我院教师文献信息需求调查与分析

作者对该院教师的文献信息使用及需求情况进行了９个方面的调查分析，其结果对学校教学科研的改革和深化具有现实的参考意义。     

基于遗传克隆选择算法优化BP神经网络的地理信息预测研究

针对BP神经网络训练过程中的训练时间较长、完全不能训练或容易陷入局部极小值等问题,提出基于遗传克隆选择算法(CLOGA)优化BP神经网络的流程,克服BP算法的一些缺陷。并通过湖北省人口预测问题进行效果检验,得到满意的结果。     

基于Servlet服务链的分布式Web GIS研究

本文从Servlet技术出发,探讨了Servlet技术在Web GIS服务器实现上的优势。针对目前分布式Web GIS中面临的数据和信息的分布存储、地理信息难以整合、多用户并发访问瓶颈等问题;探讨了通过构建Servlet服务链来实现分布式Web GIS的体系架构,基于Servlet服务链的分布式空间数据的调度与管理,Web GIS服务器端GIS Servlet服务链的构建。最后,通过实验验证了多Servlet服务链在Web GIS中分布数据处理,服务中多用户并发访问等方面的优势。     

顾及灰度和梯度信息的多模态影像配准算法

基于特征匹配的多模态影像配准方法无法达到像素级配准精度要求。本文研究了一种顾及灰度和梯度信息的多模态影像配准算法。基于马尔科夫随机场（MRF）的非参数化配准模型充分利用多模态影像的图像信息进行相似性测量,同时考虑了灰度及梯度统计信息,求解方法上对值空间进行离散化,提高收敛速度。通过3组多模态影像的配准试验,验证了该算法的可行性。试验表明：本文算法的配准效果优于基于人工刺点的多项式模型配准和只考虑灰度信息的多模态影像配准;与此同时,该算法对于较大形变的影像配准也具有一定的适用性。在空间精度方面,平均配准误差小于1个像素,最大配准误差小于2个像素。     

多尺度特征和马尔可夫随机场模型的电力线场景点云分类法

及时、准确地监测电力线安全可以预防危险情况的发生。本文以机载点云为研究对象,提出了一种基于随机森林后验概率的马尔可夫随机场模型,用于电力线场景的点云分类。首先结合空间金字塔理论构建多尺度视觉分类特征以此描述空间点及其邻域的几何形状信息;接着利用随机森林分类器描述观测数据的概率分布,基于马尔可夫随机场模型建立顾及上下文信息的先验概率,从而构建一个多标记能量函数;最后利用多标记图割技术最小化能量函数完成分类标签优化。利用直升机巡线系统和小型无人机巡线系统获取的LiDAR点云数据来验证本文提出的模型。试验结果表明,该模型能够有效地分类场景中的电塔、电力线和植被且总分类正确率得到98%以上。与其他分类方法相比,本文提出的模型总体精度更高,尤其是电塔的分类优势明显。     

面向过程的城市公共安全风险监测评估建模方法

在虚拟地理环境（virtual geographic environments,VGE）的研究中,城市公共安全作为一种典型的应用,致力于实现风险的认知与表达。然而,针对城市突发公共事件风险评估的共享管理需求与即时性需求,尚缺乏一种面向过程的风险监测与评估的表达方法,难以提供快速、全面的决策支持。针对此问题,本文首先基于元对象设施（meta object facility,MOF）建模架构,提出统一时空框架下面向过程的风险评估建模方法,实现风险监测评估方法的共享与重用,并提供面向过程的即时风险评估个性化信息服务。其次,设计了风险评估过程管理原型系统,实现风险评估过程建模、注册、执行和可视化等功能。最后,通过试验模拟太原市燃气泄漏事件作为应用案例,验证了方法的可行性。     

物理信息双驱动的长距离盾构隧道结构纵向力学性态智能诊断方法

针对目前盾构隧道纵向结构安全诊断面临的瓶颈,提出了一种物理信息双驱动的隧道纵向结构力学性态智能诊断方法。通过将表征隧道纵向结构力学性态的物理方程嵌入物理神经元中,利用实测数据作为信息神经元综合构建了物理信息双驱动的神经网络（physics-informed neural networks,PINNs）模型,可实时更新反演盾构隧道结构参数、周围地层参数以及荷载分布规律,继而正演求解隧道的纵向结构力学性态。将反演得到的参数进一步用于其他隧道段的分析,以实现长距离盾构隧道结构纵向智能诊断。算例与工程实例应用表明,提出的PINNs模型能有效求解隧道结构纵向问题,且相较传统的纯数据驱动的深度神经网络（deep neural network,DNN）模型,PINNs模型表现出了显著的泛化能力与鲁棒性,具有十分可观的工程应用前景。     

基于深度学习的地震震级分类

为了探索地震加速度时程记录的震级信息,训练卷积神经网络基于地震震级大小对地震记录进行分类,将K-NET和KiK-net中将近12万个地震记录作为样本,对其进行信息筛选和归一化,之后将地震加速度时程记录用作输入,训练卷积神经网络模型以M5.5为分类界限来区分大震和小震。结果显示,在训练集中基于该模型的分类准确率为93.6％,在测试集中的准确率为92.3％,具有良好的分类效果,这表明大震记录与小震记录之间存在一些根本的区别,即可通过地震动加速度时程记录获取一定的震级信息。      

矿山钻孔救援多源信息探测技术研究与应用

矿山钻孔救援是一种新型救援技术,在其救援过程中为快速准确获取钻孔通道信息、被困人员位置距离、灾区气体环境特征,实现井下被困人员与井上救援指挥人员的双向视音频通信,采用多源信息融合、双码流网络视频服务、边缘计算、本安型电路控制及超宽带雷达等技术方法进行理论攻关和技术研发,提出2个关键技术:灾区多种传感器数据实时采集与传输技术、隐蔽空间生命信息探测技术,前者能够实现钻孔救援过程中多源信息的实时探测与呈递,而后者能够实现障碍物后的人员生命信息探测和定位。在此基础上进行样机试制和现场试验,研发出矿山钻孔救援多源信息探测系列设备:大容量便携式本安电源、超宽带雷达探测系统(可穿透障碍物探测生命)、钻孔救援多源信息(视音频、温度、气体环境参数)探测系统,运用该套设备参与山东平邑石膏矿、山东笏山金矿事故救援,均成功探测到被困人员,检测了钻孔通道信息和井下环境信息;在新疆丰源救援事故中对井下涌水、气体环境进行了实时监测,避免了救援人员的二次伤亡。系统包括潜水、视音频环境监测钻孔探测器、基于双绞线的钻孔通信线轮盘、系统监测终端。成果的研发与应用能够为长距离钻孔内多源信息探测提供一定的装备支撑和技术借鉴。