关键词： 果园监测   传感器标定   数据处理   时空变异   关联性  

摘要： 苹果园农业生产过程具有季节性、分散性、多样性和变异性的特点,而我国果园监测起步较晚,存在着苹果园生产过程监测不全面、传感器精度低、传感器布设冗余等问题,大量传感器的布设,导致了苹果园生产过程监测数据繁杂冗余、孔洞缺失、关联性程度低等问题异常突出。为此,以南疆沙地苹果园健康生产过程为基础,以果实生长过程关键指标监测为对象,通过理论分析、数据处理与试验研究相结合的方式对苹果园生产过程关键指标监测展开研究,主要研究结论如下: （1）明确了南疆沙地苹果园生产过程及关键监测指标和监测方法。利用重复访问方法,明确了苹果园关键生产过程,分别对土壤、作物与气象三类对象的关键监测指标进行了优选,确定了土壤、茎流、气象的关键指标和监测方法,提出土壤电导率非线性耦合标定方法以及土壤含盐量测量ECWS模型方法。 （2）研究了南疆沙地苹果园土壤与气象关键指标的时空变异特征及优化布设方法。基于克里斯琴森均匀系数与CV评价方法,分析了苹果园土壤与气象关键指标的时空变异性,结合差分法采用线性与非线性布设方法,并对土壤、气象关键指标监测传感器在垂直与水平两个方向进行了优化布设。 （3）设计了南疆沙地苹果园数据可视化系统与苹果园无线传感网络分级节能系统。无线传感器网络分级节能系统设计为数据采集模块、数据传输模块、远程控制模块、可视化模块、故障诊断模块及供电模块。苹果园可视化系统设计为用户管理模块、主界面模块、数据分析模块、数据展示模块。 （4）提出了苹果园传感器监测数据问题的三级数据处理机制,采用灰度关联法分析了土壤、茎流、气象关键指标相关性。针对具有时间序列特征的苹果园监测数据所存在的孔洞、冗余与异常问题,在滑动时间窗口算法基础上对上述三个问题进行了处理;针对孔洞数据在时间上连续和不连续两种不同的特征,提出了孔洞数据统计分析与回归分析的两级处理方法;针对数据冗余问题,提出了结合滑动时间窗口方法的去重处理方法,并采用参数化的SES方法处理了冗余参数的不稳定问题;根据土壤、作物、气象监测数据的变异系数,采用Z分数方法进行处理。土壤温度与气象温度、土壤电导率与气象温度之间为正相关;土壤电导率与气象CO2为负相关性;茎流与土壤温度相关系数为0.62,与光照相关系数为0.51。 （5）采用GDH模型与随机森林算法,分析了土壤热积量与气象热积量对果实生长发育的关系。在不同生育期,土壤在总热积量范围在6035.24 GDH～45519.95 GDH之间;气象总热积量范围7188.85 GDH～33862.38 GDH之间。土壤温度与气温GDH对于幼果发育期、果实膨大期与全生育期预测2不小于0.63。 综上所述,针对南疆沙地苹果生长过程的关键指标监测方法展开理论分析与试验研究,明确了苹果生长过程的关键指标,优化了传感器布设方式,设计了分级节能系统与数据可视化系统,提出了监测数据的处理方式,有效解决了苹果监测中存在在问题,推动了果园监测技术在苹果生长中的应用与发展。

关键词： 干涉条纹图像   图像质量退化   椒盐噪声   对比度   干涉条纹弯曲  

摘要： 通过观测太阳系外恒星发出光线的多普勒效应来寻找系外行星是天文领域最火热的研究方向之一。目前,已经探测到的疑似宜居带系外行星,大多数都围绕K/M型矮星运行。K/M型矮星的数量非常多,占银河系恒星总量的80%左右,是极其重要的观测目标。基于新型共光路相干色散技术的太阳系外行星搜索探测系统（common-path coherent-dispersion spectrometer,CODES）针对K/M型矮星进行观测,目标是寻找到宜居/类地的系外行星。为了实现这样高精度的视向速度测量,需要给视向速度反演过程提供高精度的观测图像。 然而,即使是最先进的探测器捕获的原始图像也往往面临着仪器固有噪声,图像质量退化和其他缺陷。探测器采集图像是将三维世界场景投射到二维焦平面上的辐射过程和几何过程。望远镜在接收遥远的星光时,在大气层传导和通信传输过程中,聚焦不当、大气散射和设备振动等因素,往往会导致图像质量下降。图像携带的信息不可避免地被扭曲,甚至丢失。图像质量退化通常包含三个方面的内容,分别是噪声干扰、对比度降低和运动模糊。因此,有必要通过消除噪声干扰、低对比度情况和模糊畸变等现象来获得更高质量的观测图像,尽可能地恢复受干扰的图像细节,最终提高视向速度探测设备的探测精度。为了解决这些问题,本论文围绕提高基于相干色散技术的系外行星光谱探测系统采集的干涉条纹图像的图像质量开展了一系列研究工作。噪声干扰部分分析了各种噪声对干涉条纹图像的干扰情况,并针对椒盐噪声设计去噪算法;对比度降低部分分析大光程差导致的干涉条纹对比度降低的过程,并设计对比度提高算法;运动模糊部分分析环境波动和仪器因素等干扰干涉条纹图像的成像过程和采集过程,构建图像质量退化模型。噪声干扰、对比度降低和运动模糊都会导致相干色散系外行星光谱探测系统采集的干涉条纹的相位信息发生偏差,造成视向速度误差。本论文的三个内容的共同目标是通过提高干涉条纹图像质量来提高视向速度的探测精度。 本文主要研究内容和创新点如下: （1）针对椒盐噪声干扰,本文提出了基于次极值的自适应中值滤波算法CODESmF。CODESmF算法主要包括两个模块。基于像素次极值的滤波噪声监测模块:基于滤波窗口内像素的次大值和次小值来判别信号像素和噪声像素。自适应中值滤波噪声抑制模块:信号像素保持原值输出,以噪声像素作为滤波窗口的中心像素,进行多次不同滤波窗口尺寸的自适应中值滤波处理。此外,该算法利用动态滤波窗口和图像边界镜像复制方法,提高中值滤波算法在处理椒盐噪声时的性能。以相位误差校正量、去噪能力和干涉条纹复原能力作为评价标准。针对大多数情况,CODESmF算法可以消除超过90%的椒盐噪声造成的视向速度误差。此外,CODESmF算法更适合处理能量较低的干涉条纹。当处理对象是低亮度干涉条纹,无论椒盐噪声的密度如何变化,CODESm F都能够消除超过70%的相位误差。 （2）针对大光程差导致干涉条纹图像对比度降低的问题,本文提出了一种基于摄影模型的逆色调映射算法CODESCE。CODESCE算法的核心是利用Reinhard算法构建了一种基于摄影模型的逆色调映射算子,利用逆色调映射算子处理输入的干涉条纹图像,将其拓展成高对比度的干涉条纹图像。以对比度提升情况和对干涉条纹相位信息的干扰情况作为评价标准。实验结果表明,逆色调映射算法CODESCE适用于提高大光程差干涉条纹图像的对比度,可以将光程差为64.3 mm条件下的干涉条纹对比度提高三个数量级从0.0001224提高到0.56,满足后续处理对于干涉条纹对比度的要求;同时,CODESCE算法处理后的干涉条纹曲线也处于最优光程差对应干涉条纹曲线范围内,避免了干涉条纹相位信息出现较大误差。 （3）针对干涉条纹弯曲影响干涉条纹形态,并最终干扰视向速度反演的问题。本文对影响干涉条纹形态的干扰源进行分析,将干涉条纹弯曲分为干涉条纹倾斜、干涉条纹像移和干涉条纹畸变三种类型,基于像移路径的仿真方法构建了干涉条纹弯曲—相位偏差—视向速度误差的干涉条纹图像退化模型。同时,针对长曝光过程中仪器微振动导致的干涉条纹像移这一特殊情况,开展了CCD探测器振动实验以分析CCD探测器在工作状态下受自身产生的微振动的干扰情况。并基于微分动态成像方法和像移路径,建立了微振动导致干涉条纹图像质量退化的模型。退化模型表明,无论吸收线还是发射线,干涉条纹弯曲的干扰都是巨大的,偏移量>0.15个像素时CODES的视向速度偏移超过100 ms-1,且吸收线出现的视向速度偏移更大。对于微振动造成的干涉条纹像移,即使其最大幅值仅为0.1个像素,也会造成10 ms-1左右的视向速度误差。为了将视向速度误差降低到1 ms-1以下,需要将CCD探测器工作状态下的最大振幅控制在54 nm以内。 本文面向围绕K/M型矮星运行的系

关键词： 温室气体   数据处理   小波降嗓   加权Kalman滤波   GA-BP神经网络  

摘要： 甲烷(CH4)、氧化亚氮(N2O)和水(H2O)是温室气体组成成分中的几种主要成分，实现对CH4、N2O和H2O浓度的快速高精度测量对监测温室气体变化具有重要意义。在使用激光吸收光谱法检测三种温室气体光谱时，噪声的存在会导致所检测出的气体浓度精度较低，为进一步提升检测精度，一些滤波降噪算法被运用于温室气体光谱数据处理中。对于所检测的温室气体光谱数据，传统的气体浓度反演算法需要对气体光谱进行深入处理和计算。为能够从光谱数据中反演高准确率的气体浓度，部分神经网络被应用于气体浓度反演中。然而，传统的滤波算法能够提升的精度有限，为进一步提升气体浓度检测精度以及反演出高准确率的气体浓度，对传统的卡尔曼滤波算法进行了改进，同时基于神经网络和气体光谱数据，搭建了神经网络气体浓度反演模型。主要工作如下:　　(1)提出了一种加权卡尔曼滤波算法。传统的卡尔曼滤波算法在提升气体浓度检测精度时需要较大的滤波调节参数，滤波调节参数增大会增加系统对气体浓度变化的响应时间。通过在传统卡尔曼滤波算法中增加一个权值，使得算法能够在使用较小的滤波调节参数，保持快速响应时间的同时，能够进一步提升检测精度。结合水同位素比值测量数据，对比两种卡尔曼滤波算法结果。实验结果表明，该算法能够使用较小的滤波调节参数提升更高的检测精度，证明了该算法优于传统卡尔曼滤波算法。　　(2)实现了对CH4、N2O和H2O三种温室气体光谱同时测量，并将所提出的加权卡尔曼滤波算法应用于温室气体浓度数据处理中提高检测精度。同时为本次测量实验设计并编写了集采集和处理光谱数据一体化的LabVIEW数据采集程序。为提高光谱信噪比，将小波降噪算法应用于采集的三种温室气体吸收光谱数据中。实验结果表明，小波降噪算法能够有效提高温室气体吸收光谱信噪比，进一步验证了提出的加权卡尔曼滤波算法在提升气体浓度检测精度中的可行性与有效性。　　(3)提出了一种基于GA-BP神经网络的CH4气体浓度反演模型。将神经网络与检测的CH4气体光谱数据结合，利用神经网络强大的学习能力，根据气体光谱数据反演出高准确率的气体浓度。分析了 GA-BP神经网络不同参数的取值对反演结果的影响，并与SVM、LSTM、BP、PSO-BP神经网络反演结果进行了对比。实验结果表明，基于GA-BP神经网络的CH4浓度反演模型反演结果准确率最高，达到了 99.985%。

关键词： 北京谱仪   离线数据处理   细粒度监控   作业行为   异常检测  

摘要： 北京谱仪（BESⅢ）是北京正负电子对撞机（BEPCⅡ）上的大型通用磁谱仪。中国科学院高能物理研究所计算平台中的高通量计算集群为BESⅢ实验的数据处理提供了计算、存储服务，实验占用13500多个CPU核，累积完成超过4500万个作业。对BESⅢ作业行为模式进行细粒度分析，及时发现BESⅢ作业的异常行为，对保证平台稳定、可靠地运行有重要意义。本论文对BESⅢ离线数据处理作业行为分析和作业的异常检测方法开展了研究。为了能获取作业内部的细粒度运行数据，设计了适用于计算平台高通量计算集群的细粒度监控方案。论文主要内容如下:　　（1）设计了适用于计算平台高通量计算集群的作业细粒度监控方案。调研了多种集群细粒度监控方法，根据计算平台高通量计算集群的特点，提出了一个适合计算平台高通量计算集群特点的作业细粒度监控方案。该方案在基本不影响作业运行的情况下，采集集群中作业的系统调用数据。此外，利用计算平台本地集群带宽充足的特点，借助Flume、Kafka的大数据处理能力，将采集的作业数据实时发送到存储节点。　　（2）提供了一种作业行为分析方法。基于部署的作业细粒度监控框架，在不影响作业自身执行的前提下，实时采集BESⅢ离线数据处理作业的系统调用事件。通过对作业系统调用的统计分析和具体事件分析，发现了BESⅢ离线数据处理作业的行为倾向和具体行为特点。经过分析，了解了BESⅢ离线数据处理作业的主要行为类型和文件访问事件的执行流程。　　（3）提供了一种适用于高能物理作业的异常检测方法:基于采集的BESⅢ离线数据处理作业的系统调用数据，研究了Reformer、Informer和Autoformer等时序数据预测模型，并将其应用到BESⅢ作业异常检测。论文对比了LSTM、Transformer、Reformer、Informer和Autoformer模型在BESⅢ作业系统调用数据集上的异常检测能力，实验结果表明Informer和Autoformer时序预测模型对于BESⅢ作业有更好的异常检测能力。　　本文作业行为分析方法和异常检测方法已在高能所高通量计算集群真实环境中部署应用。经过测试，发现其对系统影响在可接受范围内，作业行为分析和异常检测能力基本达到预期目标。

关键词： 农业面源氨排放   逸散气体通量   激光吸收光谱   垂直径向羽流图   箱式法   机器学习  

摘要： 氨是大气中主要的污染气体之一,其排放不仅与PM2.5的形成紧密相关,还会导致水土生态系统的失衡。随着各种生产活动的增加,世界氨排放总量呈逐年增加态势,这给人类社会的可持续发展带来严峻挑战。农业氨排放是大气中氨的主要来源,占地球氨排放总量的90%以上,主要表现为面源污染形态,因此农业面源氨排放检测已经成为大气污染防治的重要环节。当前,光谱技术是农业面源氨排放检测的主要手段,但仍然面临着户外条件下仪器工作不够稳定、大气环境干扰、浓度反演误差等问题。这些问题是影响氨通量检测系统准确性的主要原因。针对上述问题,结合检测技术向智能化方向发展的趋势,本文开展垂直径向羽流图(Vertical Radial Plume Mapping,VRPM)法和箱式法氨通量检测方法的关键技术研究,目的是提高两种检测系统的工作稳定性、检测精度和自动化程度。主要内容如下: 1.针对VRPM区域源氨通量检测系统在户外开放环境工作时,所存在的扫描光路偏离的问题,开展了 VRPM区域源氨通量检测系统光路智能化校准算法研究。基于强化学习算法,提出了 VRPM通量检测系统多光路扫描切换智能定位算法,以信号电压幅值最大点为目标点,利用光路移动时产生的信号强度变化基于强化学习算法获得云台最优控制路径,实现了多光路扫描切换时光路对准;对系统的性能进行了测试,结果表明,光路扫描系统的扫描误差小于0.1%,当产生光路偏移时,光路校准的成功率大于95%,校准偏差小于2%,耗时小于 10 s。 2.针对受开放光路中多种环境因素的影响,VRPM检测系统可能获取一些在形态上明显失真的异常光谱,从而导致浓度反演错误的问题,开展了基于机器学习的VRPM系统异常光谱智能识别与缺失路径积分浓度(Path Integrated Concentration,PIC)数据修复研究。提出了一种主成分分析(Principal Component Analysis,PCA)与支持向量数据描述(Support Vector Data Description,SVDD)相结合的激光吸收光谱信号质量评估方法,实现了异常光谱样本的智能识别;同时,提出了一种基于双阶段注意力机制循环神经网络(Dual-Stage Attention Based Recurrent Neural Network,DA-RNN)的缺失 PIC 值修复方法,有效地解决了在剔除异常光谱后在时序上留下的PIC数据缺失问题。实验结果表明,SVDD模型对异常光谱样本的识别率达到98.90%;在使用四条光路的PIC值作为驱动序列对目标光路的PIC值进行预测时,DA-RNN模型的平均预测准确率达到92%以上。 3.针对使用箱式法进行氨通量测量时,NH3吸收峰混叠所导致的浓度反演误差问题,开展了基于深度学习的箱式法氨通量检测系统浓度回归算法研究。提出了基于深度置信网络(Deep Belief Networks,DBN)的氨浓度回归算法,建立从光谱数据到浓度的“端到端”回归模型,在输入光谱信号后直接输出气体的浓度,减少了基线拟合、吸光度面积计算等易产生人为计算误差的步骤,有效地提高了微量氨挥发浓度的检测精度。研制了由控制系统和多个测量室组成的激光吸收光谱腔(Laser Absorption Spectroscopy Chamber,LASC)氨通量检测系统,集成了 DBN氨浓度回归算法,实现了氨通量的原位自动化检测。实验结果表明,DBN氨浓度回归算法的测量平均相对误差较直接吸收法降低了81.3%,LASC系统的最低检测浓度可达0.09 ppm。 4.针对农田应用场景,改进了 VRPM检测系统,并联合LASC检测系统开展农田氨排放通量检测系统应用研究。研发了基于MAX1978温控芯片和单片机PID温度控制电路的DFB激光器波长稳定模块,设计了垂直径向羽流系统整体方案,开发了基于Lab View的数据分析软件,最终集成了五光路VRPM检测系统,并开展了氨排放通量检测系统外场实验,以验证开发的垂直径向羽流和箱式法农田氨挥发通量系统的有效性。实验结果表明,两个系统的测量结果与实际排放通量的误差都小于20%,且对同一面源的氨排放通量测量结果表现出了高度的一致性和相关性。

关键词： 扭矩扳子检定   数据计算   软件实现   VB语言  

摘要： 在扭矩扳子的计量检定中，测量结果包括：检定点的多次重复测量数据，平均值，示值相对误差和示值重复性，计算繁琐，容易出错，计量可靠性和效率无法得到充分保证。文章利用VB语言，设计并编写一款扭矩扳子计量检定数据软件，用于计算测试数据的平均值、相对误差及重复性，有利于计算准确性和计量可靠性的提高。

关键词： 多源异构数据   RoBERTa   注意力机制   情感分析   图像配准  

摘要： 在大数据时代面对来自各种渠道的海量数据,多源异构数据处理技术的发展具有重要意义。这些技术不仅能够有效整合和分析不同来源的异构数据,还能够深入挖掘数据中的关键特征,揭示数据背后的深层意义,为数据处理提供更加有效和可靠的解决方案。多源异构数据情感分析和多源异构图像配准技术在理论和实践上都取得了显著的进展,但由于数据本身的复杂性和多样性,在实际的应用过程中仍面临挑战。因此本文针对多源异构数据情感分析中数据未能充分挖掘特征丰富性以及对多源异构信息之间的互补性缺乏考虑的问题,以及在遥感图像配准中,针对现有方法在处理图像中的复杂非线性形变和图像细节存在的不足,具体研究内容如下: (1)本文提出了基于多头交互注意力机制的多源异构数据情感识别模型,设计了Ro BERTa-Bilstm-Attention模型充分提取文本中的语义情感表征,并采用SIFT算法和Res Net50网络同时提取图像的稳定局部特征和高层次抽象情感特征,提出多头交互注意力算法将提取的文本和图像特征进行有效融合,提高情感分类的准确性和效率,在两个公开数据集上取得了良好的实验结果验证了所提出模型的有效性。 (2)本文设计了基于SIFT和混合注意力的遥感图像配准模型,提出由粗到精的配准策略。在粗配准阶段通过SIFT与互信息优化配准算法实现匹配点对的建立及优化,引入RANSAC实现图像的初步配准;在精配准阶段结合残差多尺度特征提取网络和混合注意力机制捕捉初步配准图像中重要的特征细节,通过逐步细化的变形网络估计变形场,并利用重采样层根据变形场进行图像重构实现精确的图像对齐,在两个公开数据集上进行验证,显著提升了配准效果和鲁棒性。 (3)本文将设计的情感识别和图像配准模型应用于真实的灾害数据中,检测并展示所提出模型的效果和性能,提出综合灾害评级模型,以更系统地评估灾害的影响和应对策略。

关键词： 七孔探针   插值方法   神经网络   数据处理   风洞试验  

摘要： 多孔探针由于其在流场测量领域的多种优势,应用较为广泛,其中七孔探针相比于五孔探针可测量的角度范围更大,但是由于七孔探针的校准和插值更复杂、对校准试验设备要求更高,所以应用不够广泛。 为解决七孔探针插值复杂、校准难的问题以及研究七孔探针高精度插值方法,本文基于MATLAB编程,利用三维数值模拟与试验相结合的方式完成如下工作: 1.对七孔探针进行数值模拟,内区与外区角度全部采用俯仰角θ与方位角Φ,并对得到的模拟数据进行分区以及对模拟的待测点进行多项式插值以及线性插值验证,结果证明:数值模拟得到的数据理想、结果合理,内区使用俯仰角与方位角的角度定义也可以正常进行插值计算,线性插值角度误差在0.2°以内,多项式插值在部分点误差超过0.5°。 2.在采用俯仰角θ与方位角Φ的基础上,提出七孔探针双转台整环形校准方案与双转台及半圆形校准方案,成功搭建这两种试验台并完成探针的校准,这两种校准方案相比于现有方案可以降低校准试验的复杂度,降低对校准试验台的要求。对校准数据处理发现:两种校准方案得到的校准数据可靠,校准曲线顺滑且不存在坏点。 3.提出采用鲸鱼优化算法的神经网络模型对探针数据进行插值计算,并使用griddata函数、神经网络工具箱模型、BP神经网络模型以及采用鲸鱼优化算法的神经网络模型对Ma=0.3下的探针校准数据进行数据插值计算,结果证明:两种线性插值方法在七孔探针领域表现较好,俯仰角误差以及方位角误差均稳定在0.3°以内;优化后的两种神经网络插值误差在0.3°以内,在绝大部分点,其精度优于线性插值。使用线性插值与优化神经网络插值对待测点总静压进行计算,结果发现:线性插值总压误差在1%以内,优化后的神经网络总压误差也在1%以内,但是比线性插值总压误差更低,马赫数误差在0.001以内。两种方法均可以用作七孔探针总压、静压以及马赫数的插值。 4.在俯仰角间隔为4°时,采用不同方位角间隔(4°与6°)对七孔探针进行校准,探究方位角间隔对角度插值的影响,结果发现:对同一个待测点数据进行插值时,无论是使用线性插值还是优化神经网络插值,角度误差均在0.2°以内。在不同马赫数下对七孔探针进行校准,结果发现:随马赫数由Ma=0.1提高至Ma=0.35,校准曲线变得更加顺滑,且俯仰角插值误差降低0.2°左右,方位角插值误差降低0.1°左右。 5.分别使用五孔探针与七孔探针对某叶栅进行三个攻角下的尾迹测量,结果发现:对于同一组七孔探针测量得到的压力数据,使用线性插值进行角度以及总静压的计算与使用优化神经网络进行角度以及总静压的计算得到的结果高度一致,证明优化神经网络插值方法的可行性。对比七孔探针与五孔探针线性插值计算得到的总压损失系数以及角度可以发现,两者的总压损失云图趋势一致,但在迎角方向,五孔探针最大测试角度为30°,该叶栅存在迎角超过30°的测试点,五孔探针无法准确测量此区域,但是七孔探针最大测试角度超过55°,可以进行该区域的测量,证明七孔探针在角度测量领域的优越性。

关键词： 垂直地震剖面   数据处理   波场分离   Radon变换   分辨率  

摘要： Radon变换是重要的数学工具，已广泛应用于平面波分解、速度分析、多次波压制、波场分离与去噪、地震道插值等方面。Radon变换能把时空域中干涉叠加在一起的相干同相轴在变换域中分离，可用于波场分离与去噪处理，而设法提高变换域的分辨率是一个关键问题。　　垂直地震剖面(VSP)是一种高分辨率探测技术，对地下构造与岩性的认知具有独特的作用。波场分离是VSP数据处理中的重要环节，对测量数据的后续处理与利用有直接影响，研究提高波场分离的质量是一项有实用价值的工作。　　通过理论分析与编程计算实验，研究高分辨率 Radon 变换的算法实现，并将其用于VSP波场的分离。在时空域采用相似系数法压制假频和端点效应，在频率域利用最小平方反演法、迭代重加权最小平方法提高分辨率。在高分辨率Radon变换算子中引入一个新的变量𝜇消除了变换算子的频率依赖性，对于所有频率分量，变换算子只需要计算一次，显著降低了计算成本。提出采用𝜇−𝑔域高分辨率Radon变换快速分离VSP波场，新方法的计算成本约为传统高分辨率𝜏−𝑞变换的25%，且不降低精度。理论模型数据试算和实际资料处理试验效果较好，验证了算法的有效性和所编写程序的实用性。