基于GIS的高海拔山区风电场智能微观选址研究

风电场微观选址是风电场建设的关键问题,关系到整个风电场建设的成败。目前常用的风电场选址设计软件在处理高海拔山区复杂地形时,由于地形对各处的风速影响较大,风能资源评估结果不够准确,导致选址效果并不理想。本文提出一种基于GIS空间分析的风电场智能微观选址方法,首先在GIS软件中对研究区的风能资源进行评估,得到风能资源的分布结果;通过山脊线、山顶点的自动提取,再对风能资源分布、山脊线、山顶点的结果进行叠置分析,在风能资源丰富的区域,选取山脊线上的山顶点位置布置风电机组,提供了初步的微观选址方案。本文通过云南省姚安县三道箐地区的风电场项目实例,对该方法的有效性进行了验证。结果表明,运用本文方法得到的风电场微观选址结果与实际项目的结果很接近,可以作为高海拔山区风电场微观选址。     

回波强度约束下的无人机LiDAR点云K-means聚类滤波

针对目前无人机激光雷达点云滤波过程中存在的效率低、误分割和精度差等问题,本文在对点云三维坐标进行K-means聚类得到不同聚类结果的基础上,引入最大-最小标准化方法对不同聚类结果的点云回波强度原始值进行标准化,得到 0-1范围回波强度规则值。针对不同聚类结果选择不同范围的回波强度规则值得到对应地面点云,以提升研究区点云的滤波精度并减少其地面点云的数据量。同时,对比利用K-means聚类对三维坐标和回波强度原始值进行滤波的结果。结果表明：对研究区点云去噪、抽稀预处理后得到107 372个点云数,利用K-means方法对三维坐标和回波强度原始值进行聚类滤波得到地面点数为66 713个,占点云总数的62.133%。通过使用本文方法可剔除过分割地表植被点13 648个,得到地面点云占点云总数的49.422%。该方法能够较好地保持地形轮廓并降低地面点云的数据量,从而为后期快速建立高精度DEM奠定基础。     

基于自适应簇中心选择的文本聚类算法研究

为解决传统的K-means算法需要人工确定K值和随机选取初始簇中心容易陷入局部最优的问题,提出自适应簇中心选择算法.首先将任意选取的一篇文档和与其距离最远的文档作为初始簇中心聚类得到2个大类并重新计算簇中心,然后,找出与新的簇中心距离大于设定阈值的文档并依据文档距离判断是否需要增加新的类别,迭代上述过程确定聚类簇中心及类别数.实例验证结果表明,提出的算法与改进的K-means算法相比,在聚类结果的质量和算法收敛的速度上都有明显的改善.     

多维地形环境与风机参数约束的风电场道路优化设计方法

针对风机设备安全运输的道路智能化设计需求,建立了一种综合考虑风电场多维复杂地形环境的道路中心线规划网络模型,在此基础之上设计实现了顾及风电工程建设成本的道路中心线自动规划算法;同时分析计算了风电专题中风机设备的形态结构等参数特征对道路横断面宽度的影响,以实现多要素联合约束的风电场道路优化设计。突破了传统道路设计主要依托CAD辅助制图技术在多维空间整体表达上的局限性,实现了风电场道路的三维实景信息的完备表达。以两种不同地貌类型的风电场为例,验证了方法的实用性和有效性。     

简化数字地形分析软件(SimDTA)及其应用——以嫩江流域鹤山农场区的坡位模糊分类为例

为了在精细尺度下定量刻画地形特征,给地理建模提供更准确的定量地形参数,克服当今应用领域中常用商业软件的局限性,本研究讨论了面向栅格DEM的"简化数字地形分析软件"(SimDTA 1.0版本)。SimDTA实现了诸多计算局域和区域地形属性、定量描述地形部位信息的现有算法,以及新建算法。例如,针对一个实际的应用问题--坡位模糊分类,采用以坡位典型位置作为原型的新思路,在SimDTA中,实现了一个新的坡位模糊分类方法,能够克服现有其他方法忽略空间位置信息等问题。这一坡位模糊分类方法和SimDTA中实现的其他功能相结合,形成了一套完整的坡位模糊分类流程。本文通过在东北嫩江流域一个小区的实际应用和讨论来体现SimDTA的有效性和实用性。     

融合多特征的轨迹数据自适应聚类方法

轨迹聚类是空间数据挖掘领域的一个研究热点，对城市交通规划、路网结构提取与更新等具有重要意义。轨迹聚类包括轨迹相似性度量和聚类参数设置2个核心问题。然而，由于轨迹的形态结构特征复杂，现有轨迹相似性度量指标存在对噪声敏感或未充分考虑轨迹运动方向一致性的问题，且大多数聚类算法仍需人为设置参数，聚类挖掘结果的质量受到用户主观经验的影响。针对上述问题，本文提出了一种融合多特征的移动轨迹自适应聚类方法。首先，通过融合轨迹的空间邻近性和运动方向特征定义了一种对噪声鲁棒的轨迹相似性度量指标—DSPD距离；在此基础上，通过扩展Ward层次聚类方法提出了一种基于中心轨迹概念的空间层次聚类算法，该算法使用DSPD距离作为相似性度量指标，利用聚类特征曲线自动确定最佳聚类参数。以11组模拟轨迹数据和武汉市真实轨迹数据为例进行实验与分析，结果表明，本文方法在顾及空间邻近性的基础上，可以有效区分不同移动方向的轨迹簇，同时，利用轨迹数据特征自动确定聚类参数，降低了挖掘结果的主观性。     

基于聚类算法的钻孔瞬变电磁视电阻率立体成像方法

煤矿井下地球物理水害超前探测要求探测点20 m范围内不得有积水和金属物体,传统电磁法超前探测技术已不能满足要求,钻孔瞬变电磁法通过将收发装置送入掘进工作面前方的钻孔中进行探测,既远离了巷道中的各种干扰,又提高了隐蔽致灾水体的探测精度。为解决该方法对钻孔径向异常体的准确定位解释难题,通过三维正演总结了其水平分量异常响应特征,提出了异常体象限确定准则,研究了根据水平分量幅值和异常象限综合求取异常体工具面角的计算方法。将由垂直分量计算得到的每一个视电阻率视为独立异常体,基于K-means聚类算法对相应的水平分量异常曲线特征值进行二分类,实现了全数据集的视电阻率象限自动划分,结合异常工具面角算法研究得出钻孔瞬变电磁视电阻率立体成像方法。最后计算了三维数值模型的立体成像结果,对钻孔径向的小规模低阻异常体取得了良好效果。结果表明:基于K-means聚类算法的钻孔瞬变电磁视电阻率立体成像方法是地球物理与机器学习的有机结合,该方法能够为井下掘进工作面隐伏水害超前探测精细解释提供技术支撑。     

基于 C５．０决策树－快速聚类模型的万州区库岸段乡镇滑坡易发性区划

以乡镇为评价单元开展区域滑坡易发性评价对用地规划、防灾减灾等方面具有重要意义.以万州区临江 段的２３个乡镇单元作为研究对象,首先选取地表高程、坡度、坡向、岩性、构造、土地利用类型、地形湿度指数、水 系、道·９个指标因子,通过 C５．０决策树算法计算该区域发生滑坡的概率,再利用快速聚类算法进行易发性结果 分级;基于 ArcGIS平台得到各乡镇单元的滑坡易发性分区,结果表明:C５．０决策树－快速聚类模型的易发性评价 精度最高,AUC值达到０．９５０,优于人工神经网络－快速聚类模型的０．８２６和贝叶斯－快速聚类模型的０．７７２.利 用 C５．０决策树－快速聚类模型的计算结果,综合考虑极高(高)易发区面积大小及其占乡镇面积比大小,完成各 乡镇单元的滑坡易发性区划.在所有２３个乡镇中,滑坡易发性等级高的包括大周镇、万州城区、溪口乡、新田镇 等乡镇.通过对比各乡镇滑坡面积占研究区滑坡总面积的比重,发现两者结论基本一致,预测结果可为全区滑坡 防灾减灾提供科学依据.      

基于层次随机图的道路选取方法

 道路选取是道路网自动综合的关键问题之一,这方面已有多年研究,虽已取得很大进展,但尚不能自动完成一定比例尺下道路网的选取。本文提出一种基于层次随机图的道路选取方法,通过构建道路网的层次聚类结构以辅助道路选取。层次随机图是一种复杂网络模型,表现为一个二叉树,它不仅可以将复杂的道路网进行层次聚类,而且在可视化的同时提供了不同粒度的聚类信息。在构建道路网的层次随机图的基础上,本文采用累计权重数来衡量每条道路在整体层次结构中的重要性,并据此进行道路选择。我们将该方法应用到不同模式的实际道路网中进行道路选取试验,包括方格形、方格放射状、环形放射状、自由式路网等,以对应的谷歌地图作为参考进行道路选取符合数量、符合长度的定量评价和观察对比定性评价。试验表明本方法的选取结果与谷歌地图符合度很高。此外,与典型的基于路划长度和基于度中心度(degree centrality)的选取方法相比,本文方法更优。最后给出了本文方法优缺点的讨论和进一步研究的展望。     

基于多尺度时空聚类的共享单车潮汐特征挖掘与需求预测研究

当前,我国政府和单车企业多以划定电子围栏停车点的方式进行共享单车的规范化管理,由于单个电子围栏内部单车流入流出的随机性和不确定性较大,以单个围栏为单位进行单车管理的工作量大且不具现实意义。因此,有必要对电子围栏停车点进行聚类划分,实行区域化的管理与调度。基于此,本文提出一种基于时空约束的网络图聚类算法,该算法综合考虑空间因素（地理位置、地理环境特征）和时间因素（历史订单）,只需通过距离阈值设定即可实现电子围栏的多尺度聚类划分,实验分别在3000 m和700 m距离阈值条件下对厦门岛和乌石浦地区电子围栏进行聚类,结果显示该算法不仅能够将具有相似时空特征的电子围栏聚到同一社区簇内,而且能够使得单车流动主要集中在划分后的社区内部;随后,在社区划分基础上进行单车潮汐特征挖掘,能够有效识别和定位单车使用的热点地区;最后,利用长短时记忆神经网络（Long-Short Time Memory network, LSTM）进行单车订单需求预测,结果显示有84%以上社区的预测准确率在85%以上,平均预测准确率为91.301%,预测效果较好,可有效满足单车调度需求。本文研究成果可服务于电子围栏停车点规划与共享单车的区域化管理与调度工作。     

复杂观测环境下GNSS信号分类及精度评估

基于高度角、信噪比和伪距残差3个指标,采用K均值(Kmeans⁺⁺)、迭代自组织数据分析法(ISODATA)和基于密度带有噪声的空间分类法(DBSCAN)对复杂城市观测环境下的GNSS数据进行分类,并采用伪距单点定位模型(SPP)评估不同算法的分类精度。结果表明,Kmeans⁺⁺算法分类精度最优,在E、N、U 3个方向上的定位精度分别达2.56 m、3.25 m、9.73 m;相较于未采用Kmeans⁺⁺算法的定位精度分别提升57.86%、47.64%、60.98%。为进一步验证算法性能,将Kmeans⁺⁺算法与信噪比、高度角阈值法进行精度对比,结果表明,Kmeans⁺⁺算法的平面和三维定位精度均有显著改善,分别提升24.87%、39.07%（信噪比阈值法）和41.36%、59.91%（高度角阈值法）。     

Relationships between soil depth and terrain attributes in a semi arid hilly region in western Iran

Soil depth generally varies in mountainous regions in rather complex ways.Conventional soil survey methods for evaluating the soil depth in mountainous and hilly regions require a lot of time,effort and consequently relatively large budget to perform.This study was conducted to explore the relationships between soil depth and topographic attributes in a hilly region in western Iran.For this,one hundred sampling points were selected using randomly stratified methodology,and considering all geomorphic surfaces including summit,shoulder,backslope,footslope and toeslope;and soil depth was actually measured.Eleven primary and secondary topographic attributes were derived from the digital elevation model(DEM) at the study area.The result of multiple linear regression indicated that slope,wetness index,catchment area and sediment transport index,which were included in the model,could explain about 76 % of total variability in soil depth at the selected site.This proposed approach may be applicable to other hilly regions in the semi-arid areas at a larger scale.     

面向点云数据的黄土丘陵沟壑区沟沿线自动提取方法

基于点云数据地表建模中,沟沿线既是点云去噪的重要分割线,又是黄土丘陵沟壑区最典型的地形特征线。因此,本文提出了面向点云数据的基于多尺度格网采样和坡度分割的沟沿线自动提取方法,即在适宜格网尺度采样的基础上构建地表模型,利用沟沿线周围坡度陡变的特性提取缓坡面与陡坡面的分界线,从而生成沟沿线。通过对8个样区反复实验,确定了各自的最佳格网尺度,并发现格网尺度随点密度的增大而迅速减小,而后趋近平稳的幂函数关系,同时随机选取了另外5个样区验证了该关系的适用性。最后,通过全域分块计算得到了该地区的完整沟沿线。相比于人工识别的沟沿线,本文方法提取沟沿线的精度在0.5 m缓冲范围内为85%,效果较好,且位置更为精确。产生差异的原因主要是面向点云数据的沟沿线有更多的细节,沟沿线曲率更大,造成了其长度明显大于手动提取结果。该方法有助于提高丘陵沟壑区点云数据去植被处理和地形表面重建精度。     

多时间尺度密度聚类算法的案事件分析应用

时空聚类是数据挖掘研究的主要内容之一,在环境保护、疾病预防与控制、犯罪预防与打击等领域具有重要的应用价值。已有的时空聚类方法中,时间“距离”都认为是真实的间隔,而对于具有社会属性的案事件而言,其在不同时间尺度下具有明显的周期性特征,忽略这些特征将很难反映出案事件真实的时空规律。本文综合考虑多时间尺度下的时间属性,构建等效时空邻近域,并借鉴经典的密度聚类算法,提出了多时间尺度等效时空邻近域密度聚类算法（MTS-ESTN DBSCAN）。通过对福州市区2013年案事件数据的聚类分析表明,该方法在案事件时空聚类方面具有可行性,对于进一步深入研究城市犯罪地理具有一定的理论意义和实际价值。     

Response of fuzzy clustering on different threshold determination algorithms in spectral change vector analysis over Western Himalaya,India

Change detection is a standard tool to extract and analyze the earth's surface features from remotely sensed data. Among the different change detection techniques, change vector analysis(CVA) have an exceptional advantage of discriminating change in terms of change magnitude and vector direction from multispectral bands. The estimation of precise threshold is one of the most crucial task in CVA to separate the change pixels from unchanged pixels because overall assessment of change detection method is highly dependent on selected threshold value. In recent years, integration of fuzzy clustering and remotely sensed data have become appropriate and realistic choice for change detection applications. The novelty of the proposed model lies within use of fuzzy maximum likelihood classification(FMLC) as fuzzy clustering in CVA. The FMLC based CVA is implemented using diverse threshold determination algorithms such as double-window flexible pace search(DFPS), interactive trial and error(TE), and 3×3-pixel kernel window(PKW). Unlike existing CVA techniques, addition of fuzzy clustering in CVA permits each pixel to have multiple class categories and offers ease in threshold determination process. In present work, the comparative analysis has highlighted the performance of FMLC based CVA overimproved SCVA both in terms of accuracy assessment and operational complexity. Among all the examined threshold searching algorithms, FMLC based CVA using DFPS algorithm is found to be the most efficient method.     

城市创意产业空间动态集聚演化的计算与可视优化方法

基于人文地理视角下的城市创意产业图像可视化分析对城市深层次空间综合和区域创新发展具有重大意义。但Swarm群智能动态时空建模难以满足创意产业空间集聚的可视化发展。本文研究目标是,从城市区域创意产业空间聚类影响因素指标出发,创新性地提出区域空间动态集聚轨迹算法（Density-Based Interest Spatial Clustering of Path,DBICP）,并与计算机浏览器共建聚类可视化图像,为城市管理提供决策依据。首先,根据影响因素指标体系,利用2014—2018年空间卡口流量数据和产业指标数据进行预处理,构建空间标准聚类算法DBSCAN。然后,对其进行聚类密度分级优化形成全新DBICP算法并得出初步轨迹图像。最后,通过源码转译实现了浏览器界面下空间动态集聚轨迹图像的输出。结果表明：以上海市为例,普陀区、浦东新区、徐汇地区的创意产业空间分布形成了3种不同的聚类模式,并相应提出了分摊、均布、虹吸的管控策略。此方法克服了传统图像的聚类分级和轨迹测量的缺失,可以有效地从指标数据中发现图像轨迹聚类信息,体现了地理信息科学和人文社会学科的交叉融合。也为大数据动态图像的集聚方法提供了全新视角和借鉴价值。     

基于多传感器信息融合的城市边坡监测数据异常事件检测

为预防和管控城市突发地质灾害造成的人民生命和财产损失, 国家针对城市地质灾害易发地区部署了大量的各类传感器, 用来感知和监测城市边坡等地质体的变化情况, 以支持对地质灾害的预警。从边坡监测数据特点和时序数据分析技术出发, 针对监测数据噪声混杂、模式分析困难、预警阈值的不确定性等问题, 给出了一种基于多传感器信息融合的边坡监测数据异常事件检测方法。主要工作包括: ①边坡监测数据变化模式可以归结为周期项、趋势项以及噪声项的叠加, 实践中在预处理基础上对边坡监测数据进行周期为24 h的重采样, 同时趋势项可以近似看作是经典的牛顿运动, 以此构建形变运动模型, 为卡尔曼滤波的状态转移提供理论支持; ②采用集中式衰减记忆卡尔曼滤波, 引入衰减记忆因子, 对多传感器边坡监测数据进行特征级融合, 降低了噪声的影响, 提高了边坡监测数据的可靠性; ③引入惩罚系数, 应用改进的动态时间弯曲算法对于周期序列数据进行相似性度量。在此基础上基于K-means聚类和局部异常因子分析对边坡监测数据进行异常检测, 并基于3σ准则确定预警阈值。该方法能将正常模式和异常模式的时序数据进行区分, 有效检测出边坡监测数据的异常, 为灾害预防提供支持。最后以深圳市典型边坡监测数据为例验证了此方法的可行性。      

基于K均值聚类EEMD的CORS高程时间序列信号分析方法

针对传统EEMD进行信号分解时信噪比低和部分模态混叠的问题，提出基于K均值聚类的CORS高程时间序列改进分析方法。通过添加正负白噪声的EEMD提高信号分解信噪比，基于K均值聚类方法对EEMD迭代过程中分解的各个IMF分量进行聚类分析。实验结果表明，该方法提高信噪比3%以上，基于正交指数的分解精度提高26%以上，聚类结果能够解决IMF中近似的0.5 a、1 a、2 a周期信号的模态混叠问题。