基于非监督分类和图优化的GNSS多路径误差削弱方法

基于城市环境下采集的多系统GNSS数据研究非监督分类算法和图优化(factor graph optimization, FGO)算法对多路径误差的抑制能力。伪距单点定位(single point positioning, SPP)结果表明,基于K-means⁺⁺的非监督分类算法进行多路径信号分离时,在N、E、U方向的定位精度分别为3.61 m、2.90 m、8.14 m,较传统算法分别提升53.18%、55.18%、44.96%。图优化方法利用伪距和多普勒约束因子进行最优估计,在N、E、U方向的定位精度分别为0.94 m、1.34 m、2.78 m,精度分别提升82.1%、78.5%、82.0%。图优化算法对城市环境下GNSS定位的多路径误差抑制具有显著效果,可用于GNSS精密定位预处理阶段的异常卫星剔除和精确坐标初值获取,提高城市环境下GNSS定位性能。     

液化场地桥梁群桩-土耦合体系强震反应分析

针对振动台试验,采用u-p形式控制方程表述饱和砂土的动力属性,选用土的多屈服面塑性本构模型刻画饱和砂土和黏土的力学特性,引入非线性梁-柱单元模拟桩,建立试验受控条件下液化场地群桩-土强震相互作用分析的三维有限元模型,并通过试验结果验证数值建模途径与模拟方法的正确性。以实际工程中常用的2×2群桩为例,建立桩-土-桥梁结构强震反应分析三维有限元模型。基于此,针对不同群桩基础配置对液化场地群桩-土强震相互作用影响展开具体分析。对比发现,桩的数量相同时,桩排列方向与地震波输入方向平行时比垂直时桩基受力减小5%~10%,而对场地液化情况无明显影响;相同排列形式下,三桩模型中土体出现液化的时间约比双桩模型延缓5s,桩上弯矩和剪力减小33%~38%。由此可见,桩基数量增加,桩-土体系整体刚度更大,场地抗液化性能显著,桩基对上部桥梁结构的承载性能明显增强,其安全性与可靠性更高。这对实际桥梁工程抗震设计具有一定的借鉴意义。     

工程建设项目的多测整合对策研究

以广州市开展联合测绘的改革成效为基础,进一步探索研究工程建设项目审批服务全链条中的测绘服务事项,重点关注优化测绘服务流程、统一测绘技术标准规范、强化对测绘成果的共享互认以及完善测绘行业管理制度等内容,通过优化测绘服务体系为审批制度改革"加速",为优化营商环境"助力",为全国各地全面推出"多测合一"改革提供可复制推广的经...     

风云三号C星SEM高能粒子数据检验及应用

风云三号C星(FY-3C卫星)空间环境监测器(SEM)可监测轨道高度上的高能带电粒子(质子、电子和重离子)辐射环境及其引起的辐射剂量和表面充电等空间天气效应,是空间天气监测预警业务不可或缺的自主数据源之一。为验证FY-3C卫星高能粒子探测数据的有效性,需开展数据的定量检验工作。本文采用与同类卫星同类数据进行交叉比对的方式来进行检验。首先,根据一定的假设条件,对比对数据进行归一化处理,尽量消除不同卫星间观测时间、空间(星下点经、纬度和高度)、方向和能量范围等差异对高能粒子分布的影响,然后进行比对,最后计算比对数据间的相关系数、斜率和标准偏差等统计参数,并据此评价比对数据的一致性。通过空间天气平静期高能质子和高能电子与NOAA-18和FY-3B卫星数据的交叉比对可以看出,FY-3C卫星高能粒子数据与比对卫星数据具有较好的一致性。由于工作原理和技术指标相同,FY-3C与FY-3B卫星高能粒子数据的一致性更好,也证明了载荷技术状态的稳定性。通过对太阳质子事件和高能电子暴的观测实例证明,FY-3C卫星高能粒子数据能够准确地反映空间天气扰动事件的特征和强度。以上结果表明,FY-3C卫星高能粒子数据可信度较高,能够用于空间天气监测、预警以及研究工作。     

原中央苏区县域韧性框架下红色旅游资源空间优化开发研究

选取原中央苏区范围内的闽、赣、粤97个县,从生态韧性、经济韧性、文化韧性、社会韧性4个方面构建了区域可持续发展韧性（RSD）水平评价指标体系,并对研究区内红色旅游资源空间维度上的特征与类别进行分类识别。研究结果如下：(1)研究区RSD韧性系统水平总体为中低韧性,整体呈现“中部高,四周低”的空间分布特征。(2)红色旅游资源分布存在明显的集聚性,同时也有小部分处于零星分布的状态,根据其规模和影响力从高到低划分为聚类V～I共5种聚类类型。(3)红色旅游资源空间分布与RSD韧性水平存在明显关联性,其中经济韧性较低、社会韧性中等,文化韧性和生态韧性较高。(4)基于全域旅游等规划理念,充分考量县域韧性水平和红色旅游资源的发展现状,规划出“三区、两带、两核心”的红色旅游资源开发空间格局。     

模拟退火粒子群与小波的地基沉降预测应用

针对粒子群优化算法易陷入局部极小值问题,改进学习因子使其自适应调整,并与具有良好全局搜索能力的模拟退火算法结合,充分利用两种算法各自的优点,同时结合小波分析去噪,优化神经网络参数,对地基累计沉降数据进行预测,并与标准粒子群优化算法做了对比,实验表明两种方法的结合具有良好的全局和局部搜索能力,预测精度高。     

将微粒群和支持向量机用于耕地驱动因子选择的研究

结合微粒群算法(PSO)具有执行速度快、受问题维数变化影响小的优点及支持向量机算法(SVM)结构风险最小化原理,构建了基于离散二进制微粒群(BPSO)与支持向量机的耕地驱动力因子选择方法,使用特征子集中确定的特征来训练支持向量回归机,用适应度函数来评价回归机的性能,指导BPSO的搜索。实验表明,该方法能有效地提取出耕地驱动因子的特征子集,从而降低了指标的维数,保留了关键信息,以获得知识的最小表达。     

基于粒子群优化算法的最大类间方差多阈值图像分割

最大类间方差法是图像分割中一种常用的阈值分割方法,对于单阈值分割具有显著的效果,但是对于多阈值分割,计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合,提出了一种新的图像分割方法,该方法利用粒子群优化算法的寻优高效性,并由灰度图像的最大类间方差值作为适应值,搜索最优分割阈值,实现图像的多阈值分割。实验结果显示,新方法大大缩短了寻找最优阈值的时间,降低了运算复杂度,提高了图像分割速度,说明基于粒子群优化算法的图像分割算法是可行的、有效的。     

基于PSO-BP神经网络的地表下沉系数选取研究

针对BP神经网络自身收敛速度慢、容易陷入局部极小点的缺点,引入粒子群优化算法,建立地表下沉系数的PSO-BP选取模型。利用粒子群算法反复优化BP网络的权值和阈值,将其作为BP网络的初始值,并将上覆岩层岩性、开采深厚比、松散层厚度、覆岩中坚硬岩层所占比例、是否为重复采动和顶板管理方法等主要影响因素作为网络输入,进行BP算法,直至网络达到训练指标。利用实测资料数据,建立PSO-BP预计模型,并同普通BP神经网络预计结果对比。结果表明：PSO-BP神经网络不仅训练速度快,而且预测精度明显提高,该模型对地表下沉系数选取具有一定的应用价值。     

海量国产高分辨率卫星影像优化处理研究

国产卫星影像以其快速获取、高分辨率、覆盖范围广等特点在城乡规划、资源管理、动态监测、应急保障、国防安全建设等都发挥了不可替代的作用。2018年山东省自然资源卫星应用技术中心成立,定向接受国家分发的高分一、高分二、资源三号为主的国产高分卫星数据,月平均接受十余批次,年接受数据量达到TB级别,处理后即可向省内各用户分发。国产卫星影像处理存在多个技术难点,如何高效处理国产高分辨率卫星影像是当前急需解决的问题。该文介绍了国产高分辨率的卫星数据及处理平台,对关键技术处理流程进行了机理研究,提出了基于影像预处理、空三加密、DEM成果等关键流程的优化方法,对优化前后的生产效率进行了统计分析,验证了快速处理高分辨率卫星影像的可靠性与高效性。