“地理素养与测绘技能”双驱动的GIS专业大学生创新能力培养模式的探索

在信息技术快速发展和万众创新、大众创业的时代背景下,创新与创新人才已成为国家发展的重要推动力,创新教育和创新人才培养成为高校的重要任务。本文以武汉大学地理信息科学（GIS）专业为例,结合专业特点和优势,探索了"地理素养、测绘技能"驱动下的GIS专业大学生创新能力的培养模式和"厚基础、重知识、强技能"的贯通式培养途径。围绕创新人才培养和成长的内在因素和外部条件,从人才培养方案与课程体系、创新型教师团队与新型教学方法、教学科研创新平台与创新条件、创新人才发展评价与激励机制等4个方面开展了创新型发展探索。结合实践表明,本模式取得了显著的创新成果,产生了良好的示范辐射作用。     

塔里木盆地塔中低凸起地层水化学特征对不整合的响应

对塔中低凸起地层水化学特征与不整合之间关系的研究结果表明,地层水化学特征对不整合具有很好的响应。在遭受强烈抬升和剥蚀、之间形成不整合的奥陶系和志留系,以及紧靠不整合面附近的石炭系CⅢ油组,其地层水具有矿化度、Cl-含量、K Na 含量和r(Cl-Na)/rMg值相对较小,而HCO3-含量、rNa/rCl值和rSO42-×100/rCl值相对较大的特点,反映出地质历史时期大气降水的影响。在志留系与石炭系之间以及志留系与奥陶系之间的不整合面附近,地层水的矿化度、r(Cl-Na)/rMg值和B3 含量变小,而rNa/rCl值和rSO24-×100/rCl值变大,具有典型的遭受大气淋滤的地层水化学基本特征。     

利用灰色理论进行图像边缘检测

提出了一种基于灰色系统理论的边缘检测算法。该算法根据边缘点在像素邻域数列上表现出的与非边缘点的不同特征，分别选择典型非边缘像素的邻域数列和待检测图像所有像素的邻域数列作为参考数列和比较数列，利用斜率关联度计算两者之间的灰关联度，据此区分是否为边缘像素。实验表明，该算法对于椒盐噪声和随机噪声有较好的抗噪能力，提取边缘效果较好。     

国产高分辨率遥感影像辐射质量改善方法研究

受制于光学器件的性能与观测环境的影响,国产高分辨率遥感影像通常存在条带噪声、光谱分辨率低、纹理不清晰等问题,给后续的自动化影像产品生产及目标解译工作带来极大的不利。本研究先后从去除条带噪声、对比度增强、边缘增强三个方面,对遥感影像进行质量改善,使遥感影像更好地为地理信息公众服务。以高分二号全色影像为实验数据,目视和定量评价结果均证实了本文算法的有效性。     

基于电子地图的超媒体数据模型研究

从电子地图的超媒体数据模型出发，研究基于电子地图的多媒体信息之间关系的非线性存储、组织、管理和浏览信息的表达技术和数据的组织形式。在分析电子地图和超媒体技术特点的基础上，以实例来阐述这种模型建立的基本思路。试验表明，基于电子地图的超媒体数据模型能够很好地组织和表达多媒体数据，并取得了较好的效果。     

道路网多特征匹配优化算法

同名道路匹配技术是道路数据集成、更新和融合的重要前提。道路网匹配在智能交通(intelligent transportation system,ITS)与位置服务(location-based service,LBS)等方面具有重要的研究价值和应用意义。本文提出了一种道路网多特征匹配优化算法:首先从形状、距离、语义3方面分别设计了基于面积累积的形状差、综合中值Hausdorff距离和全局加权属性项距离3种相似性度量,以更准确地描述道路待匹配对之间的特征差异;然后通过SVM对相似性特征样本集训练,以构建道路网回归匹配模型;最后利用此模型对未知匹配结果道路待匹配对进行匹配结果预测。大量试验结果表明,本文算法对非线性偏差明显的道路网数据能够实现较高的匹配准确率和召回率,能有效地用于包含多重匹配关系的道路网匹配。     

藻酸双酯钠粘度的影响因素

通过实验讨论影响藻酸双酯钠特性粘度[η]升降的几个因素。     

海上地震系统低频响应与电缆噪音

海上勘探地震采集的数据中低频率成分常常受到外部环境噪音的严重干扰。如何有效地剔除噪音 ,拾取更多的地震数据中低频成分。本文从分析地震仪器低频响应入手 ,得出了地震系统与电缆噪音的一些内在联系 ,就如何有效地压制外围环境噪音等问题 ,提供了有效的方法 ,为野外作业提供参考     

Relevance vector machine applied to slope stability analysis

This paper examines the potential of relevance vector machine (RVM) in slope stability analysis. The nonlinear relationship between slope stability and its influence factors is presented by the relevance vector learning mechanism based on a kernel‐based Bayesian framework. The six input variables used for the RVM for the prediction of stability slope are density (γ), friction angle (C), friction coefficient (?), slope angle (?_r), slope height (H), and pore water pressure (r_u). Comparison of RVM with some other methods is also presented. RVM has been used to compute the error bar. The results presented in this paper clearly highlight that the RVM is a robust tool for the prediction of slope stability. The experimental results show the effectiveness of the proposed approach. Copyright © 2011 John Wiley & Sons, Ltd.     

基于BERT—BiLSTM—CRF模型的中文岩石描述文本命名实体与关系联合提取

地质调查正在从“数字化”走向“智能化”,需要在大数据思维的指导下,面向非结构化数据开展机器阅读和地质知识的自动提取。地学命名实体和关系联合提取是当前研究的难点和核心。本文采用基于大规模预训练中文语言模型的BERT—BiLSTM—CRF方法开展岩石描述文本命名实体与关系联合提取。首先,通过收集数字地质填图工作中的剖面测量和路线地质观测数据,建立岩石描述语料;然后,在岩石学理论指导下分析岩石知识组成,完成岩石知识图谱命名实体与关系的模式设计,标注岩石语料;最后,开展岩石描述语料知识提取的深度学习训练和消融试验对比。试验结果显示,大规模预训练中文语言模型（BERT）对岩石描述语料知识提取具有较高的适用性。推荐的BERT—BiLSTM—CRF模型方法对岩石命名实体与关系联合提取的准确率（F1值）为91.75%,对岩石命名实体识别的准确率（F1值）为97.38%。消融试验证明基于BERT的词嵌入层对岩石描述知识提取的性能提升影响显著,双向长短时记忆网络模型层（BiLSTM Layer）能提升实体关系联合提取性能。