S-SARⅡ技术的崩塌临灾应急监测原理及其应用

崩塌灾害具有高隐蔽性、强突发性、重危害性等特点, 其预警监测是各类重大基础工程准备阶段以及施工期间的重要研究工作, 同时也是崩塌临灾监测救援现场指挥工作的重要科学依据。结合地基合成孔径干涉雷达技术(GB-InSAR)和最新的MIMO技术, 将应急边坡救援雷达S-SARⅡ的系统量程扩大了60倍, 并通过监测内蒙古某矿场主矿坑西南帮崩塌隐患点生成雷达形变图, 结合三维高程模型DEM以及多种预测模型预测崩塌发生时间。结果表明, S-SARⅡ精准地确定了形变区域及形变量, 并预测崩塌发生时间为8月29日9∶32-10∶27之间, 最终崩塌发生时间为8月29日10点26分。因此, S-SARⅡ准确预测了崩塌灾害的发生时间, 最大程度地保障了矿区的生产安全, 并通过实际应用分析证明, 优化后的S-SARⅡ的系统量程得到了数量级提升, 满足崩塌监测的需要, 且以S-SARⅡ为代表的遥测预警技术在地质灾害险情处置和应急救援中具有明显的技术优势。      

基于D-InSAR技术北海市地面沉降监测研究

城市地面沉降监测对城市的安全与发展具有重要的意义。差分雷达干涉测量技术作为合成孔径雷达卫星应用的拓展,具有全天候、大范围、快速获取高精度地表形变信息的优势,在城市地面沉降监测中得到广泛应用。文章基于双轨法D-InSAR技术对北海市地面沉降进行详细监测与分析,获取了北海地区的地表形变信息。研究发现地面形变在北海市辖的三区一县均有,结合实地勘察,明确北海市地面沉降的主要影响因素为地下水资源开采。结果表明,D-InSAR技术在北海市地面沉降监测中的效果显著,能较为准确地提取区域地面的形变信息。     

利用GPS位移数据校正2011日本Tohoku地震的InSAR形变场

轨道误差是InSAR数据处理中的一个重要因素,对从最初的图像配准到最后的高程值或形变值图像的生成都有着重要影响。含有误差的轨道参数造成基线误差以残差条纹的形式存在于干涉图中。本文利用4个条带的61景PALSAR升轨数据,通过InSAR干涉测量得到覆盖2011日本Tohoku地震的雷达视线向的地表同震位移场。通过联合GPS同震位移数据,采用二次多项式曲面拟合的方法去除InSAR同震形变数据中的卫星轨道误差,并分析雷达入射角变化对轨道误差去除的影响。对干涉图中拟合残差进行分析,改正后的InSAR同震形变场精度得到较大提高。     

综合SBAS-InSAR与CR-InSAR解译安康膨胀土机场形变

基于49景Sentinel-1影像,综合SBAS-InSAR和CR-InSAR技术对安康膨胀土机场进行为期2 a的形变监测。结果表明,共存在3处明显失稳边坡区域,与机场填方区域高度重合,失稳边坡沿视线向远离卫星,在空间上形变范围由点到面,时间上形变速率逐渐变缓。结合降雨数据对机场形变规律进行进一步分析,发现膨胀土边坡形变在夏季降雨高发期明显变缓,甚至发生抬升。综合分析推测,机场边坡区域发生的特殊形变与施工填方所用的膨胀土具有密切关系,且安康机场形变仍在持续。     

IBIS-L系统与TM30全站仪在边坡变形监测中的对比分析

使用IBIS-L系统对大型水电站边坡长时间的监测数据进行分析和处理,并与TM30全站仪进行变形监测精度对比。试验表明,IBIS系统可得到在雷达视线方向优于mm级精度的形变结果,优于TM30全站仪,可以实现高分辨率、高精度、实时的大型水电站边坡长时间变形监测。     

基于干涉点目标分析方法的大光包滑坡形变监测

为研究干涉点目标分析(IPTA)方法应用于超大型滑坡形变监测的有效性,采用IPTA方法处理大光包滑坡65景Sentinel-1A影像,获得大光包滑坡的总体形变趋势及时间序列,并与StaMPS-SBAS方法的处理结果进行交叉验证,同时结合全球降水数据进一步分析形变与降雨之间的关系。结果表明,IPTA方法在超大型滑坡形变监测方面具有较好的应用效果;大光包滑坡在观测期间一直处于形变状态,雷达视线向形变速率最高达-50.590 mm/a;滑坡特征点形变速率在雨季明显加快,存在再次发生滑坡的风险。     

使用ALOS DInSAR提取汶川地震同震地表形变场

为探测汶川Ms8.0地震引起的地表形变,用ALOS卫星PALSAR L波段SAR数据与GPS观测数据,采用两轨雷达差分干涉方法,计算出了地震影响区约83 194 km ² 范围内的同震干涉图与形变场。此外,以16个GPS点的形变数据为参考,对干涉形变的精度进行分析,结果表明：除近断层区域两类数据存在较大差异外,整体吻合程度较高。     

高分辨率SAR数据在河北省城市形变监测中的应用

针对传统形变监测难以在短时间内进行大面积形变监测的问题,结合基于时间序列的雷达差分干涉测量(PS-InSAR)技术,以TerraSAR-X数据为例,重点研究了高分辨率SAR数据在城市地表形变监测中的应用,并对石家庄市、沧州市城区进行了监测,使用了2013年和2014年间各37景数据,采用了SARPROZ软件进行数据处理。实验结果显示,在石家庄市和沧州市各有三处较大形变区域。根据历史水文地质数据资料对比显示,产生形变的区域主要为地下水漏斗区域和大型建筑施工区域。在对石家庄市的分析结果中还发现,由于建筑施工造成了高铁沿线周边区域的较大沉降。此外,经过与沧州市历史沉降资料对比发现,传统沉降区已得到了有效的控制。总体而言,高分辨率SAR影像差分干涉技术为城市大面积地表形变分析提供了一种行之有效的监测手段,对传统沉降区的持续监测、高铁运行、地铁施工建设等具有重要参考意义。     

山西地区跨断层流动形变监测探讨

山西地区跨断层流动形变监测存在极大的盲区，场地监测手段单一，绝大部分场地未布设为环，存在大量的土层基岩混合监测场地。从监测环境、映震效能等方面评价监测效能，个别监测场地存在严重的环境干扰因素，影响监测资料质量。本文探讨跨断层流动形变监测优化并提出建议，以期提高该区跨断层流动形变监控水平。     

基于SBAS-InSAR的矿区采空区潜在滑坡综合识别方法

针对位于山区且受大量采空区影响的边坡,利用传统测量方法监测耗费人力、物力且光学遥感难以定量识别其是否为潜在滑坡的问题,本文提出一种融合研究区小基线集（SBAS-InSAR）地表监测数据、坡度及坡向的识别方法。通过SBAS-InSAR技术获得研究区地表雷达视线（LOS）方向形变速率,将其转化为垂直方向形变速率,并根据研究区DEM建立坡度及坡向分析图,根据不同山体的坡度、坡向找到易发生滑坡的区域,融入该区域垂直方向的时序形变速率,对其进行滑坡识别。实验表明：卡房镇周边受采空区的影响较大,多数区域垂直方向年形变速率大于10 mm/a;通过本文方法对研究区潜在滑坡进行识别,发现在研究区的21处历史滑坡点中,有16处被识别为潜在滑坡,5处未被识别但也位于发生形变的区域内,表明本文方法对潜在滑坡的识别精度高,具有可行性。该研究为识别采空附近的潜在滑坡提供了一种新的思路,可以有效识别采空区附近山体边坡是否处于潜在的、不明显的滑动状态,对滑坡灾害具有预警作用。     

基于深度全连接神经网络的大坝变形预测研究

将深度全连接神经网络引入大坝变形预测领域,结合大坝多源监测数据的训练样本,建立基于深度全连接神经网络的大坝变形预测模型。利用几种常见的深度优化学习算法对模型进行优化训练,通过对比各损失函数的变化曲线选取最优学习算法,进一步构建基于最优学习算法的深度全连接神经网络大坝变形预测模型;最后结合大坝多源监测数据的测试样本对模型进行检验分析,并将预测结果和传统BP神经网络的预测结果进行对比。研究结果表明,本文的深度全连接神经网络模型预测精度高、实用性强,可为大坝安全监控提供参考。     

基于核混合效应回归模型的地震数据预测

针对地震观测数据难以准确预测的难题,提出基于核混合效应回归模型。为验证该算法模型的可行性,结合湖北地震台站地球物理仪器产出数据开展仿真实验,并与传统的神经网络算法作对比。结果表明,该模型能准确预测地震地球物理观测数据且性能优于其他神经网络算法,对水温、水位数据的预测相对误差低于0.05%及0.48%。该研究为地震监测预报人员积累、分析地震基础数据提供了全新思路,同时也为较复杂的深度学习类算法框架模型的构建提供了实践基础。     

基于WPA-WOA-BP神经网络的PM2.5浓度预测

针对传统BP神经网络存在的学习速度慢、易陷入局部极值等问题,利用鲸鱼优化算法(WOA)以及狼群算法(WPA)混合优化BP神经网络的权值和阈值,构建WPA-WOA-BP神经网络模型,并对PM2.5浓度进行预测.实验结果证明,WPA-WOA-BP神经网络模型预测稳定性高,可用于PM2.5浓度的预测,且预测精度优于BP神经网...     

基于物理模型训练神经网络的作物叶面积指数遥感反演研究

叶面积指数(LAI)是估算作物生长的关键参数。基于物理模型的LAI反演,被认为是当前最为可靠的方法,但其反演复杂。本文提出了将物理模型和神经网络相结合,从地表反射率反演叶面积指数的算法,利用MOD IS地表反射率和4-scale模型反演作物LAI。(1)利用4-scale模型模拟不同LAI与地表反射率的关系,生成训练数据;(2)利用模型模拟的LAI训练神经网络;(3)以MOD IS地表反射率输入训练后的神经网络,反演LAI。估算的LAI与其他LAI产品进行了比较,结果表明,估算的作物LAI和MOD IS及CYCLOPES LAI产品空间和时间分布一致,均方根误差分别为0.4994和0.6558。以2004年衡水的作物LAI地面观测数据进行了直接验证,估算的LAI与研究区地表植被分布一致,但是,三种卫星LAI产品都小于地表测量,故需针对华北平原浓密作物设计模型参数化方案。     

Evolving neural network using variable string genetic algorithm for color infrared aerial image classification

Coastal wetlands are characterized by complex patterns both in their geomorphlc and ecological teatures. Besides field observations, it is necessary to analyze the land cover of wetlands through the color infrared （CIR） aerial photography or remote sensing image. In this paper, we designed an evolving neural network classifier using variable string genetic algorithm （VGA） for the land cover classification of CIR aerial image. With the VGA, the classifier that we designed is able to evolve automatically the appropriate number of hidden nodes for modeling the neural network topology optimally and to find a near-optimal set of connection weights globally. Then, with backpropagation algorithm （BP）, it can find the best connection weights. The VGA-BP classifier, which is derived from hybrid algorithms mentioned above, is demonstrated on CIR images classification effectively. Compared with standard classifiers, such as Bayes maximum-likelihood classifier, VGA classifier and BP-MLP （multi-layer perception） classifier, it has shown that the VGA-BP classifier can have better performance on highly resolution land cover classification.     

���μ�����ݵ�С��������Ԥ�ⷽ��

??????μ?????????????????????????С??????????????????????С???????????????μ??????????????????????????????????ó????????б????ó?????:С??????????????μ??????????????????????Ч????     

�������ɷַ�����BP���������α�Ԥ���е�Ӧ��

?????α????????????????????????????BP???????????????α??????????????????????????????????????????????????????????????????????????????????BP??????????????????Ч????     

基于微波数据与光学数据集成的机器学习技术在作物产量估算中的应用

各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm²）,平均绝对误差(MAE=425.168 kg/hm²)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm²,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。     

���������ںϵĻ����ۺϼ����Ϣ��ȡ����

??????????????о???????????????????????????????????е???á????÷???????????????????????????????????????????????????????????????????????????С?     

Application of Improved Multi-Objective Ant Colony Optimization Algorithm in Ship Weather Routing

This paper presents a novel intelligent and effective method based on an improved ant colony optimization(ACO)algorithm to solve the multi-objective ship weather routing optimization problem,considering the navigation safety,fuel consumption,and sailing time.Here the improvement of the ACO algorithm is mainly reflected in two aspects.First,to make the classical ACO algorithm more suitable for long-distance ship weather routing and plan a smoother route,the basic parameters of the algorithm are improved,and new control factors are introduced.Second,to improve the situation of too few Pareto non-dominated solutions generated by the algorithm for solving multi-objective problems,the related operations of crossover,recombination,and mutation in the genetic algorithm are introduced in the improved ACO algorithm.The final simulation results prove the effectiveness of the improved algorithm in solving multi-objective weather routing optimization problems.In addition,the black-box model method was used to study the ship fuel consumption during a voyage;the model was constructed based on an artificial neural network.The parameters of the neural network model were refined repeatedly through the historical navigation data of the test ship,and then the trained black-box model was used to predict the future fuel consumption of the test ship.Compared with other fuel consumption calculation methods,the black-box model method showed higher accuracy and applicability.