利用互信息和IPSO-LSTM进行滑坡监测多源数据融合

针对滑坡监测中的多源异构数据融合问题,结合互信息(mutual information, MI)、改进粒子群优化算法(improved particle swarm optimization, IPSO)和长短期记忆神经网络(long short-term memory,LSTM),提出一种新的多源异构监测数据融合方法。该方法基于互信息对影响滑坡变形的多个环境因子变量进行筛选,将筛选后的环境因子变量作为LSTM模型的输入变量,以滑坡累计位移量数据作为期望输出数据,并通过改进的粒子群寻优方法对模型进行参数寻优,获取模型的最优参数组合,进一步提高融合模型的预测精度。采用中国贵州省六盘水市水城县发耳滑坡的全球导航卫星系统(global navigation satellite system,GNSS)实测数据进行实验,结果表明:基于互信息和IPSO-LSTM的数据融合算法适用于具有多源异构监测数据的滑坡变形预测,且基于互信息的环境因子变量筛选方法优于Pearson相关系数筛选方法,经改进粒子群算法参数寻优后,融合模型的均方根误差(root mean square error,RMSE)达到2.6 mm,平均绝对误差达到1.7 mm,拟合优度达0.994。     

动态数据驱动模式下的湖泊流域降雨径流模拟

湖泊流域汇水径流过程的模拟预测是一种复杂系统中的时间序列分析问题。模型选择上,现有的机理模型法与辨识模型法各有利弊。同时,现有的模型多采用静态数据驱动模拟,不能有效利用传感网实时观测数据来改善模拟不确定性的问题。本文基于深度循环神经网络技术,提出一种适应动态数据驱动的模式,可融合遥感数据与原位传感器站点数据的DTSM(Dynamic Data Driven Time Series Model)时序模拟预测模型,并在观测值与数值模拟之间建立了一种能动态反馈、自适应调整的模拟框架,解决了传统辨识模型法对时序信息挖掘较弱导致模拟精度较低的问题。通过在鄱阳湖多个子流域入湖径流的案例中验证,显示静态数据驱动模式下,以不同数据源作为输入模拟时,本文DTSM模型的纳希效率系数Ens精度比机理模型提高10个百分点以上;相比静态模式,动态数据驱动模式的模拟精度有进一步提高,尤其是对于静态模式精度较低的流域,提高更为明显。     

一种基于主成分分析的时空地理加权回归方法

针对时空地理加权回归模型(GTWR)进行预测时,输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的时空地理加权回归方法(PCA-GTWR)。该方法采用非线性主成分分析方法,先对影响PM2.5浓度的若干相关变量降维处理得到几个综合指标,并将其作为GTWR模型的输入变量进行预测。为验证该方法的有效性,采用北京市2014-04—2017-03的PM2.5数据,利用Pearson相关系数法选取与PM2.5浓度具有较高相关性的影响因素作为常规的GTWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。结果表明应用非线性主成分分析方法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法的MAE、RMSE、AIC均低于常规的GTWR模型,拟合优度GF最高达到88.11%。     

利用主成分分析法及地理加权回归模型分析AOD数据

针对采用地理加权回归模型（GWR）进行预测时输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的地理加权回归方法（PCA-GWR）。首先,该方法检验了气溶胶光学厚度（AOD）影响因素之间的共线性;然后,通过非线性主成分分析法（NLPCA）对影响AOD值的若干相关变量进行处理,既消除了相关变量彼此之间的多重共线性,又可以起到降维的作用;最后,利用非线性主成分分析得到较少的几个综合指标,通过地理加权回归模型对AOD值进行分析预测。为验证该方法的有效性,采用京津冀地区的AOD、高程、风速、气温、湿度、气压、坡度、坡向数据,利用Pearson相关系数法选取与AOD浓度具有较高相关性的影响因素作为常规的GWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。研究结果表明：应用非线性主成分分析法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法所得的MAE、RMSE、AIC及其拟合优度R²均优于常规的GWR模型。     

数据驱动与理论驱动双向耦合的智能化地球系统模式探索

分析总结了人工智能方法在地球系统模式中的应用,提出了人工智能数据驱动与物理模型理论驱动相融合的智能化地球系统模式研究框架,并对该框架的研究思路和关键技术进行了分析。该框架将地球系统模式自下而上的数据驱动模型与自上而下的物理模型耦合,通过双向驱动共同实现地球系统数学物理方程的有效求解,从而构建智能化的地球系统模式。进一步研究需要基于该理论框架提出具体可行的算法,从而促进智能化地球系统模式研究的发展。     

一种视觉变量相似性驱动的点数据符号化过程模型

首先分析了点数据符号化过程中的视觉变量相似性和绘制流程可重用性.在此基础上提出一种视觉变量相似性驱动的符号化过程模型.该模型将顺序型的地图符号化流程改变为符号化子过程可交叉共享的符号化流程.针对I/O密集的符号图形构造过程,提出图形缓存;针对计算密集的符号图形离散过程,提出扫描线缓存;针对像素操作密集的符号栅格化过程,提出栅格缓存.试验结果表明本文方法能够在保证绘制质量的前提下显著提高点数据的符号化效率.     

水稻冠层氮素含量光谱反演的随机森林算法及区域应用

利用地面实测数据构建高精度的水稻冠层氮素含量光谱反演点模型并将其进行尺度转换,实现了水稻冠层氮素含量准实时、大区域监测。以氮素光谱敏感指数作为输入变量,冠层氮素含量数据为输出变量,利用随机森林算法构建水稻冠层氮素含量高光谱反演模型,并用苏州市水稻农田验证区数据,检验模型的普适性和有效性;利用准同步的Hyperion数据,采用对输入、输出变量进行线性变换的简单尺度转换方法实现了点模型的区域应用。结果表明:基于随机森林算法的水稻冠层氮素含量高光谱反演模型可解释、所需样本少、不会过拟合、精度高(模型在实验区的预测精度为R2=0.82,验证区检验精度为R2=0.73)且具有普适性;点模型基于高光谱遥感卫星影像和尺度转换进行区域应用,精度较高(R2=0.81)。     

基于MODIS热红外波段与投影寻踪模型的水汽反演方法

基于热红外波段的水汽反演方法可以进行夜间观测,但是精度稍低,因此提出基于MODIS热红外通道结合投影寻踪模型的水汽反演方法。通过变量选取实验和结果对比实验,选取出最适宜的模型输入变量及变量组合,建立了投影寻踪模型水汽反演方法;应用该方法反演了美国南部地区2015年夏季与中国山西省2011年7月份的水汽含量,并与GPS测量水汽数据进行了对比。结果表明:在美国南部地区,基于投影寻踪模型的水汽反演算法反演得到的水汽含量与GPS测量水汽含量的均方根误差(root mean square error,RMSE)为2. 478 mm;在山西省RMSE为1. 408 mm;与MODIS热红外水汽产品数据相比,具有更高的精度,且弥补了近红外夜间无法工作的缺陷,更具有业务化推广的潜力。     

高光谱技术的水上苯乙烯厚度反演模型研究

针对水上发生化学品泄露时传统监测手段不能及时准确地获取泄露污染物的厚度问题,提出了以高光谱数据为基础数据,提取出与污染物厚度相关性较好的特征变量作为预测变量,结合python中的机器学习,通过4种预测模型进行污染物厚度反演。本文以水上泄露常见的化学品苯乙烯为例,测定不同厚度的水上苯乙烯及其对应的高光谱数据集,通过相关系数以及p值极值提取法,筛选出的11个特征变量,分别建立了多元线性回归(MLR)、偏最小二乘(PLSR)、支持向量机(SVM)和随机森林(RF)4种苯乙烯厚度反演模型。结果显示,4种反演模型都可以达到相对较好的反演效果,其中随机森林模型反演效果相对较好,其相关系数(R~2)为0.938 6,均方根误差(RMSE)为20.94,完全可以用于水上苯乙烯厚度反演。     

基于数据运营的新型智慧城市发展模式分析

在分析解读"新型智慧城市"的政策、借鉴行业发展经验的基础上,研究并提出了基于数据运营的新型智慧城市发展模式的发展理念、驱动模型、功能架构,并对发展建设要点提出了建议。     

半参数模型与拟合推估模型的比较

在分析半参数模型与拟合推估模型的基础上,指出半参数模型可以包括拟合推估模型.在信号是随机量且其协方差矩阵已知时,通过选择合适的正则化参数,利用半参数模型可以改进拟合推估的结果.通过一个坐标变换的算例,比较这种情况下半参数模型和拟合推估模型的效果.     

Klobuchar模型和NeQuick模型在中国地区的精度评估

将CODE以及GPS广播星历提供的8个系数分别作为Klobuchar模型的输入参数,利用Klobuchar模型及NeQuick模型计算得到中国地壳运动观测网15个GPS基准站上2000～2008年的电离层VTEC序列,以欧洲定轨中心CODE提供的事后电离层产品作为参考标准,得到了两个模型在中国地区的精度评估结果。     

灰色模型与智能算法组合模型在变形预测中的应用

变形监测工程是一个复杂的综合系统,各种参数具有很大的不确定性.目前变形的预测分析多采用单一的预测方法,而各种方法都有各自的优缺点和应用范围,有时单一的预测方法对判定工程性质带来了困难.引入了组合预测的思想,在灰色GM(1,1)模型的基础上,构建了灰色+GA+BP神经网络组合模型,探索了时间序列的数据处理和预报问题,通过...     

倾斜影像的三维模型构建与模型优化

如何对三维模型构建具体环节优化,获得更加逼真的三维模型,目前该方面的研究较少。本文采用PhotoScan软件,在对研究区构建三维模型关键步骤探讨的基础上,提出了纹理缺失、图像扭曲、数据筛选,以及PhotoScan软件参数设置及操作顺序等方面的三维建模优化技术。     

GEM模型、RF模型和M5T模型的无人机DEM测点插值算法比较

无人机技术作为现如今测量的先进技术,已被逐渐广泛应用,由于DEM数据在实测过程中只能形成点数据,因此对点数据的插值计算一直是测绘专业研究的热点。为找出适用于无人机DEM测点插值计算的最优模型,本文基于GEM模型、RF模型和M5T模型,以降雨、经纬度和海拔为输入参数,对不同模型下的DEM进行了插值计算,结果表明:GEM模型表现的精度最高,该模型RMSE仅为11.72 m,RRMSE为12.7%,R2为0.964,Ens为0.946,MAE为11.28 m,该模型可作为无人机DEM测点插值计算的标准模型使用。     

实景三维模型与三维仿真模型混合展示及应用

在分析倾斜摄影实景三维模型建模与人工三维仿真模型两类模型优缺点的基础上,提出一种混合展示方法,实现了在同一三维场景中两类模型的独立加载和混合加载,并提出开展两类模型优势互补的三维应用方法。实验验证了其有效性、可行性。     

三维坐标转换的高斯-赫尔默特模型及其抗差解法

对三维坐标转换的高斯-赫尔默特（Gauss-Helmert,GH）模型,采用牛顿-高斯（Newton-Gauss）迭代算法构建了该模型的拉格朗日目标函数,推导了其解算方法,并给出了具体的计算步骤。在此基础上,考虑到可能出现的粗差对观测空间与结构空间的综合影响,基于标准化残差构造权因子函数,推导了该模型的抗差解法。仿真实验结果表明,GH模型用于三维坐标转换时不受旋转角度大小和其他附加条件限制,解算结果与现有算法一致,且估计参数的维数大大降低,计算效率有一定程度的提高;所提出的抗差解法效果良好,与现有基于整体最小二乘的三维坐标转换的抗差解法相比,表现出了更好的稳健性。     

利用EGM2008模型与加权组合模型进行高程异常拟合

高程异常拟合是GPS高程测量应用于实际工作的重要技术手段,高精度地求解高程异常是技术关键。本文提出了顾及EGM2008重力场模型的高程异常拟合方法,通过EGM2008重力场模型计算高程异常长波项,并对剩余高程异常利用加权组合模型进行拟合。通过江苏省某市的实测数据验证顾及EGM2008重力场模型的加权组合模型拟合方法。结果表明,该方法的精度达到了厘米级,高程异常拟合效果最大提升了30%。     

时空数据模型及TGIS研究

时空数据模型是研究TGIS的核心,总结了它们之间的关系,分析了TGIS中的当前几种主要时空数据模型特征及存在的问题,探讨了当前时空数据模型研究存在的问题,最后对GIS和时空数据模型的将来发展方向给出了一些建议和展望。     

古建筑激光点云-模型多层次一体化数据模型

目前,主流的激光点云数据模型仍以散乱点组织为主,且点云与模型分开组织。本文应古建筑激光点云处理建模的数据组织需要,通过点云、模型的关联组织和古建筑层次编码等方法,创建了古建筑激光点云-模型多层次一体化数据模型。并通过实例应用进行了验证,效果较好,为点云的复杂数据组织提供了借鉴。