低端掌上机在控制测量中的前景分析

论述了开发低端电子手簿的可行性,介绍了HP200LX掌上机的基本特点,实用汉字库的建立原理和使用,软件界面设计的基本原则和具体做法,以及手簿的功能和特点,提出了中文电子手簿设计及开发的思路。     

低端掌上机在控制测量中的前景分析

论述了开发低端电子手簿的可行性,介绍了HP200LX掌上机的基本特点,实用汉字库的建立原理和使用,软件界面设计的基本原则和具体做法,以及手簿的功能和特点,提出了中文电子手簿设计及开发的思路.     

黄河三角洲地区人工建筑对地面沉降的影响研究

选取黄河三角洲地区4个年份(1976,1986,1996和2006年)的Landsat MSS/TM数据,以东营市为研究对象,对其境内建筑比较密集的典型中心城区(市中心)、县(垦利县)、镇(孤岛镇),运用ArcGIS对这3个区域在不同时间段内的遥感影像进行解译,得到建筑面积的变化情况。利用土力学的分层总和法,结合东营市经济发展的实际情况和建筑荷载状况,计算城镇建筑物对地面沉降的贡献值。计算结果表明,东营中心城区、垦利县、孤岛镇1976—2006年建筑物导致地面年平均沉降量为2.42,1.11,0.23 mm,所得结果与现有资料数据监测到的这几个地区的沉降量情况吻合较好。     

多边形形状分析的无人机影像重叠度计算方法

针对无人机飞行姿态不稳定、地形起伏较大时,传统重叠度的统计方法计算不可靠、精度较差低、需要人工量测等问题,该文提出了一种多边形形状分析的重叠度统计方法.该方法首先利用基于区域特征与点特征相结合的高精度最小二乘匹配方法提取稳定可靠的影像同名点;然后使用改进的随机抽样一致性算法计算影像间的单应矩阵,并获取两影像的重叠多边形;最后采用多边形形状分析法获取最小重叠部分长度并计算得到重叠度.实验表明,该方法能够快速、准确地实现无人机影像重叠度的统计,与人工量测结果相比,误差均在3％以内,在实际生产中大幅提高生产效率和质检精度.     

面向新农科的遥感"课程思政"建设

随着社会经济的发展,当下的农科教学已经发生巨大改变,新农科建设和"课程思政"是党和国家站在国家发展战略角度提出的我国培养新时代中国特色社会主义农业人才的重要部署.本文介绍了遥感在现代化农业中的应用,并与新农科教育理念和"课程思政"相对接,按新农科建设和"课程思政"的要求探索立德树人下的农业教育人才培养新模式."课程思政"的遥感课建设采用画龙点睛式、专题嵌入式、元素化合式、隐性渗透式等教学方法和手段达到寓道于教、寓德于教、寓教于乐的目的,从而在培养学生的主动学习和解决问题的能力的同时,加强对大国梦的认识,树立正确的社会主义核心价值观,并利用国产遥感数据,通过参加ESRI、航天宏图等遥感平台大赛,增强学生的爱国情操,全面提升立德树人,促进新农科背景下农业遥感人才的培养.     

地下水污染的自组织预测模型及其应用

自组织预测模型是前苏联学者Ivakhnenko于 70年代提出的一种非线性建模预测方法 ,它能有效地解决复杂非线性系统的数据处理和建模问题 .应用自组织方法进行地下水污染预测 ,以实际监测数据为基础 ,建立了地下水污染预测的自组织模型 ,其预测精度较高 ,检验误差在 5 .2 %以内     

地下水不的自组织预测模型及其应用

自组织预测模型是前苏联学者Ｉｖａｋｈｎｅｎｋｏ于７０年代提出的一种非线性建模预测方法,它能有效地解决复杂非线性系统的数据处理和建模问题,应用自组织方法进行地下水污染预测,以实际监测数据为基础,建立了地下不不污染预测的自组织模型,其预测精度较高,检验误差在５．２％以内。     

2022年芦山6.1级地震和马尔康6.0级地震前的重力变化特征

地震孕育过程中的地表重力值会发生相应的变化,利用四川地区2018年3月—2022年4月的流动重力观测数据得到重力场等值线变化图,研究2022年芦山6.1级地震和马尔康6.0级地震前的重力变化特征。结果表明：(1)芦山6.1级地震和马尔康6.0级地震震前约一年半进入重力变化显著时期;(2)芦山6.1级地震对马尔康6.0级地震的发生有促进作用;(3)芦山6.1级地震和马尔康6.0级地震前震区重力变化等值线出现类似于四象限区域的分布特征,显示该处应力高度集中;(4)芦山6.1级地震和马尔康6.0级地震震中区处于零值线附近且零值线在此处转折弧度较大,是构造带易发震的薄弱位置。     

基于线性数据重构的天线动力学模型辨识方法

射电望远镜天线伺服控制系统中的非线性特性, 对系统动力学特性辨识有着显著的影响, 会提高辨识难度, 增加辨识模型的复杂程度. 系统非线性特性的测量与补偿也会增加系统辨识工作量. 针对上述问题, 提出了一种基于非线性采样数据的线性重构方法, 用于动力学特性建模. 通过提取原采样数据的相位与幅值, 对受到噪声与非线性畸变影响的系统采样数据进行线性重构, 降低待辨识模型的复杂度. 搭建了半实物实验平台, 以平台实际采样为基础, 重构线性数据, 利用奇异值法与自回归神经网络评估并辨识平台动力学模型. 实验结果表明, 建模数据奇异值拐点从100阶下降至40阶, 仅用10个神经网络节点200次训练即实现了模型辨识.