基于WorldView-02高分影像的BP和RBF神经网络遥感水深反演

遥感水深反演是水深测量的一种重要技术和手段.以美济礁水深反演为例,选择WorldView-02高分影像为数据源,在辐射定标和大气校正的基础上,构建BP（Back Propagation）和RBF（Radial Basis Function）人工神经网络水深反演模型,以遥感影像8个波段为输入层,通过tansig、logsig、高斯函数和purelin函数变换实现从输入层到隐含层、隐含层到输出层的转换,以便反演水深.最后对反演水深与实测水深采用回归分析,求解决定系数（coefficient of determination,R2）、平均决定误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）等进行比较,评价2种模型的精度.结果表明,RBF神经网络模型结构更简单,对样本要求更低,反演精度达到0.995,更适合遥感水深反演.      

基于Landsat-8影像的北极地区入海冰川流速监测

Landsat-8 OLI因其空间分辨率较高、重复周期适中、高辐射分辨率、高图像获取率(图像质量)的特点,在北极地区大范围冰川流速监测研究中有较大优势.利用2017/2018年格陵兰岛、斯瓦尔巴群岛、北地群岛、法兰士约瑟夫地群岛、德文岛5处北极区域的Landsat-8全色波段数据,采用特征追踪方法提取入海冰川消融期流速...     

基于Landsat 8影像的合肥市地表温度空间椭圆分析

近年来合肥城镇化速度加快,经济增长迅速带来的城市热岛效应,会对人们的生活与城市规划产生影响。遥感技术的发展为大面积获取地物类型与地表温度提供了数据基础。本文以合肥市为研究区,通过获取合肥市2016与2019年的Landsat8遥感影像,通过大气校正法进行地表温度反演。通过监督分类提取出不透水层作为城市区域,引入空间标准差椭圆的方法定量分析了不透水层的空间变化特征。结果显示2019年生成的1倍标准差椭圆面积小于2016年,扁率大于2016年,椭圆的空间旋转角由南北方向向东西方向偏转,椭圆中心向西北方向略微偏移。研究结果为下一步城市规划方向提供了数据参考。     

基于Landsat-8数据南海近岸悬浮泥沙与叶绿素a浓度定量反演

为了对南海近岸海域海水悬浮泥沙与叶绿素a进行浓度估算,基于Landsat-8数据确定悬浮泥沙与叶绿素a的敏感波段并构建估算模型。结果表明,Landsat-8数据第一、二、四波段对悬浮泥沙浓度较为敏感,第一、二、三波段对叶绿素a浓度较为敏感,而以上单波段仍不能单独用于准确提取该区悬浮泥沙与叶绿素a,故建立多种形式的统计模型。由第一、二、四波段线性组合形成的悬浮泥沙浓度反演模型的相关系数达到0.904,平均相对误差为10.24%,反演精度为89.76%。由第一、二、三波段线性组合形成的叶绿素a浓度反演模型的相关系数达到0.886,平均相对误差为11.27%,反演精度为88.73%。     

全球海表温度在不同时间尺度的主模态对比分析

利用1880—2009年HadISST资料,去掉百年全球变暖的信号,研究发现东太平洋、北太平洋和北大西洋都有较强的年际和年代际振荡信号,特别是赤道东太平洋南侧的年代际振荡是不容忽视的。对全球范围的海表温度资料做EOF分析发现,存在3种主要的全球尺度信号,第一模态为太平洋型、第二模态为北大西洋型以及第三模态为赤道中太平洋型。特别指出,第三模态是CP ENSO在全球模态中的表现。这3种模态在年际和年代际尺度都有显著的信号,在无滤波的情况下,3种模态方差贡献之和为34%。在年代际以上时间尺度范围,3种模态方差贡献之和为61%。在各种时间尺度中,这3种信号与全球平均温度都有一定的联系,尤其第一、二模态的影响最为重要,在年代际尺度中,第一、二模态方差贡献之和达到50%。2005年以后全球并没有明显增温,可能与前2个模态同时下降有关。     

基于BP神经网络的土壤冰结温度及未冰水含量预测模型

土壤冻结温度与未冻水含量是冻土的重要物理参数，影响因素多，关系复杂，利用BP网络模型来描述冻结温度与未冻水含量及其与主要影响因素之间的关系，效果良好，该模型直接根据试验数据通过神经网络的自学习能力寻求输出变量与输入变量间的内在非线性规律，其优点在于可利用一个神经网络同时描述多个因素对冻结温度及未冻水含量的影响。     

基于神经网络的沉陷区水深遥感研究

为获取煤矿积水沉陷区遥感影像数据与沉陷区水深的定量关系,建立了BP神经网络水深反演模型,并对淮南潘一矿积水沉陷区水深进行了反演。首先对Landsat卫星影像数据(TM影像)进行几何校正、大气校正和沉陷区范围提取等,然后输出像元反射率值,并与水深实测控制点坐标匹配,使水深值与反射率值对应。实验结果表明:以水深值2 m为阈值,水深值小于2 m的区域,模型反演水深值与实测水深值的平均绝对误差为0.166 3 m,平均相对误差为13.29%;水深值为2~6 m的区域,模型反演水深值与实测水深值平均绝对误差为0.578 6 m,平均相对误差为15.20%。     

基于BP神经网络的土壤冻结温度及未冻水含量预测模型

土壤冻结温度与未冻水含量是冻土的重要物理参数,影响因素多,关系复杂.利用BP网络模型来描述冻结温度与未冻水含量及其与主要影响因素之间的关系,效果良好.该模型直接根据试验数据通过神经网络的自学习能力寻求输出变量与输入变量间的内在非线性规律,其优点在于可利用一个神经网络同时描述多个因素对冻结温度及未冻水含量的影响.     

改进的劈窗算法结合Landsat 8热红外数据反演地表温度研究

将劈窗算法(SW,split window algorithm)应用于Landsat8数据进行地表温度反演,完全基于Landsat8数据本身不需要借助外部数据源,克服了传统地表温度反演依赖MODIS水汽产品外部数据造成的局限,实现利用Landsat8热红外数据反演得到较高空间分辨率的地表温度产品。以美国Walnut Gulch流域为例进行SW算法地表温度反演,并与SC算法结果、MOD11-L1地表温度产品和实测地表温度数据对比分析。结果表明,与SC(generalized single-channel algorithm)算法和MOD11-L1地表温度产品相比,SW算法应用于Landsat 8数据的地表温度反演取得较好的效果,平均误差最小为0.89K,相关系数最高为0.9841,反演结果和实测数据具有较好的一致性。     

基于GA-BP神经网络算法的高密度电法非线性反演

高密度电法技术在煤矿地质灾害勘探中发挥着重要的作用。近年来,以BP（Backpropagation）神经网络为代表的一类非线性反演方法被广泛运用到高密度电法的反演中。针对BP神经网络方法在高密度电法反演中存在的易陷入局部极小、收敛缓慢、反演精度差等问题,将BP神经网络算法与遗传算法（Genetic Algorithm,简称GA算法）联合演算,实现高密度电法的二维非线性反演。通过典型地电模型对该方法进行验证,结果表明遗传算法能有效优化BP神经网络的权值和阈值,提高了算法的全局寻优性。     

南海放射虫与海表古温度转换函数的建立与检验

南海表层沉积物中放射虫分布与现代表层海水温度之间存在着较好的非线性关系。本文根据南海100个站位表层沉积中100个放射虫种类的丰度统计数据,采用主成分因子分析和多元线性与非线性回归方法,经数学分析筛选出29个站位和25个种类,用于探讨南海放射虫的古温度转换函数关系,分别建立了夏季和冬季的线性和非线性回归方程,并讨论它们的共同度、复相关系数、解释方差和估计误差。分析与检验结果显示,所建立的南海放射虫组合与冬季海水表层温度转换函数公式比夏季转换函数公式具有更好的参数指标与适用特征。文中对转换函数的建立方法与问题做了详细讨论。     

基于Landsat-7ETM+SLC-OFF影像的山地冰川流速提取与评估——以Karakoram锡亚琴冰川为例

Landsat-7机载扫描行校正器（Scan Line Corrector,SLC）失效后的ETM+影像（SLC-OFF影像）约有22%的数据缺失,严重限制了该影像在冰川研究中的应用,特别对长期缺乏高质量遥感影像的高亚洲地区冰川运动连续监测产生较大影响。以Karakoram 中部最大的锡亚琴冰川为例,初步评估了Landsat-7 ETM+SLC-OFF影像在山地冰川表面流速提取方面的适用性和可行性。选取2009年和2010年两景SLC-OFF影像,运用局部直方图匹配法（Local Linear Histogram Match,LLHM）和加权线性回归法（Weighted Liner Regression,WLR）修复缺失数据条带,并利用亚像元互相关方法对修复后两景影像进行冰川表面流速估算。结果表明,LLHM和WLR两种方法均能有效修复冰川区Landsat-7 SLC-OFF影像,其冰流估算结果与同期Landsat-5TM 影像的冰流结果较为一致,三者冰流速估算精度分别为±5.9m ·a^-1、±6.3m ·a^-1和±4.0m ·a^-1,验证了Landsat-7 SLC-OFF 影像在山地冰川流速监测中的应用潜力。     

基于BP神经网络的岩土体细观力学参数研究

目前颗粒流计算方法中所采用的细观力学参数,均需根据岩土体宏观力学参数试验结果反复调试获取,调试效率很低且有较大的盲目性,因此,急需引入一种新方法,建立岩土体宏观力学参数与细观力学参数的关系。基于PFC3D程序,采用BP(back propagation)神经网络方法,建立宏观力学参数与细观力学参数的非线性模型,通过输入宏观力学参数,即可快速、准确地反演岩土体细观力学参数。研究结果表明：(1)根据BP神经网络模型反演确定的细观力学参数,输入数值模型计算其宏观力学参数,结果与试验值相比,精度一般高于90%;(2)当模型最小尺度上的颗粒数RES = 10、隐含层含6个神经元时,BP神经网络模型的反演性能最佳。实例计算表明,BP神经网络模型对于岩土体细观力学参数的确定具有良好的反演性能,该方法为颗粒流理论的推广应用提供了新的技术手段。     

基于BP神经网络反演分析的隧道塌方机理研究

岩溶区隧道在施工过程中易发生崩塌,针对力学方面的隧道塌方机理分析较多,而针对岩溶软弱破碎带等地层方面的隧道塌方机理研究分析较少。为保证隧道施工的安全性、经济性和可行性,掌握隧道施工中的塌方机理非常有必要。依托贵州某岩溶破碎地层隧道在开挖过程中发生的坍塌现象,结合隧道的监测数据,运用BP神经网络的构建原理,对隧道的地层参数进行反演。将反演土体力学参数输入到FLAC3D有限元软件构建的不同施工方法模型中,对典型断面的崩塌破坏机制和风险进行判断和分析。结果表明：施工方法对隧道开挖的稳定性影响较大,针对围岩等级为Ⅴ级的隧道,采用三台阶七步法和单侧壁导坑法施工较安全,隧道塌方与隧道双向同时开挖没有关系;反演所得的隧道拱顶位移预测值为2.3 cm,地表位移预测值为1.2 cm,与监测数据偏差13%左右,反演结果具有一定的可信度。研究结果对岩溶区软弱破碎地层断面隧道公路建设具有重要指导意义。     

基于遗传算法优化的BP神经网络在密度界面反演中的应用

BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。     

基于BP神经网络的土体细观力学参数反演分析

利用离散元方法对颗粒材料的细观力学特性研究, 目前确定数值计算模型的细观力学参数大多数通过反复调试获取, 效率低、可重复性差。本文采用开源的颗粒离散元程序LMGC开展了土体双轴压缩数值试验, 通过25组土体细观力学参数计算得到相应的宏观力学参数, 建立了BP人工神经网络反演系统。利用土体物理试验得到的土体宏观力学参数, 输入BP神经网络, 反演得到土体的细观力学参数。将所得细观力学特性参数输入所建立的土体数值计算模型, 得到土体破坏过程中的应力-应变关系曲线, 以及土体颗粒的力链图和旋转变形云图。所建立的土体数值试验模型能够较好地模拟土体变形破坏过程, 利用BP神经网络反演细观力学参数以及数值模型计算得到的土体宏观力学参数与物理试验吻合较好, 误差在10%左右, 土颗粒间力链云图以及旋转变形云图较好地揭示了土体变形破坏的机理。     

大型地下厂房洞室群围岩参数反演与稳定性研究

在地下洞室围岩稳定研究中,岩体力学参数选取的合理性直接关系着整个分析计算的正确性,本文采用正交设计-BP神经网络位移反分析方法,基于现场监测数据,对白鹤滩水电站右岸地下厂房洞室群施工期围岩力学参数进行了反演分析。利用反演参数对地下厂房施工期洞室群围岩的应力、变形演化特征进行了研究。研究表明：有限元计算位移值与现场监测值一致性较高,验证了反演方法的合理性;厂区围岩总体变形呈\     

浅析基于BP神经网络和先验知识的伊犁河谷遥感影像分类

本文通过利用新疆伊犁河谷伊宁县的SPOT5遥感影像,基于人工神经网络中的BP算法,在Matlab7．0软件平台下,对主成分变换后的遥感影像进行土地利用分类进行讨论．．然后根据错分地物的空间位置,将分类结果矩阵中的错分类别替换为正确类别,进一步提高分类精度。结果表明,与传统的监督分类方法相比,分类总体精度提高了12．67％,Kappa系数提高了0.214,证明人工神经网络和先验知识相结合是一种有效的分类方法。     

基于井控地质约束的陵水宝岛凹陷各向异性参数反演与分析

琼东南盆地深水区地质条件复杂,不仅地层速度的横、纵向快速变化,而且地震反射的波场复杂,常规地震速度反演和偏移归位难以满足复杂构造成像的要求,因此造成中深层地震资料信噪比低和偏移归位不准等问题.为解决上述偏移成像问题,不仅需要发展适应速度建模技术,还要充分利用井的信息提高各项异性参数反演的准确性,统计分析其各向异性规律,...     

基于高光谱的土壤养分含量反演模型研究

为实现土壤养分（有机质SOM、全氮TN、全磷TP、全硫TS）含量的快速测定,以建三江创业农场为例,对土壤原始反射率进行了一阶微分（FD）、倒数对数（RL）、倒数一阶微分（FDR）、多元散射校正（MSC）和连续统去除（CR）变换,分析6种光谱变量与土壤养分的相关性,将在α=0.01水平上显著相关的波段作为特征波段,运用多元逐步回归（SMLR）、偏最小二乘回归（PLSR）和BP神经网络（BPNN）三种分析方法分别建立有机质、全氮、全磷和全硫的高光谱预测模型,并利用决定系数（R²）、均方根误差（RMSE）和相对分析误差（RPD）对预测模型进行评价.结果显示,PLSR和BPNN建立的土壤养分含量预测模型均优于SMLR,能极好地预测有机质和全氮含量,同时具有粗略估算全硫含量的能力.三种方法中仅有CR-BPNN能对全磷含量进行粗略估算.对有机质、全氮、全磷和全硫预测效果最佳的模型及其验证集决定系数分别为：MSC-PLSR （0.86）、MSC-PLSR （0.75）、CR-BPNN （0.56）、FDR-BPNN （0.67）.