中国碳强度关键影响因子的机器学习识别及其演进

碳强度影响因子数量众多,通过在众多因子中评估其重要性以识别出关键影响因子进而解析碳强度关键因子的变化规律,是中国2030年碳强度能否实现比2005年下降60%~65%目标的科学基础。传统的回归分析方法对于评估众多因子的重要性存在多重共线性等问题,而机器学习处理海量数据则具有较好的稳健性等优点。本文从能源结构、产业结构、技术进步和居民消费等方面选取了56个中国碳强度影响因子指标,采用随机森林算法基于信息熵评估了1980-2014年逐年各项因子的重要性,通过指标数量与信息熵的对应关系统一筛选出每年重要性最大的前22个指标作为相应年度关键影响因子,最终依据关键影响因子的变化趋势划分了3个阶段作了演进分析。结果发现：1980-1991年,碳强度的关键因子主要以高耗能产业规模及占比、化石能源占比和技术进步为主;1992-2007年,中国经济进入快车道增长时期,服务业占比和化石能源价格对碳强度的影响作用开始显现,居民传统消费的影响作用在增大;2008年全球金融危机后,中国进入经济结构深化调整时期,节能减排力度大大增强,新能源占比和居民新兴消费的影响作用迅速显现。为实现2030年碳强度下降60%~65%目标,优化能源结构和产业结构,促进技术进步,提倡绿色消费,强化政策调控是未来需要采取的主要措施。     

中国城市网络关联格局的影响因素分析——基于电子信息企业网络的视角

城市网络关联格局影响因素的测度及其作用机理的解析是建立城市网络理论模型的关键环节。基于2017年中国电子信息100强企业网络视角构建城市网络,采用指数随机图模型定量测度了中国城市网络的影响因素,解析了城市网络生长发育的微观过程,并探索性的提出了理解中国城市网络发育机理的概念框架。研究发现：偏好依附效应和接收者（GDP）效应构成了中国城市网络中心性格局的微观基础,中国城市网络生长发育表现为择优选择的地理过程;互惠性链接深刻影响着城市间的关系格局,网络闭合机制逐步成为城市间链接关系的重要影响因素;空间距离对基于电子信息企业网络的城市网络约束作用并不明显,城市网络表现出在“流动空间”中生长发育的特征。     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距,不仅可以快速获取地面物体的三维坐标,还可以获得多个波段的地物光谱信息,可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征,完成多光谱LiDAR的随机森林地物分类;并分析随机森林的特征贡献度特性,采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度,而且可以适当地去除部分冗余和相关的特征,从而有效提高分类精度。     

随机模型对解算西安流动SLR站坐标的影响

合理的参数估计及精度评定不仅需要可靠的函数模型,而且需要正确的随机模型。从权函数和粗差编辑两方面,研究了不同随机模型对西安流动卫星激光测距（satellite laser ranging,SLR）站坐标解算的影响,采用全球Lageos-1卫星观测数据计算了西安流动SLR站坐标。计算结果表明:①西安流动SLR站的观测精度和坐标解算精度均达到厘米级。②随机模型直接影响SLR站坐标的解算结果及可靠性;对于相同的计算弧段,抗差方差分量估计得到的站坐标精度最高、结果最稳定,残差加权均方差最小,观测资料利用率也最高;对于相同的计算方案,采用的SLR数据越多,坐标估计精度越高。     

基于Sentinel-1B SAR数据的洪水提取和监测

洪涝灾害是我国最严重的气象灾害之一,及时准确的洪灾监测是防灾减灾的重要前期工作和基础。本文利用sentinel-1B雷达数据,以黑瞎子岛为研究区,联合使用OSTU阈值分割法和随机森林面向对象分类法针对像素统计单波形、双波形、多波形SAR影像提取洪水要素,实现对洪灾淹没面积的时序监测,为灾情监测提供数据和技术支撑。     

齐长城土壤电导率的高光谱定量估测模型

建立夯土齐长城黄岛段土壤电导率高光谱估测模型。由采集的夯土齐长城黄岛段的土壤样本提取光谱数据,利用SG平滑和光谱微分技术,通过相关系数法筛选敏感波长,并以敏感波长作为自变量建立土壤电导率的高光谱定量估测模型,对比分析所建立的主成分回归、支持向量机和随机森林模型的精度,选择最优模型并验证。结果表明:839 nm、975 nm、1 279 nm和1 284 nm为敏感波长,经过对比分析所建立的模型,以随机森林模型为最优估测模型。随机森林模型能较好地估测夯土齐长城黄岛段的土壤电导率。     

GPS／GLONASS／BDS／Galileo系统载波相位观测值质量对比分析

目前,全球卫星导航系统(GNSS)已进入以GPS、GLONASS、BDS、Galileo四系统为代表的多系统并存的时代,多系统多频率观测值的综合应用极大地提升了GNSS的服务能力. GNSS自身的数据质量是取得高精度结果的先决条件之一,也是多系统精密定位随机模型构建的关键. 为避免码分多址和频分多址机制不同的影响,本文采用几何无关和M-W组合方法,基于科廷大学实测零基线数据对四系统的载波相位单差残差序列对比分析,并利用高度角随机模型中的正弦模型和指数模型对载波相位观测值精度随高度角变化建模,获得适用于不同系统不同频率观测值的随机模型. 实验分析表明,单差残差序列随高度角变化情况在不同系统不同频率表现出不同特性;Galileo系统L1、L2观测值精度相当,均在0.9 mm左右,其他系统则表现出L2精度比L1精度更差的性质. 高度角加权模型拟合结果表明,正弦模型和指数模型对GPS和Galileo系统的L1、L2精度序列拟合一致性较好,而BDS系统使用正弦模型拟合效果略差,GLONASS系统则不适合采用正弦模型评估L2观测值精度.      

顾及卫星空间分布状态的 GNSS信噪比随机模型

为了研究随机模型对GNSS定位精度的影响,介绍了GPS/GLONASS/BDS组合伪距单点定位的函数模型以及几种当前常用的先验随机模型。结合各个模型的优缺点,提出通过指数函数引入空间分布改善因子,建立一种改进的信噪比随机模型,并设计相关多系统伪距单点定位试验对其性能进行分析。实验结果表明:改进模型的解算精度显著优于现存的几种先验随机模型,相比等权模型在三维定位精度上提升15%～30%,相比高度角模型提升15%～25%,相比信噪比模型提升5%～15%,相比现存的PDOP模型也有明显提升。改进模型在不同遮蔽情况、双系统和三系统组合定位时精度均优于现存的信噪比随机模型,从而验证了该定权算法的有效性。     

基于随机森林的福建省区域滑坡灾害预警模型研究

福建省滑坡灾害群发,点多面广,开展区域滑坡灾害预警业务是有效防灾减灾的重要手段,预警模型的科学性和有效性是预警业务的核心问题。传统区域滑坡灾害预警模型,受到滑坡诱发机理复杂、数据积累有限,以及大数据分析方法不足等限制,存在预警精度有限、精细化不足等问题。本文基于近9年地质与气象大数据,采用随机森林算法,构建了福建省区域滑坡灾害预警模型并开展实例校验。研究得出如下结论：(1)提出区域滑坡灾害训练样本集构建的优化方法,并构建了福建省区域滑坡灾害训练样本集,样本集包括地质环境、降雨等26个输入特征属性和1个输出特征属性,涵盖了福建省近9年(2010～2018年)全部样本数量达15 589个(其中：正样本3562个,负样本12 027个,正负样本比例约1︰3.4);(2)基于随机森林算法,对福建训练样本集进行学习训练、模型优化和模型存储。模型训练采用5折交叉验证法,采用贝叶斯优化算法进行模型参数优化,采用精确度、ROC曲线和AUC值等指标校验模型准确度和模型泛化能力。优化后的模型准确率和泛化能力均较好(准确率94.3%,AUC为0.954);(3)选取2021年6月22日和28日的实际滑坡灾害...     

顾及噪声密度函数差异的自适应回归算法及其在人工标靶提取中的应用

仪器、周围环境和人为操作等往往会造成点云中包含大量的噪声,导致模型回归精度低等问题.RANSAC算法凭借其简单实现、稳健的优势广泛应用于解决模型回归的问题.但是,针对不同的场景,RANSAC算法需要不断地调整参数来估计最优模型解.本文考虑到RANSAC及其现有改进算法的不足,以及内群点与噪声之间往往存在密度分布差异性,...