小波基选取对重力异常多尺度分解的影响

针对重力异常分离的有力工具——小波分析最优小波基获取的研究较少的现状,该文试图通过理论模型实验分析方法,深入探讨小波分解阶数、不同小波基、场源深度变化对重力异常分解的影响。实验结果表明,重力异常多尺度分离的最优小波基为Dmey小波,最佳分解阶数为7阶;当场源深度发生变化时,最优小波基和分解阶数保持不变。     

多元回归分析法在地铁沉降监测中的应用

以乌鲁木齐市地铁某标段暗挖隧道变形监测为例,采用多种监测方法对该施工标段进行地表沉降监测,并通过Matlab软件建立了与实际工程相适应的回归模型。该模型可分析处理数据以及预测变形曲线,能充分发挥变形监测在地铁暗挖施工过程中的重要作用。     

改进U-Net的遥感图像语义分割方法

利用深度神经网络进行遥感影像语义分割是遥感智能解译的一个重要内容，在城市规划、灾害评估及农业生产等领域具有十分重要的作用。高分辨率遥感影像具有背景复杂、尺度多样及形状不规则等特点，使用自然场景语义分割方法处理遥感图像往往存在分割精度低的问题。针对上述情况，本文在U-Net模型基础上，提出了一种多尺度跳跃连接方法来融合不同层次的语义特征，获取准确的分割边界与位置信息；引入注意力机制和金字塔池化解决复杂背景下的精细分割问题。为了验证本文方法的有效性，在WHDLD和LandCover.ai数据集上进行试验，并与主流语义分割方法进行对比。试验结果表明，本文方法的mIoU分别达到74.28%和82.04%,F₁均值达到84.47%和89.76%,均优于其他对比方法；相比于U-Net的分割结果，IoU在建筑物、道路等占比较少的类别上提升明显，且优于其他对比方法。