导读:本文包含了变量集合论文开题报告文献综述及选题提纲参考文献，主要关键词:洪水预报,集合卡尔曼滤波,回溯修正,新安江模型
变量集合论文文献综述
李漫漫,石朋,尚艳丽,赵兰兰,袁杰[1]（2019）在《基于集合卡尔曼滤波的新安江模型状态变量实时修正方法》一文中研究指出为了提高洪水预报的精度,基于集合卡尔曼滤波,提出对流域中子流域中间状态量进行全状态量回溯修正方法。该方法根据每个子流域地貌特征和汇流时间不同,分别找出其相应的回溯时间,与新安江模型相结合对各个子流域特定时段前的中间状态量进行全状态量回溯修正,逐步降低误差的累积。采用理想模型验证,结果显示子流域中间状态量得到有效修正,洪量相对误差和洪峰相对误差减小,确定性系数提高。以大坡岭流域为例,采用该方法对流域12场历史洪水进行修正,修正结果表明此方法能有效提高洪水预报的精度,可在实际洪水预报中推广应用。(本文来源于《河海大学学报(自然科学版)》期刊2019年03期）
刘琨,黄冠华[2]（2019）在《基于集合卡尔曼滤波法的二维土壤水流状态变量和参数联合估计》一文中研究指出集合卡尔曼滤波方法(EnKF)显式地考虑了模型输入、输出以及模型结构等因素的不确定性,近年来被广泛应用于水文模型参数估计研究中。本文基于EnKF方法开展二维土壤水流运动模型状态变量和参数联合估计研究,设计数值实验探究了在线源入渗条件下EnKF方法对粉壤土、壤土和砂壤土的饱和导水率和进气值参数的估计以及压力水头的同化效果,分析了观测点布置方式和观测点数量对同化效果的影响。研究结果表明,粉壤土条件下观测点垂向布置方式更好;壤土和砂壤土条件下,在0～30cm深土壤中水平向布置观测点可以得到较好的参数估计值。观测点水平向布置时应尽量靠近地表,同化系统可以有效地利用观测信息更新状态向量,参数更快地收敛于真值,但压力水头的同化效果仅限于一定深度的土壤。增加观测点数量可以有效地减小参数估计偏差,进而提高土壤剖面压力水头的预测精度。(本文来源于《水利学报》期刊2019年03期）
章建跃[3]（2015）在《从“变量说”到“集合——对应说”》一文中研究指出我们知道,一次函数、二次函数、反比例函数都是某一类运动变化规律的抽象表示.类似的现象还有很多,例如:从边长为a的正方形的四个角剪去边长为x的正方形,再做成一个无盖小方盒,其容积V=x(a-2x)~2,它使我们能从每一个高x()求出盒子的容积;一个质点P在平面内绕着一点O匀速旋转,角速度为ω,那么经过的时间t与转过的角度α的关系是α=ωt,它能使我们从每一时刻t求出质点所转过的角度……这样的现象不胜枚举.数学不满足于这样"逐类"研究函数,于是函数概(本文来源于《中小学数学(高中版)》期刊2015年12期）
徐盛[4]（2014）在《空间因子和不同尺度环境变量对溪流大型底栖无脊椎动物集合群落组成的相对影响》一文中研究指出生物群落的空间分布格局和机制一直是生态学研究的重要内容。空间因子和环境因子都已被证明是生物群落空间特征的重要驱动因子。溪流生态系统是一个典型的等级系统,溪流生物群落组成和结构受到来自于不同空间尺度的环境因子的作用。然而,空间和环境因子的相对作用的大小,不同空间尺度环境因子作用的大小,会因所研究的生物类群、地区、或者干扰形式不同而有差异。本文拟以渭河流域(西安地区支流水系)和钱塘江流域的溪流底栖动物群落、EPT(蜉蝣目、禳翅目和毛翅目)昆虫为研究对象,探讨空间因子、环境因子和不同空间尺度环境因子的相对作用,分析底栖动物和EPT群落空间特征的驱动机制,如关键的环境驱动因子和空间尺度,为水质生物评价和水生生物多样性保护提供数据。我们采用两种方法构建群落间的空间因子：主轴邻矩法(Principal Coordinates of Neighbor Matrices, PCNM)和非相称特征向量图法(Asymmetric Eigenvector Map,AEM),计算获得表征样点间空间关系的特征值(PCNM和AEM空间因子)。环境因子包括代表自然环境梯度的环境因子和表征人类活动强度的环境因子。所有的环境因子按其空间尺度大小分为流域尺度、沿岸带尺度和局部尺度叁类。我们首先采用前向筛选法(Forward selection)、冗余分析(Redundancy Analysis, RDA)或典范对应分析(Canonical Correspondence Analysis, CCA)获得影响底栖动物或EPT群落组成的空间因子、不同空间尺度的环境因子,然后采用方差分解的方法或偏CCA (partial CCA,pCCA)分析法获得空间因子、不同空间尺度的环境因子决定底栖动物和EPT群落特征的相对作用。渭河流域25个山区样点和23个平原样点共采集到底栖动物194个分类单元(以下简称“种”),EPT67种。其中山区样点159种,EPT64种；平原样点底栖动物96种,EPT22种。山区样点和平原样点间54个自然环境因子和54个与人类活动相关的环境因子存在显着差异,平原样点的受人类活动的干扰强度明显高于山区样点。方差分解和pCCA分析结果表明,对山区样点的底栖动物群落而言,纯环境因子可以解释的群落变异为17.9%,远远大于纯PCNM(0.5%)和纯AEM(0.5%)。从空间尺度看,纯河段尺度的环境变量对群落差异的解释量为16.8%,而纯沿岸带尺度和纯流域尺度的解释量都为0。河段尺度的关键环境变量为栖境得分、Mg2+含量、平均水宽、基岩底质百分比、平均流速和样点降水季节性差异。对山区样点EPT而言,纯AEM因子可以解释的变异为9.6%,纯环境和纯PCNM都为0。对平原样点的底栖动物群落而言,纯环境因子解释了30.3%的群落变异,纯空间因子解释量为0；对平原样点EPT而言,纯AEM解释的变异(25.5%)远远高于纯环境因子(3.7%)和纯PCNM(0)。钱塘江流域79个样点共采集到底栖动物258种,EPT60种。方差分解和pCCA分析结果表明,对钱塘江样点底栖动物群落而言,纯AEM解释了17.1%的变异,高于纯环境因子(8.0%)和纯PCNM(5.2%)；对于钱塘江样点EPT,纯环境因子的解释量(21.3%)远远高于纯PCNM(2.8%)和纯AEM(1.1%)。从空间尺度看,纯河段尺度环境因子解释底栖动物群落6.4%的变异,略高于沿岸带尺度环境因子(3.2%)和流域尺度环境因子(5.2%)；对于EPT而言,纯河段尺度环境因子解释量为14.0%,远大于纯沿岸带尺度(0.8%)和纯流域尺度(3.6%)。(本文来源于《南京农业大学》期刊2014-06-01）
孙彦猛[5]（2013）在《利用集合卡尔曼滤波同步优化水文模型状态变量和参数的试验研究》一文中研究指出数据同化方法广泛应用于校准异质土壤的水力传导系数。水力传导系数精确程度直接影响着对土壤水分的估计精度。土壤水分是气象、水文、农业研究中的关键变量,它影响地表能量通量、水文循环、辐射平衡、物质迁移等。土壤水分的准确估计对于研究和理解陆面—大气间的能量—水文交换起着重要作用。本文将集合卡尔曼滤波算法分别应用于一维水文模型HYDRUS-1D及二维水分运移模型中,探讨基于集合卡尔曼滤波算法,同步优化两种模型的状态变量和土壤水力特性参数的同化方案。其中,一维土壤水分同化方案中,利用临泽国家农业综合试验站(位于中国西北干旱半干旱地区的黑河流域)的灌溉小麦生长期间土壤水分的监测数据来验证基于包气带水文模型的集合卡尔曼算法,并进一步将集合卡尔曼算法与启发式洗牌复形演化算法(SCE-UA)反演得到的包气带水力特性参数进行比较；二维同化方案中,利用COMSOL建模工具,建立水分运移模型,试验数据均为随机数据,与生成样本的初始数据(真值)进行比较。结果表明,我们发展的土壤水分数据同化方案在一维及二维模型中能够分别有效地利用集合预报得到状态变量和参数误差的统计特征,进而同步估计土壤水分状态变量和土壤水力特性参数。结果证明数据同化方案利用集合预报,融合即时的状态变量观测,可以实时地修正模型的模拟轨迹(修正模型参数和状态变量),使得预报变量精度提高。(本文来源于《兰州大学》期刊2013-05-01）
吴祝慧,韩月琪,王成林,黄娟[6]（2012）在《污染模型中参数订正的集合Kalman滤波扩展状态变量法》一文中研究指出污染模型中不确定参数的精确订正对于提高模型的精度有着重要的意义。在集合Kalman滤波(EnKF)同化方法的基础上,提出了对模型中不确定参数进行订正的EnKF扩展状态变量法,将不确定参数看成和模型状态变量一样的量,根据观测资料对不确定变量进行订正,以达到订正参数的目的。采用一个简化的空气质量方程,对模型参数订正方案进行检验,结果证明提出的方案可行和有效。同时发现,随着观测资料精度的提高,无论是参数还是模型的状态变量,估计分析值的精度也得到相应的提高。(本文来源于《环境监控与预警》期刊2012年03期）
韩月琪,彭跃华,王云峰,吴祝慧,叶松[7]（2010）在《过去状态估计之集合Kalman滤波扩充状态变量法研究》一文中研究指出集合Kalman滤波是由大气数据同化发展的新的同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了Kalman滤波需要线性化的模型算子和观测算子的难点。但是这种同化方法是一种顺序数据同化方法,无法对过去状态变量进行同化订正。而过去状态的估计对于建立大气或海洋历史资料库、获得准确的数值预报初始场有着重要的意义。本文在集合Kalman滤波同化方法的基础上,提出了可以对过去状态进行估计的集合Kalman滤波扩充状态变量法,然后分别采用空气质量方程和Lorenz系统对这种方法进行了检验。数值试验结果表明,这种方法可以对非线性系统中的过去状态变量进行有效的估计订正,说明该方法是可行的。(本文来源于《高原气象》期刊2010年04期）
赖锡军[8]（2009）在《水动力学模型与集合卡尔曼滤波耦合的实时校正多变量分析方法》一文中研究指出为减少非恒定水流计算中的不确定性,在水流随机运动系统状态空间模型基础上,应用集合卡尔曼滤波(EnKF)技术建立了非恒定水流分析的实时更新(校正)方法。该方法适用于非线性的随机微分方程,过程和观测噪声可以是非正态分布。同时,为充分利用水位、流量等误差量级相差巨大的观测中所蕴含的有效信息,导出了EnKF多变量分析格式。以明渠单峰洪水过程的合成数据为例,考察了运用建立的实时更新方法分析预报一维洪水演进的性能。重点对比了采用不同精度等级下的水位和流量观测资料进行滤波的效果。在中国现行标准规定的允许观测误差范围内,以水位观测进行一维洪水动力学模型的滤波分析可有效地控制误差、估计流量、识别水流运动系统状态。长江干流清溪场至万县江段实际洪水计算还证实:该方法通过插入即时观测,可实时更新模型状态,给出与实际更为接近的计算。(本文来源于《水科学进展》期刊2009年02期）
崔建莲,侯晋川[9]（2005）在《Β(H)上Jordan同构的一个代数不变量:幂等元的集合》一文中研究指出令β(H)表示无限维复Hilbert空间H上的所有有界线性算子组成的代 数,(?)(H)是β(H)中所有幂等元的集合．设Ф:β(H)→β(H)是满射．证明了 对任意的λ∈{-1,1,2,3,1/2,1/3}及A,B ∈β(H),映射Ф满足条件A-λB ∈ (?)(H)(?)Ф(A)-λФ(B)∈(?)(H)当且仅当Ф是β(H)的Jordan环自同构,即存在H 上的连续可逆线性或共轭线性算子T,使得Ф(A)=TAT-1对所有的A∈β(H) 成立,或Ф(A)=TA*T-1对所有的A∈β(H)成立．令i表示虚数单位,进而如 果Ф也满足条件A-iB∈(?)(H)(?)Ф(A)-iФ(B)∈(?)(H),则Ф是自同构,或是 反自同构。(本文来源于《中国科学(A辑:数学)》期刊2005年12期）
贾德霖[10]（1993）在《词义的变量集合》一文中研究指出词是符号,是代码.人们用它来指代、表述客观世界诸事物、诸现象.而客观世界诸事物、诸现象是无穷无尽的,况且它们在不断地发展和变化;人们对它们的认识也在不断地发展和变化.语言以其有限的词汇,更为有限的语法结构,是难以表述详尽的.一个词,只能是一个概念,它处于不同的语境,一定会产生大小不等、多少不同的变化.这种变化是量的变化,不是质的变化,因为它们是在其总概念之中的变化.所以一个词的基本概念实是其一系列语义变量的集合体.至于词义的引申等,超越其基本概念,(本文来源于《外国语(上海外国语学院学报)》期刊1993年05期）
变量集合论文开题报告
（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：
集合卡尔曼滤波方法(EnKF)显式地考虑了模型输入、输出以及模型结构等因素的不确定性,近年来被广泛应用于水文模型参数估计研究中。本文基于EnKF方法开展二维土壤水流运动模型状态变量和参数联合估计研究,设计数值实验探究了在线源入渗条件下EnKF方法对粉壤土、壤土和砂壤土的饱和导水率和进气值参数的估计以及压力水头的同化效果,分析了观测点布置方式和观测点数量对同化效果的影响。研究结果表明,粉壤土条件下观测点垂向布置方式更好;壤土和砂壤土条件下,在0～30cm深土壤中水平向布置观测点可以得到较好的参数估计值。观测点水平向布置时应尽量靠近地表,同化系统可以有效地利用观测信息更新状态向量,参数更快地收敛于真值,但压力水头的同化效果仅限于一定深度的土壤。增加观测点数量可以有效地减小参数估计偏差,进而提高土壤剖面压力水头的预测精度。
（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。
变量集合论文参考文献
[1].李漫漫,石朋,尚艳丽,赵兰兰,袁杰.基于集合卡尔曼滤波的新安江模型状态变量实时修正方法[J].河海大学学报(自然科学版).2019
[2].刘琨,黄冠华.基于集合卡尔曼滤波法的二维土壤水流状态变量和参数联合估计[J].水利学报.2019
[3].章建跃.从“变量说”到“集合——对应说”[J].中小学数学(高中版).2015
[4].徐盛.空间因子和不同尺度环境变量对溪流大型底栖无脊椎动物集合群落组成的相对影响[D].南京农业大学.2014
[5].孙彦猛.利用集合卡尔曼滤波同步优化水文模型状态变量和参数的试验研究[D].兰州大学.2013
[6].吴祝慧,韩月琪,王成林,黄娟.污染模型中参数订正的集合Kalman滤波扩展状态变量法[J].环境监控与预警.2012
[7].韩月琪,彭跃华,王云峰,吴祝慧,叶松.过去状态估计之集合Kalman滤波扩充状态变量法研究[J].高原气象.2010
[8].赖锡军.水动力学模型与集合卡尔曼滤波耦合的实时校正多变量分析方法[J].水科学进展.2009
[9].崔建莲,侯晋川.Β(H)上Jordan同构的一个代数不变量:幂等元的集合[J].中国科学(A辑:数学).2005
[10].贾德霖.词义的变量集合[J].外国语(上海外国语学院学报).1993