利用弹性反馈神经网络融合ASTER GDEM和SRTM1高程数据

由于数据获取与后期处理方式不同,先进星载热发射和反射辐射仪全球数字高程模型(advanced spaceborne thermalemissionandreflectionradiometerglobaldigitalelevationmodel,ASTERGDEM)和航天飞机雷达地形测绘任务(shuttle radar topography mission,SRTM)数据在高程精度上存在差异,采用弹性反馈（resilient backpropagation,RProp）神经网络算法对二者进行融合处理,实现优势互补以提升高程精度。选取两个黄土丘陵沟壑地貌样区分别用于模型建立与效果验证,1∶10 000高程精度为参考数据,在建模样区应用RProp神经网络算法构建ASTER GDEM高程校正模型、SRTM1高程校正模型、ASTER GDEM与SRTM1高程融合模型,同时应用误差反向传播(back propagation,BP)神经网络建立ASTER GDEM与SRTM1高程融合模型,将这些模型的高程精度优化效果进行对比,并在验证样区检验RProp融合模型的可行性。结果表明,RProp融合模...     

基于鲸鱼优化算法的长短期记忆模型水库洪水预报

洪涝灾害是世界主要自然灾害之一,优化洪水预报方案对防洪决策至关重要,然而传统水文模型存在参数多、调参受人为因素影响,泛化能力弱等问题。针对上述问题,本文提出基于改进的鲸鱼优化算法和长短期记忆网络构建自动优化参数的WOA-LSTM模型,通过优化神经网络结构进一步增强该模型的稳定性和精确度,并且建立不同预见期下的洪水预报模型来分析讨论神经网络结构与预报期之间的关系。以横锦水库流域1986—1997年洪水资料为例,其中以流域7个雨量站点的降雨以及横锦站水文资料为输入,不同预见期下洪水过程作为输出,以1986—1993年作为模型的率定期,1994—1997年作为模型的检验期,研究结果表明:(1)以峰现时差、确定性系数、径流深误差和洪峰流量误差作为评价指标,相比较于LSTM模型和新安江模型对检验期的模拟结果表明WOA-LSTM模型拥有更高的精度、预报结果更稳定;(2)结合置换特征值和SHAP法分析模型特征值重要性,增强了神经网络模型的可解释性;(3)通过改变神经网络结构在一定程度避免由于预见期增加和数据关联性下降而导致的模型预报精度下降的问题,最终实验表明该模型在预见期1~6 h下都可以满足横锦水库的洪水预报要求,可以为当地的防洪决策提供依据。     

基于深度学习的地物要素智能提取系统设计

随着人工智能在图像识别领域的应用不断深入,传统的地物分类正从人工采集向自动化/半自动化的模式发展。本文主要开展利用多源遥感影像数据基于深度学习算法实现植被、水体、道路、居民地等典型地物的智能化提取的研究,进行模块设计,为用户提供可操作、可视化的系统软件设计。本系统设计立足应用实际,遵循模块化、可拓展的设计原则,提供水系、道路、植被、居民地等典型地物智能提取解决方案,以减少人工投入,提高生产效率。     

在部派出挂职干部培训干部汇报交流大会上的讲话

<正>(2010年4月29日,根据录音整理)后天就是"五一"劳动节了,经部党组研究,在节前把派到各地挂职的同志和最近参加中央党校、井冈山干部学院等培训学习的同志请到一起进行座谈,并向部机关全体干部和直属事业单位主要负责同志进行汇报交流,一是让大     

永远学习——在2010年国家土地督察干部整训班开班式上的动员讲话

<正>(2010年7月27日,根据录音整理)今天,一年一度的国家土地督察干部整训活动开始了。部党组对此次整训十分重视,徐绍史同志专门作出指示,要求精心组织,并为"敢于碰硬杯"乒乓球比赛题写了杯名。总督察     

在部党组扩大会议上的讲话

<正>(2010年10月29日,根据录音整理)刚才,各位部领导和10个单位的负责同志结合中心工作,围绕学习贯彻十七届五中全会精神的体会做了很好的发言。大家的发言,总体上讲得都挺好,特别是有些同志考虑的问题还有相当的深度,听后很受启发,收获很大。党的     

发现学习及其在《测量学》教学中的应用研究

本文运用现代教学理论,采用"发现学习"的教学方法进行《测量学》教学。首先论述发现学习的概念,指出采用发现学习的方法进行《测量学》教学是课程内在内容的需要。提出发现学习的《测量学》教学模式,并结合具体教学内容进行分析。从问题教学策略、情境教学策略、信息教学策略及作业教学策略四个方面进行教学策略研究。     

基于WorldView-2卫星影像的红树物种种群识别方法研究

为了准确地识别红树林中的各种红树物种种群分布区,以广东湛江红树林国家级自然保护区核心区的高桥红树林区为研究区,采用决策树算法、随机森林算法、自适应提升算法、梯度提升决策树算法、极端梯度提升算法和轻量级梯度提升机算法,利用WorldView-2卫星的高分辨率影像数据,构建影像的原始光谱波段、原始光谱波段+植被指数、原始光谱波段+植被指数+纹理特征3种特征组合数据集,识别研究区红树林中的各种红树物种种群分布区,分析各种算法在红树物种识别中的适用性。研究结果表明,5种集成学习算法的分类结果都优于决策树算法,其中,轻量级梯度提升机算法分类结果的分类精度最高,基于WorldView-2影像的8个原始光谱波段+12种植被指数+28种纹理特征,轻量级梯度提升机算法分类结果的总体分类精度值为93.15%,其分配不一致性值为5.07%,数量不一致性值为1.78%;极端梯度提升算法和随机森林算法在红树物种识别中也具有良好的适用性。WorldView-2卫星影像是对红树林中各种红树物种进行遥感分类的理想数据源,其纹理特征能显著提高分类精度,轻量级梯度提升机算法在红树物种识别中具有很大的应用潜力。     

厂商跨界学习能力--"邻近性"观点回顾与研究途径的建议

本文以资源依赖取径出发讨论厂商的跨界学习过程,提出研究者应关注技术密集度岛、已具备全球分工态势之外的产业类别。以及技术学习之外的知识需求,在承认影响知识传递的各种邻近性既非自动出现,也非既定存在之后,厂商地理尺度对学习能力的形塑如何成为建立邻近性的基础,是检视当代厂商跨界学习能力的试金石,同时主张以动态取径观察厂商能力的变化与提升过程,作者认为后进国家的厂磕。经验将是一个适当的切入点。响应于经济地理学文化转变后的研究旨趣并接合厂商跨国学习能力的讨论,作者提出以华人企业前往大陆投资并进行创新和学习活动的研究,观察厂商自主性的展现和以及厂商能力的形塑的关键力量与地理尺度的关连。可成为地理学对当代知识经济论述的基础。     

一种基于PPNet的地震直达P波到时拾取方法

针对现有地震直达P波到时拾取网络精度低、误差大等问题,结合UNet++编码、解码器,融入特征过滤器设计一种具有地震震相特征分析与融合能力的轻量级P波到时拾取网络PPNet,实现对地震P波的高精度、低误差拾取。首先,该网络在编码器模块采用大卷积核、低通道数的卷积层,对输入的地震信号进行深度特征提取;其次,在解码器模块的特征还原过程中加入特征融合机制,补全特征信息,避免序列特征污染问题;最后,仅对编码器后三个下采样模块添加特征过滤器,深入挖掘特征序列,通过细化P波到时特征,提升到时拾取精度。实验结果表明,提出的网络在0.1 s、0.2 s、0.3 s误差阈值下P波拾取率分别为80.73%、94.01%、97.81%,平均绝对误差0.078 s,均方误差0.021,与现有P波拾取传统方法和深度学习算法相比性能更优。