基于微缩模型的森林BRF测量

利用林木微缩模型构建不同空间分布的林分,测量林分的双向反射率因子(bidirectional reflectance factor,BRF),并对其反射光谱进行了分析研究。结果显示:基于微缩模型得到的观测结果整体较符合实际森林的特征,与三维模型模拟结果一致;在近红外波段,光谱曲线呈典型的"碗边效应",在观测主平面"热点效应"较为明显。研究结果证实林木微缩模型可以用于森林BRF研究。对不同林木模型的分布状态与不同的地形条件的测量结果对比分析后发现,林木分布的密度和坡度是较为敏感的参数,其特征与规律性有助于建模反演地表信息。     

基于BP人工神经网络的枯水径流预报方案研究

介绍了BP人工神经网络的桔水径流预报方法,编制了锦屏一级水电站枯水径流预报方案.根据枯水径流预报方案的预报精度评定成果,总结了应用BP人工神经网络进行枯水径流预报的特点.研究表明基于BP人工神经网络的枯水径流预报方案能够满足水文情报预报规范,具有较好的实用性和可行性.     

最优子集的神经网络预报建模研究

作者尝试用最优子集方法进行神经网络长期预报模型的建模方法研究。结果表明,在很多情况下,由于最优子集方法比逐步回归方法能选取更好的预报因子,因此所构造的神经网络预报模型具有更好的拟合和预报效果,这为神经网络在长期预报的应用研究提供了新的思路和方法。     

浙江桐庐晚奥陶世内潮汐沉积

本文论述了在中国首次发现的内潮汐沉积的特征及其形成环境。该内潮汐沉积发现于浙江省桐庐县桐君山地区上奥陶统上部,具有典型的对偶层双向递交层序。据其岩类组合和层序特征,可将其定为韵律性砂泥岩薄互层相。其中发育有特征的脉状、波状和透镜状层理。其沉积特征表明形成于开阔的深水斜坡环境,这种对偶层双向递交层序可能为内潮汐的大潮和小潮周期性变化的结果。     

注意力密集卷积网络遥感影像多目标检测

针对遥感影像目标检测中背景复杂、正负样本严重不均衡问题,提出一种基于注意力与密集连接的遥感影像目标检测模型。在特征提取层使用卷积注意力模块分别沿通道、空间域聚合特征图正样本特征,同时通过密集连接加强层间交流;利用上下层特征融合与连续上采样构建3个尺度的特征增强金字塔。实验结果表明,本文模型对不同复杂程度场景下的各类别目标均能够实现稳定检出,且精度优于现有主流目标检测模型,具有良好的泛化能力与实时性。     

基于贝叶斯正则化BP神经网络的DEM趋势面逼近

趋势面从宏观上揭示了研究对象的特性,在各领域发挥着重要作用。BP神经网络可以对复杂系统进行无限逼近,进而进行预测。建立了基于贝叶斯正则化BP神经网络的数字高程模型趋势面,与二次多项式建立的数字高程模型趋势面进行比较分析,证明了该方法的可行性和有效性。     

基于神经网络的滑坡变形预测报研究

利用ＢＰ神经网络方法建立了滑坡变形预报模型,在此模型的基础上对几个典型滑坡进行了预报分析,其结果表明用ＢＰ模型进行滑坡短期预报效果较好。     

基于卷积神经网络的地铁保护区风险源识别北大核心CSCD

城市轨道交通沿线的风险源识别是防止违规作业导致的安全事故的重要手段。为解决传统识别方法效率低、漏检率高、成本大等问题,本文基于无人机地铁保护区巡检系统,采用卷积神经网络对无人机采集的影像数据进行风险源识别。首先介绍无人机影像获取的流程,并在原始影像数据的基础上,通过数据增强的方式制作多角度、多尺度的风险源数据集;然后使用卷积神经网络建立风险源识别模型,对无人机采集影像中的风险源进行自动识别和定位。试验结果表明,多角度、多尺度风险源数据集的建立进一步提升了模型的识别准确率,且比传统方法具有效率高、成本低等优点。     

基于移动测量的交通标志自动提取

针对从移动测量车采集的图像中提取交通标志的需求,研究探索适合移动测量的交通标志检测识别方案。在交通标志检测阶段,提出一种检测多个圆形禁令标志连接的多圆度检测法,对于三角形警告标志的检测,在原有拐角检测法基础上提出基于候选区域的拐角检测法;在交通标志识别阶段,选用像素特征作为特征向量,采用概率神经网络实现交通标志的分类识别。最后设计实现移动测量后处理软件的交通标志自动提取模块。     

古尔班通古特沙漠灌木冠幅预测模型

古尔班通古特沙漠是中国第二大沙漠,也是中国固定和半固定沙丘主要分布区,固沙灌木种较多。冠幅不仅是反映固沙灌木可视化的重要参数,也是反映沙漠植被生长情况的重要变量。以3种沙丘（固定沙丘、半固定沙丘和流动沙丘）上主要固沙灌木为研究对象,利用12种基础模型、BP(Backpropagation Neural Network)神经网络和支持向量机（Support Vector Machine,SVM）机器学习算法建立了基于固沙灌木株高和冠长率的冠幅预测模型,同时将两种机器学习算法拟合结果与基础模型进行比较,最终选出了适合研究区的冠幅预测模型。结果表明：（1）不同沙丘类型和不同灌木种类的最优冠幅预测模型不同,且固定沙丘和半固定沙丘模型优于流动沙丘。3种沙丘类型最优拟合为M2(Quadratic Model)模型;（2）白梭梭（Haloxylon persicum）在半固定沙丘和流动沙丘上拟合的最优模型分别为M2、M7(Gompertz),沙拐枣（Calligonum mongolicum）最优模型为M2,蛇麻黄（Ephedra distachya）和油蒿（Artemisia ordosica）在...