共查询到19条相似文献,搜索用时 46 毫秒
1.
2.
3.
面向对象的地质图数据模型研究与实践 总被引:4,自引:0,他引:4
地质数据模型是地质应用问题向计算机应用系统转换的桥梁,是地质数据库建设和地质信息系统开发的基础。开发面向对象的地质图数据模型是为了更好地满足各种应用需求,合理高效地组织、存储和管理地质图数据,方便用户进行数据分析与知识发掘。基于现有的GIS空间数据建模技术和技术平台原则,结合数据库建设实践,建立了应用模型与组织模型统一的地质图数据模型。 相似文献
4.
基于多层DEM与QTPV的混合数据模型及其在地质建模中的应用 总被引:7,自引:1,他引:7
提出一种基于多层DEM与似三棱柱体元(QTPV)的混合三维数据模型。模型包含顶点、线段(棱边、三角形边)、三角形、侧面四边形、似三棱柱体元和DEM 6个基本元素,同时包含点对象、线对象、面对象、体对象、复杂对象、空间对象等6个对象。设计了6个基本元素和2种地质对象的数据结构和它们之间的拓扑关系。研究了基于原始采样点和基于内插点的两种建模方法。以模拟数据和地质钻探数据对开发的原型系统进行验证。研究表明,基于多层DEM与似三棱柱体元的混合三维数据模型具有同时表达空间对象的表面和内部结构的能力,适合地质勘探领域的三维建模。 相似文献
5.
6.
介绍了面向对象数据模型的基本概念,重点讨论了面向对象数据模型在地理信息系统中的应用及具体实现途径。 相似文献
7.
8.
9.
数字填图中不同阶段数据模型的继承技术 总被引:8,自引:0,他引:8
以当前第三代地理数据库模型和PRB数据模型为基础, 通过PRB数据流“栈”与不同阶段数据模型的关系说明PRB数据流“栈”是不同阶段数据模型继承和传递的基础; 阐明了最终解释成果空间数据库的数据模型是在不同阶段结构化与非结构化数据模型关系上通过抽象与综合来实现“继承”的; 用对象类和要素类的互操作来实现空间与非空间的属性继承传递.同时, 基于地质图一体化的描述、组织和存储的数据建模原则, 得出了基于PRB数据模型为基础的PRB地质图空间数据库由17个基本要素类、6个对象类、8个综合要素数据集构成.并对实体名称、要素与对象编码、空间数据类型、实体间的关系、主关键字名称、子关键字名称、注释要素类编码、实体属性内容说明进行了定义和说明 相似文献
10.
传统的GIS数据模型难以表达非结构化数据和GIS中具有复杂结构的数据,更不能表达数据间继承、聚合等在GIS中广泛使用的关系。面向对象的技术则可以很好地解决上述问题。这里介绍了面向对象的地理数据库的设计和建立。并结合矿区矿产管理工作中的特殊性,实例分析了其在矿区矿产地理数据库建立中的应用。 相似文献
11.
12.
基于空间数据和专家知识驱动的地质编图技术研究与应用 总被引:1,自引:0,他引:1
地质图编制专业性强、工作量大,编图环节繁琐,而人工智能、大数据等新一代信息技术的快速发展,为中国地质图的编图技术发展提供了支撑。在地质大数据环境下,提出基于地质知识驱动的地质编图技术,通过构建地质编图时空综合模型和地质代号智能识别模型,可以对多图幅的沉积岩、侵入岩、火山岩、变质岩、构造等地质要素进行人机交互式、自动化、智能化地图元综合、断层简化、线形圆滑、图幅接边等。近年来,基于该技术在青海东部地区、河南洛阳、郑州地区及京津冀多地区开展的编图实践表明,该编图技术能够显著提高地质编图工作效率,具有实际应用意义。 相似文献
13.
数字区域地质调查是地质调查主流程信息化迫切需要解决的问题,也是世界先进国家区域地质调查工作的普遍趋。笔者根据世界先进国家在野外地质调查与填图采集技术方面的研究现状,结合我国实际,基于3S技术野外地质调查与填图信息化的新一代野外数据采集(器)技术,从改变传统的填图手段,提高研究精度、研究程度,加快研究(工作)周期和改变成果表现形式的技术方法研究着手,对野外地质调查与填图数字化采集技术、数据模型、技术流程、实现的工具与方法等进行了初步探讨。 相似文献
14.
15.
为实现空间数据共享,需要描述空间数据或数据集的内容、质量、状态和其他特性的数据,这就是元数据.以编制中国1∶50万数字地质图空间数据库元数据的实际经验,结合国内外已有的资料,分析了数字地质图空间数据库元数据的特点、用途和编制方法提出了进一步改进的建议. 相似文献
16.
选择地形地貌比较复杂、地质构造比较发育的湖南省为研究对象,采用SRTM DEM为DEM数据源,经过数据处理、投影转换和MapGIS、ArcGIS数据格式的相互转换,以及湖南省构造地质图在DEM上的叠加,实现了湖南DEM三维构造地质图的制作。将二维构造地质图转向三维空间,使图件在确保专业性的基础上具备立体感和层次感,并表达出实际的地形地貌特点,从而缩短一般工程技术人员构造地质图的读图时间并提高读图质量,具有较大的应用价值。 相似文献
17.
区域化探数据包含丰富的地质信息,从区域化探数据中挖掘出这些信息,对于区域地质研究具有重要意义.笔者提出了一种利用自组织特征映射网络和K-means聚类算法挖掘区域化探数据中地质信息的方法,将标准化之后的元素含量数据作为模型输入值,通过自组织神经网络进行聚类,再通过K-means算法进行二次聚类,从聚类结果中分析其中包含的地质信息.以英格兰西南部某区水系沉积物区域化探数据为例,进行实例研究以检验该方法的实际效果.实例结果表明:①利用该方法得出的聚类结果图很好地响应了地质体的空间分布,可用于推断地质体的分布特征;②地质信息隐藏在每个聚类类型的地球化学特征之中,通过对这些特征进行分析和解释,可以挖掘出其中所包含的信息;③基于SOM网络和K-means聚类的区域化探数据挖掘方法是一种有效的地质信息获取方法,对于传统区域地质研究可以起到补充和增强的作用. 相似文献
18.