gòu)根據(jù)重力固體潮信號的產(chǎn)生原理我們可以發(fā)現(xiàn)重力固體潮信號中包含了大量諧波分量，其中最主要的部分信號是反映太陽、月球等天體作用在地球表面上的引潮力導致的重力變化現(xiàn)象，即重力固體潮，同時重力固體潮信號包含了豐富的諧波分量和水文、大氣等地球物理信息[16]。為了更加清晰的認識重力固體潮信號，從而更準確的推演地球運動或者地球內(nèi)部結(jié)構(gòu)，更加便捷的研究和認識人類賴以生存的地球。通過分析重力固體潮的理論原理和觀測數(shù)據(jù)，選取一個更加適用于分析研究的重力固體潮信號的解析模型對重力固體潮的研究工作有著積極的推動作用。力的正交分解是傳統(tǒng)物理力學分析中一種常用的方法，在實際系統(tǒng)重力固體潮中，地球上一點同時受到地球自轉(zhuǎn)產(chǎn)生的慣性離心力、月球和太陽等天體的萬有引力共同作用才導致重力固體潮現(xiàn)象，本文從重力固體潮產(chǎn)生原理出發(fā)，采用了一個能夠比較準確的描述重力固體潮的正交分解模型。將重力固體潮在平行于地球自轉(zhuǎn)軸和平行于赤道平面上進行正交分解，如圖2.1。圖2.1重力固體潮的解析結(jié)構(gòu)
【相似文獻】

相關(guān)期刊論文 前10條

1 吳永峰;蔡學志;肖建華;;基于RBF神經(jīng)網(wǎng)絡(luò)的短期負荷預測方法[J];自動化應用;2017年10期

2 陳至坤;唐瑞尹;王福斌;史濤;王青;;基于RBF神經(jīng)網(wǎng)絡(luò)的燒結(jié)終點預報系統(tǒng)[J];機械工程與自動化;2011年01期

3 馬林;;虛擬物流風險的RBF神經(jīng)網(wǎng)絡(luò)實證分析[J];科研管理;2009年06期

4 何桂春,易紅;RBF神經(jīng)網(wǎng)絡(luò)在選礦生產(chǎn)指標預測模型中的應用[J];江西有色金屬;2002年04期

5 李進;劉璇;張建華;陳浩;張垚楠;;基于RBF神經(jīng)網(wǎng)絡(luò)間接求取運動學逆解的研究[J];機床與液壓;2019年23期

6 張勇;王坤祥;歐健;柳亞;;基于RBF神經(jīng)網(wǎng)絡(luò)的車內(nèi)聲品質(zhì)預測及分析[J];控制工程;2019年11期

7 李祎琛;何亞伯;汪洋;;基于粗糙集RBF神經(jīng)網(wǎng)絡(luò)村鎮(zhèn)山洪災害損失預測研究——以神農(nóng)架林區(qū)為例[J];災害學;2017年02期

8 雷宇欣;白文峰;;改進RBF魯棒控制的機器人軌跡跟蹤[J];科技創(chuàng)新與應用;2017年31期

9 李會明;裴峻峰;齊明俠;羅紅梅;;RBF神經(jīng)網(wǎng)絡(luò)在往復泵故障診斷中的應用[J];煤礦機械;2006年11期

10 王柳艷;陳新華;王偉;;基于RBF神經(jīng)網(wǎng)絡(luò)的絞吸挖泥船施工產(chǎn)量預測研究及分析[J];中國港灣建設(shè);2019年12期

相關(guān)博士學位論文 前7條

1 羅紹華;基于RBF網(wǎng)絡(luò)逼近的機器人自適應動態(tài)面控制方法研究[D];重慶大學;2013年

2 趙斌;基于RBF網(wǎng)絡(luò)的北方溫室溫濕度控制機理的研究[D];東北林業(yè)大學;2010年

3 曾祥萍;自適應組合RBF濾波器理論及其應用研究[D];西南交通大學;2013年

4 牟洪波;基于BP和RBF神經(jīng)網(wǎng)絡(luò)的木材缺陷檢測研究[D];東北林業(yè)大學;2010年

5 呂士欽;RBF配點法在多層介質(zhì)熱傳導反問題中的應用研究[D];太原理工大學;2013年

6 王琳霖;幾種ESPI濾波方法的比較及基于RBF散斑信息提取方法的研究[D];天津大學;2012年

7 薛富強;進化RBF神經(jīng)網(wǎng)絡(luò)分類器研究[D];解放軍信息工程大學;2009年

相關(guān)碩士學位論文 前10條

1 王明哲;基于RBF神經(jīng)網(wǎng)絡(luò)的重力固體潮信號的建模與預測[D];昆明理工大學;2019年

2 魏青;基于RBF的無人機重構(gòu)控制策略研究[D];哈爾濱工程大學;2009年

3 戴賽;基于模糊RBF神經(jīng)網(wǎng)絡(luò)的磁懸浮系統(tǒng)研究[D];哈爾濱理工大學;2012年

4 趙福立;基于RBF海雜波微弱目標的檢測與提取[D];吉林大學;2013年

5 趙偉;基于RBF網(wǎng)絡(luò)的有源噪聲控制[D];西安電子科技大學;2008年

6 代景歡;基于RBF的板形識別模型設(shè)計與FPGA實現(xiàn)[D];燕山大學;2019年

7 陳濤;基于RBF的三維飽和與非飽和層滲流機理研究[D];福州大學;2018年

8 徐通;基于優(yōu)化RBF網(wǎng)絡(luò)的油田智能故障診斷系統(tǒng)研究[D];西安石油大學;2019年

9 牛婷婷;RBF神經(jīng)網(wǎng)絡(luò)在帶式輸送機張緊力控制系統(tǒng)的應用[D];太原理工大學;2019年

10 于海濤;RBF多標記學習算法研究與改進[D];太原理工大學;2019年

本文編號：2888252