基于深度信念网络的遥感影像识别与分类

高分辨率遥感影像具有高维、多尺度、非平稳的内部特性和海量、多源、异构的外部特征,具有丰富的空间信息。探讨了利用新兴的深度信念网络研究高分辨率遥感影像的智能提取与分类,通过大量实验对比分类精度、Kappa系数以及参数敏感度分析,提出了网络层数、隐含层神经元个数、迭代次数等参数的最优设置方案,相比传统的浅层网络分类器,改进后的深度信念网络更好地拟合了样本的内在结构,遥感图像分类精度达到92%左右,取得了很好的分类效果。      

基于信念状态空间的水声传感器网络MAC协议

为解决由水声传感器网络信道带宽小、传输延迟长等特性引起节点使用信道时出现的时—空不确定性问题,提出一种基于信念状态空间的水声传感器网络MAC协议(BSPMDP-MAC)。该协议将传感器的接收节点时间轴平均划分n个时隙,按照每个节点的链路质量和剩余能量的等级划分传感器发送节点的动作状态信息,接收节点依据信道占用的历史观测和动作信息的联合概率分布,得出传感器发送节点竞争信道使用权的决策策略序列;根据决策策略序列,发送节点在所分配时隙内依次向接收节点发送数据包,根据当前的信念状态和动作,接收节点对信道的占用进行预测,感知下一个周期的信念状态和接入动作。实验仿真结果表明,该协议可以降低数据包冲突率,提高网络吞吐量与数据包传输成功率,从而降低网络的能量开销。     

基于深度卷积网络和分水岭分割的耕地地块识别方法

耕地地块作为精准农业的重要支撑,现有地块边界大多依靠人工勾绘。随着遥感技术的发展,基于遥感影像自动提取耕地地块成为研究主要方向,其中基于深度学习的方法能够克服传统检测方法难以适应复杂场景的局限而被广泛使用,但现有检测方法仍存在问题,基于深度卷积模型直接识别耕地区域会丢失内部边界、而基于边缘检测模型识别耕地边界时则会同时得到大量无关边界;此外,现有的基于阈值提取地块的策略所提取的地块不够规整,存在内陷的问题。针对上述问题,本研究提出一种基于深度卷积网络和分水岭分割的耕地地块提取方法,从信息检测和地块提取两方面进行改进：(1)将耕地边界视作一种地物类别,在深度卷积网络中进行类别概率检测,帮助实现对耕地边界的语义识别。(2)基于改进后的D-LinknetXt网络进行检测,其网络架构适合于对耕地边界这类线性目标的提取,同时更换原始D-Linknet网络的残差单元,帮助提高了网络的特征提取能力。(3)基于分水岭分割对耕地地块进行提取,利用了区域分割方法获取边界的封闭性,并且这种以区域为单元进行分割并合并的方式,解决了原有方法在像元尺度上基于阈值提取所遇到的提取地块存在内陷的问题,使地块更规整准确...     

一种耦合进化算法与FLUS模型的土地利用变化模拟模型

研究如何在土地利用变化模拟过程中更为科学、客观地设置模型参数，对于避免复杂模型由于参数设置不当导致模拟效果不佳的问题具有重要意义。本文通过耦合进化算法（Evolutionary Algorithm,EA）与FLUS模型，构建了具有参数寻优功能的EA-FLUS模型。该模型首先通过进化策略对FLUS模型中人工神经网络模型的参数进行寻优，以提升对各土地利用类型出现概率分布的预测准确率，在此基础上结合地理分区，利用带精英策略的遗传算法与进化策略的组合对FLUS模型中元胞自动机模型的参数进行调整，以提升模拟精度。在实证研究阶段，本文以桂林市为实验区，通过对土地利用变化进行分区模拟来分析EA-FLUS模型的改进效果，此外还设置了自然发展、耕地保护、生态优先3种情景来模拟桂林市2020—2030年的土地利用变化。结果表明：(1)进化算法对参数的寻优结果相比于基于经验以及土地利用变化历史特征的参数设置，更加贴近实验区的政策导向，更能体现各土地利用类型在不同区域间多样的发展趋势；(2) EA-FLUS模型相较于FLUS模型，在加入地理分区的土地利用变化模拟中更具优势，其模拟结果总体精度、Kappa系数、...     

基于差分进化的等圆Packing问题求解算法研究

针对等圆Packing问题,结合差分进化算法,设计出一种用于求解等圆Packing问题的差分进化算法。问题的求解过程中,提出有效解空间的思想,提高解空间的搜索效率,同时提出一种随机选择机制,以达到提高算法的搜索效率的目的。通过大量的实验表明,该算法是可行的,且可以推广应用到求解其他布局问题中。     

一种参考站间双差模糊度快速解算策略

由于对低高度角卫星模糊度解算的困难,提出了一种参考站间模糊度解算策略。该策略使用多路径削弱方法,以相位与伪距无电离层组合作为观测量进行滤波,对相关性较强的L1模糊度使用最小二乘模糊度降相关平差法进行整数估计,并行解算宽巷和L1模糊度。这套系统在四川完备参考站网络(SIRSN)中的实时测试说明,在中低纬度和中长基线的网络环境下,该模糊度解算策略是高效和可靠的。     

基于注意力机制的城市轨道交通网络级多步短时客流时空综合预测模型

准确、可靠的短时客流预测可为城市轨道交通提供运营决策支持。本研究以基于Transformer机制的LSTM网络、深度注意力模块和CNN网络为基础,提出了城市轨道交通网络级多步短时客流预测模型（STIPM）。该预测模型由3个分支组成,分支一以时间序列进站客流为输入,提出了基于Transformer机制的LSTM网络提取该数据中的时间相关性;分支二以基于时间步的OD数据为输入,提出了深度注意力模块挖掘数据中大量的时间、空间相关性,利用基于时间步的OD数据能够更好地展现站间联系紧密程度和全局信息,从而完成了拓扑网络信息提取;分支三的输入为POI数据,使用CNN网络获取其时空相关性,并作为时间与空间特征之间的纽带。为了保证在预测精度足够高的条件下,获得更长的预测时间和更详细的预测信息,本文采用“神经网络多输出”策略,完成了多步预测任务。本文在2个大规模城市轨道交通真实数据集中对该模型进行测试,并将预测结果与10个基准模型和4个消融实验模型进行对比,在RMSE、MAE与WMAPE评估指标中,STIPM模型均得到最高的预测精度,结果表明该模型具有一定的优越性与鲁棒性。     

改进的粒子群优化算法

针对粒子群优化算法易陷入局部最优并难以跳出的缺陷,提出了一种改进的算法。算法在采用自适应惯性权重基础上,引入粒子群局部收敛判断机制,对陷入局部最优的粒子采取新的进化模型以增加群体的多样性,进而降低了群体早熟收敛。通过新进化模型的粒子群优化算法对4个基准函数反复试验,仿真结果表明改进的粒子群算法具有更好的收敛精度并且可以有效避免早熟收敛问题,寻找到全局最优解。     

改进天牛群搜索算法及其在船舶纵摇运动预测中的应用

【目的】针对天牛群搜索算法易陷入局部最优及搜索精度较低等缺陷,提出一种基于二阶振荡自适应变异的天牛群搜索算法。【方法】该算法引入二阶振荡环节增加算法的全局探索能力和局部开发能力。采用正余弦搜索思想对天牛个体进行位置更新,使得天牛个体可充分的利用自身与最优位置的差值信息逐渐趋近最优解。同时引入自适应t分布变异算子来增加种群的多样性,避免算法陷入局部最优。【结果与讨论】对高维单峰函数、高维多峰函数的仿真实验结果表明,改进的算法有效地提高其搜索精度、收敛速度及鲁棒性,克服其易陷入局部最优的缺陷。将改进天牛群算法应用于BP神经网络权值及阈值优化对船舶纵摇运动姿态进行预测,并于BP网络、BSO-BP网络及PSO-BP网络的预测结果进行比较,精度分别提升85.7%、74.6%和77.2%。改进天牛群搜索算法在实际工程应用中具有一定的优越性。     

基于历元差分原理的BDS测速模型及性能分析

对现有的载波相位历元差分测速方法进行改进,同时增加伪距历元差分观测值,建立新历元差分测速模型,并用BDS静态数据和动态数据对改进的方法进行验证和性能分析。结果表明,静态条件下,BDS历元差分测速精度为mm/s级,平面方向优于高程方向,与GPS历元差分测速精度相当;动态条件下,BDS历元差分测速结果与IE (inertial explorer)后处理软件解算的位置差分速度符合度为cm/s级,平面方向优于高程方向。     

融合多元稀疏特征与阶层深度特征的遥感影像目标检测

遥感影像目标检测在城市规划、自然资源调查、国土测绘、军事侦察等领域有着广泛的应用价值。针对遥感影像目标检测在目标尺度变化大、目标外观相似性高以及背景复杂度高等方面的难点，本文提出了一种新的目标检测算法，该算法有效融合了多元稀疏特征提取模块（MNB）和阶层深度特征融合模块（HDFB）。多元稀疏特征提取模块以多个卷积分支结构来模拟神经元的多个突触结构提取稀疏分布的特征，随着网络层的堆叠获取更大感受野范围内的稀疏特征，从而提高捕获的多尺度目标特征的质量。阶层深度特征融合模块基于空洞卷积提取不同深度的上下文信息特征，然后提取特征通过独创的树状融合网络，从而实现局部特征与全局特征在特征图级别的融合。本文算法在大规模公开数据集DIOR进行验证，实验结果表明：(1)多元稀疏特征提取模块和阶层深度特征融合模块相结合的方法总体准确率达到72.5%，单张遥感影像的平均检测耗时为3.8毫秒；(2)通过使用多元稀疏特征提取模块，多尺度和外观相似性目标的检测精度得到了提高，与使用Step-wise分支的物体检测结果相比，总体精度提高了5.8%；(3)通过阶层深度特征融合模块的多感受野深度特征融合网络提取阶层深度...     

城市地铁出行知识图谱嵌入表达的超参数选择

知识图谱作为人工智能技术与应用中重要的数据基础设施，已经成为地理科学领域的一个研究热点。目前对地理知识图谱进行嵌入表达时通常使用默认的超参数（如2层网络搜索深度），但是部分地理知识图谱的网络规模和拓扑特征与通用知识图谱不同，其合理性需进一步论证。为此，本文围绕城市轨道交通人地关系，基于地铁线路网络的拓扑结构特征，结合客流数据、POI（兴趣点）数据以及建成环境数据等构建地铁出行知识图谱；利用GraphSAGE模型学习实体的多维度特征嵌入，并结合POI数据对站点分类结果进行语义识别，对比验证适合地铁出行知识图谱嵌入表达的网络搜索深度。不同于默认的2层搜索深度，当搜索深度为3层时，本研究所构建的地铁出行知识图谱的节点嵌入效果最优。因此，地理知识图谱嵌入表达的超参数选择需要顾及时空和人类活动相关的网络规模和拓扑特征，要避免不加甄别地使用其他领域通用知识图谱的已有成果。使用3层搜索深度获得的地铁站点分类结果也更具合理的解释性，可为利用知识图谱和人工智能方法进行站点规划和客流预测提供基础。     

求解二阶线性常微分方程的一个显式差分格式

在求解常微分方程的方法中,有限差分法是使用最广泛的方法之一。考虑一个二阶线性常微分方程的边值问题,利用有限差分法,建立了一个具有二阶精度的显式差分格式。首先,通过讨论该显式差分格式的系数矩阵,证明了该显式差分格式解的存在性。然后,通过定义的3种不同范数之间的关系,证明了显式差分格式解的收敛性和稳定性。最后,通过计算机编程对实例的计算,验证了该显式差分格式的数值结果具有二阶精度,并且该显式格式数值结果绘制的图形稳定、光滑,与解析结果吻合较好。     

求解二阶线性常微分方程的一个显式差分格式

在求解常微分方程的方法中,有限差分法是使用最广泛的方法之一。考虑一个二阶线性常微分方程的边值问题,利用有限差分法,建立了一个具有二阶精度的显式差分格式。首先,通过讨论该显式差分格式的系数矩阵,证明了该显式差分格式解的存在性。然后,通过定义的3种不同范数之间的关系,证明了显式差分格式解的收敛性和稳定性。最后,通过计算机编程对实例的计算,验证了该显式差分格式的数值结果具有二阶精度,并且该显式格式数值结果绘制的图形稳定、光滑,与解析结果吻合较好。     

设施农业典型地物改进Faster R-CNN识别方法

深度学习方法可有效提高传统基于遥感影像的设施农业典型地物识别与提取方法的结果精度,对传统农业的转型和发展意义重大。本文针对遥感影像大背景小目标的特点,以及设施农业典型地物的图像特征,结合深度残差思想和Faster R-CNN提出DRTOMA算法：首先,使用深度残差网络作为其基础特征提取网络,以此获得更深层次的图像特征,并抑制网络退化和衰退问题;然后在残差单元和全连接层之间加入改进的空间金字塔池化层,从而去除输入图像固定大小的限制,增加网络对图像尺度的敏感度;最后,在全连接层间添加dropout层,减少网络计算的复杂度,提升抗过拟合效果。仿真结果表明：同部分已有的检测算法相比,DRTOMA算法的平均识别准确率和召回率均取为最优,分别为91.87%和90.63%;在最优识别精度近似的情况下,DRTOMA算法比Faster R-CNN算法的召回率高约2%,网络更易收敛,训练难度较低。综上所述,DRTOMA算法是一种有效可行的设施农业典型地物检测方法。     

基于光谱-空间残差网络模型的高光谱遥感图像分类

残差网络是近几年提出的一种新型深度卷积网络,通过增加网络深度提高分类的准确率,也解决了网络退化问题。基于残差学习原理,设计了针对高光谱遥感图像分类的光谱-空间残差网络模型。首先,将原始高光谱遥感数据三维立方体输入网络模型,并使用特定的卷积核对光谱特征进行降维;然后,利用光谱残差模块和空间残差按模块分别且连续地学习光谱和空间特征;最后,对提取到的特征进行池化操作并分类。此外,为规范训练数据和防止过拟合,学习过程中使用了批量归一化和dropout的方法。所设计网络模型在Indian Pines和Pavia U数据集上进行了验证实验,结果表明,所提方法有效地缓解了网络退化的问题,且在分类精度上也高于支持向量机、卷积神经网络等现有算法。     

基于修正钟差一次差分数据的卫星钟差预报

对钟差一次差分预报原理进行改进,分析常用的一次多项式模型、二次多项式模型和灰色模型在采用改进原理进行预报时的相关特性。结果表明,对钟差一次差分预报原理的改进是有效的,可以提高常用模型在钟差短期预报中的预报精度。     

基于GPS与PDA的网络数字测图系统研究

随着社会不断发展,网络数字测图系统得到进一步的改进和完善,在GPS与PDA技术基础上,该系统已经逐渐向数据采集方面工作。随着地理信息技术不断发展,数字测图系统会完全实现GIS数据采集,提升工作效率。本文基于GPS与PDA技术使用下,对网络数字测图系统进行了研究。     

一种基于网格虚拟参考站的伪距差分定位方法

为增强国家大地点坐标的安全性,在网络伪距差分方法基础上提出一种网格伪距差分方法。该方法将经纬线网格的交点作为虚拟参考站,将基准站的伪距改正数内插到网格虚拟参考站上,播发各虚拟参考站坐标和伪距改正数,最终实现流动站用户伪距差分定位。实验表明,该方法能获得与多基准站伪距差分定位方法相当的精度,实时水平方向定位精度优于1 m。     

超高压气藏天然气拟对比压缩系数的数值解法

快速准确地获取超高压气藏天然气藏流体压缩系数是一个备受关注的问题。塔里木油田 Ｍ 超高压气藏的测试实例证实了 ＤＡＫ、ＤＰＲ及 ＨＹ３种方法计算偏差因子的可靠性,在此基础上使用一阶中心差分算法计算了该气藏的天然气压缩系数。与 Ｔｒｕｂｅ图版的对比表明,ＤＰＲ方法的计算结果具有最高的精度,推荐数值计算时采用。数值实验结果表明,Ｔｐｒ（拟对比温度）大于１．２时计算精度较高且与差分步长无关,相对误差小于５％;Ｔｐｒ小于１．２时不建议使用数值方法。在借鉴部分超高压天然气偏差因子研究基础上,拓展了 Ｔｒｕｂｅ图版的使用范围,将拟对比压力Ｐｐｒ应用范围从１５扩大到３０,Ｔｐｒ应用范围从２．０扩大到３．０,并重绘了图版。研究结果对超高压气藏的相关研究具有一定的理论参考和实际应用意义。