人工神经网络方法(BP)在变形监测中的应用

变形模型的分析研究以及变形预测是变形监测的重要内容,常用的方法有回归分析法、时间序列法、灰色理论方法、人工神经网络法以及变形的组合分析方法等,本文就人工神经网络方法从实际应用的角度出发,对工程实例进行了计算分析,得到了相应的变形分析模型并进行了变形的预测,试验结果说明:人工神经网络方法应用于实际工程的监测预测具有一定的实际意义。     

人工神经网络在遥感中的应用与发展

介绍了国内外人工神经网络在遥感领域的应用现状,对神经网络的基本原理、技术优势、应用方法等进行了透视,并结合自己的研究实践,给出了具体的应用事例。     

基于遗传算法的小波神经网络模型及其在地面沉降监控中的应用

介绍小波神经网络的基本原理,分析小波神经网络的特点和存在的问题,采用遗传算法对小波网络的学习算法进行改进,建立基于遗传算法的小波神经网络模型.对由于地下水位变化而引起的地面沉降进行分析和研究,并利用地面沉降的实测资料建立基于遗传算法的小波神经网络模型,该模型与BP小波神经网络模型比较,具有拟合精度高和预测效果好等优点.     

GM(1,1)模型反演预测方法在沉降预测中的应用

为了研究提高GM(1,1)模型预测精度的方法,本文首先讨论了GM(1,1)模型对初值的不敏感性和拟合预测序列增长率的恒定性;其次,根据GM(1,1)的性质提出新陈代谢反演预测的方法;最后,通过工程实例对比不同模型的预测精度。结果表明:GM(1,1)反演预测方法具有很高的预测精度,适用于沉降变形预测。     

WRF模式气象数据在遥感反演PM_(2.5)中的应用研究

利用MODIS气溶胶光学厚度产品AOD,结合地面台站气象观测数据和WRF模式气象模拟数据,对徐州环境监测国控级别站点的近地面PM_(2.5)质量浓度进行反演。根据不同气象要素在反演过程中的相关程度,对气象观测数据和WRF模拟数据在遥感反演中的效果进行分析评估。结果表明,气象观测值和WRF模拟气象数据均能有效应用于PM_(2.5)的遥感反演,在气象观测数据时空覆盖度较低的情况下,能够使用WRF模拟数据进行有效替代,为不同来源的气象数据对PM_(2.5)反演应用研究提供依据和参考。     

DEM流域网络提取算法的误差特性分析

流域网络及其描述参数是一类重要的环境参数,其质量直接影响着各类地学模型和地学过程模拟的精度。在数据独立的DEM误差分析方法支持下,以比汇水面积(Specific catchment area,SCA)为计算对象,详细分析5种流域网络提取算法的误差空间分布特征。研究表明,不论何种算法,SCA误差主要集中于合水区域;不同算法的SCA频率分布随着SCA值的增加而趋于一致;SCA精度的提高有赖于DEM路径算法的改进,不同路经算法的组合可有效改善流域网络提取和分析的质量。     

小波变换和BP神经网络模型在沉降变形监测中的应用研究

变形预测在预报工程险情方面起着关键性的作用,针对施工中需及时、准确地预测变形的问题,本文利用小波变换原理对监测数据进行降噪处理,并采用BP神经网络分析不同训练样本下的预测效果和精度水平。实验结果表明:基于小波消噪后的BP网络模型,以连续的近期观测数据作为训练样本,对下期变形预测精度高,效果好,相对误差很小。因此,小波变换和BP神经网络模型在沉降变形监测工程中能作为预测研究与应用的参考。     

新几何光学核的验证以及用核驱动模型反演地表反照率(之一)

基于核驱动模型的AMBRALS程序将用于提供MODIS的反照率和二向反射产品.该文提出一个新的几何光学核-LiTransit核,用以取代目前AMBRALS运行程序中的LiSparseR核.当植被及阴影总面积在视场中比例接近于1时,新核由LiSparse核向LiDense核自然过渡.因而新核兼有LiSparse核向LiDense核的优点,比LiSparseR核更符合几何光学模型的基本原理.对于29组地面观测数据的反演试验表明LiTransit核有与LiSparse核相当的数据拟合能力,外推到大的天顶角时有LiDense核的稳定性;与LiSparseR核比较,RossThick-LiTransit的核组合更能反映直入扇出反照率随太阳天顶角变化的趋势.用NOAAAVHRR多时相数据反演的结果,也表明RossThick-LiTransit组合在反演中更为稳定.     

新几何光学核的验证以及用核驱动模型反演地表反照率(之二)

先验知识是解决反演中信息量不足问题的并用最简化的算法把先验知识应用于AMBRALS反演.先验知识在AMBRALS反演中起的作用,一是判断反演结果的置信度,二是检测和平滑噪声,三是方向采样不足情况下获取合理结果.试验的结果表明,虽然只使用了很粗糙的先验知识,但已经有了良好的效果.     

GIS空间数据采集中概率松弛与神经网络的组合模型

本文介绍一种ＧＩＳ空间数据采集中概率松弛与神经网络的组合模型，该模型用于地图分色和立体影像的整体匹配。     

利用高光谱数据估算太湖水体CDOM浓度的神经网络模型

利用2007-11-08~2007-11-21 14 d时间对太湖74个样点进行了水质取样分析和波谱实测。在分析水体固有光学特性的基础上,确定了CDOM浓度遥感反射比的敏感波段,建立了湖泊水体CDOM浓度反演的神经网络模型。结果表明,隐含层节点数为10的神经网络模型在各神经网络模型中效果最佳。利用验证样本对神经网络模型和其他算法模型进行误差分析,发现神经网络模型更适用于湖泊水体。     

新几何光学核的验证以及用核驱动模型反演地表反照率(之二)

基于核驱动模型的AMBRALS程序将用于提供MODIS的反照率和二向反射产品;该文提出一个新的几何光学核-LiTransit核,用以取代目前AMBRALS运行程序中的LiSparseR核。当植被及阴蔚总面积在视场中比例接近于;时,新核由LiSparseR核向LiDens。核自然诫。因而新核兼有公Sparse·核面LiDense核的优点,比LiSparseR核更符合几何光学模型的基本原理。对于29组地面观测数据的反演试验表明;LiTrarisit核有与LiSparse核相当的数据拟合能力,,外推到大的天顶角时有.ense核的稳定性;与LiSparseR核比较,RossThick-LiTransit的核组合更能反映直入扇出反照率随太阳天顶角变化的趋势。用NOAA AVHRR多时相数据反演的结果,也表明RossThick-LiTransit组合在反演甲更为稳定。     

基于DEM的可视频度提取与制图

首先提出可视频度的概念、分类与描述方式,着重阐述了动态观测点和动态目标点可视频度分析的理论模型.通过样区实验,介绍了可视频度提取原理和应用,并制作了可视频度专题图.     

基于AR（p）的卡尔曼滤波在GPS变形监测中的应用

由于AR（p）模型结构比较简单且计算比较方便,在变形分析中,目前常采用此模型建立变形模型。然而单纯的AR模型把模型参数作为定值,变形数据拟合误差及变形预测误差可能会比较大。介绍了将卡尔曼滤波引入AR模型,利用观测数据建立AR模型,即建立观测方程;以AR模型的参数为状态向量建立状态方程。从而形成动态系统的卡尔曼滤波函数模型,动态计算出AR模型的参数以便预测。此方法快速、实时,且占有较少内存,充分利用了AR模型和卡尔曼滤波二者的优点。     

Comparison of Inherent Optical Properties (IOPs) in Open and Coastal Waters of Arabian Sea Using In-Situ Bio-Optical Data

The two main inherent optical properties (IOPs) namely absorption and back scattering coefficients were estimated using a quasi analytical algorithm (QAA) for open and coastal ocean waters of Arabian Sea. Absorption due to gelbstoff and back scattering due to the particulate matter were calculated using the quasi analytical algorithm for all the in-situ measured reflectance spectra collected in the Arabian Sea. A comparative study was made to study the spectral variability of reflectance spectra in open as well as coastal waters of Arabian Sea. Spectral analysis was made for the absorption and back scattering coefficients calculated using the QAA for both open and coastal waters. The absorption coefficient in the open ocean waters vary from a minimum value of 0.029 to a maximum value of 0.445 and it varies from a minimum value of 0.081 to a maximum value of 4.000 for the coastal waters of Arabian Sea. Absorption due to gelbstoff or the CDOM a_g(λ), calculated for the Arabian Sea waters show a variation of 0.000202 to 0.112437 for open ocean waters and it varies from 0.002848 to 2.8936 for coastal waters of Arabian Sea. Particulate back scattering coefficient for open ocean waters vary from 0.0000307 to 0.006575 whereas b_bp(λ) vary from 0.000167 to 0.026014 for coastal ocean waters. The minimum slope for the open ocean waters is 0.989 and maximum value of 2.147 (average value of 1.7) was observed; whereas a minimum value of 0.046 and a maximum value of 1.201 (average value of 0.6) were observed from the in-situ spectra for coastal waters of Veraval. The slope ‘Y’ estimated from the model is 1.957 for open ocean waters and 0.515 for coastal waters collected in the Arabian Sea.     

基于新陈代谢的PGM(1,1)模型在建筑物变形监测中的应用

针对目前灰色理论模型在变形监测中的应用,本文分析了PGM(1,1)模型中的参数及其求解的方法;对于建模时前期观测值对后期预测值的影响,引入新陈代谢理论,通过整体最小二乘求解得到模型的背景值。结合高层建筑物沉降监测的实例进行计算分析,结果表明,基于新陈代谢的PGM(1,1)模型相比于传统的GM(1,1)模型,在建筑物沉降预测方面具有较好的效果。     

基于D-InSAR与GM(1,1)模型的矿山变形 监测与预测

为充分掌握矿山开采引起的地表残余动态变形及整体变形趋势,本文采用D-InSAR技术与GM(1,1)预测模型相融合的方法对淮北袁店二矿进行了实验研究。首先采用D-InSAR技术对袁店二矿的地表工作面进行实时监测,并利用地表移动观测站的实测水准数据对D-InSAR监测数据进行可靠性验证;然后基于D-InSAR监测数据与GM(1,1)模型的融合动态分析袁店二矿地表残余变形量;最后实现对袁店二矿地表残余变形的有效预测。实验结果表明两者的融合可以有效地对矿山进行变形监测与预测。     

基于优化背景值的MGM(1,m)模型在建筑物沉降监测中的应用

根据MGM(1,m)模型的基本建模原理,发现了模型背景值的构造形式对模型精度存在影响,从传统MGM(1,m)模型背景值构造形式的角度对其进行改造,重新构建灰色MGM(1,m)模型背景值。通过实例分析,改进后的灰色MGM(1,m)模型相较传统的MGM(1,m)模型,在精度方面有了很大的提高。     

Retrieval and Validation of Chlorophyll-a Concentrations in the Coastal Waters Off Yanam and Kakinada (Godavari) Basin Along East Coast of India

In this study chlorophyll measurements were made during March 2012 in the estuarine waters of Off Kakinada and Yanam coast, Bay of Bengal onboard a coastal vessel. In-situ water samples and optical data was collected at 21 stations (surface to 150 m depth) using Underwater radiometer (Hyperpro-II). In-vivo chlorophyll profiles were collected using wet labs fluorometer integrated with underwater Hyperspectral radiometer. Chlorophyll-a concentrations were estimated using HPLC by collecting the water samples at each sampling location. And also chlorophyll-a concentrations were retrieved from the OCM-2 data of OCEANSAT-2 satellite, processed using SeaDAS v.6.2 with the available global ocean colour algorithms namely, OC2 and OC4V4. A total of 33 samples used covering all the stations for chlorophyll-a estimation, and surface water samples of all the stations only being used for direct comparison among chlorophyll concentrations of HPLC, in-situ (fluorometrically integrated to Hyperpro-II) and retrieved from OCM-2. A good correlation found between the Fluorometer derived and HPLC measured chlorophyll-a concentration with an R² value of 0.78. The relation between Chlorophyll-a concentration measured from HPLC and retrieved from OCM-2 (OC2 and OC4V4 algorithms) using SeaDASv.6.2 for 10 samples has been compared for validation and obtained an R² value of 0.6. Also comparisons done with the in-situ measured (fluorometer) Chlorophyll-a concentration with OCM-2 chlorophyll data (OC4-V4 and OC2 algorithms) and validation with 10 concurrent in-situ surface measurements showed a significant overestimation by OCM-2 at low chlorophyll-a concentrations and underestimation at high chlorophyll-a concentrations.     

利用二次移动平均法的GM(1,1)模型和Kalman滤波在沉降监测应用中的比较分析

利用时间序列分析方法中的二次移动平均法提取出沉降监测序列中的趋势项,并在此基础上建立固定维数的动态GM(1,1)灰色模型进行沉降预测,同时利用Kalman滤波方法进行沉降预测,结合实际算例结果表明,这两种模型均能够较好地进行预测,证明了这两种预测模型均具有一定的可行性和有效性,并对两种预测模型在沉降监测预报中的应用进行了比较和分析。