基于非线性测度函数的改进属性识别模型在水质综合评价中的应用

线性测度函数的传统属性识别模型,对水质评价标准随机抽样的评价结果存在较大误差。为增加其对实测样本评价的可信度,提出了基于非线性属性测度函数的改进属性识别模型。均匀随机和正交设计两种抽样的评价试验显示,改进属性识别模型评价结果准确度明显好于传统模型,说明指标的属性测度函数对属性识别模型的综合评价结果有重要影响。太原市地下水水质的综合评价实例说明,由于非线性测度函数比线性测度函数能更好地描述评价指标的实际隶属度,故改进的属性识别模型具有更高的评价可信度,在水质综合评价中具有更广泛的适用性。     

Effect of Multipoint Heterogeneity on Nonlinear Transformations for Geological Modeling： Porosity-Permeability Relations Revisited

An analysis of statistical expected values for transformations is performed in this study to quantify the effect of heterogeneity on spatial geological modeling and evaluations. Algebraic transformations are frequently applied to data from logging to allow for the modeling of geological properties. Transformations may be powers, products, and exponential operations which are commonly used in well-known relations (e.g., porosity-permeability transforms). The results of this study show that correct computations must account for residual transformation terms which arise due to lack of independence among heterogeneous geological properties. In the case of an exponential porosity-permeability transform, the values may be positive. This proves that a simple exponential model back-transformed from linear regression underestimates permeability. In the case of transformations involving two or more properties, residual terms may represent the contribution of heterogeneous components which occur when properties vary together, regardless of a pair-wise linear independence. A consequence of power- and product-transform models is that regression equationswithin those transformations need corrections via residual cumulants. A generalization of this result isthat transformations of multivariate spatial attributes require multiple-point random variable relations. This analysis provides practical solutions leading to a methodology for nonlinear modeling using correct back transformations in geology.     

利用双向缓冲区算法综合海图岛屿

阐述了岛屿综合的内容和原则。介绍了双向缓冲区算法的概念并给出了双向缓冲区算法的定义,研究并证明了双向缓冲区算法的特性。分析了利用双向缓冲区算法综合海图岛屿的原理,并通过实验验证利用双向缓冲区算法综合海图岛屿具有较好的效果。     

数字管网连通分析的淘汰算法与实现

本文从图论的观点出发,分析了数字化市政管网的构成和连通的特点,探索出数字化管网线路连通性分析的规律,提出了逐步淘汰算法进行连通性分析的方法。给出了基于mapbsic的实现这种算法的关键语句和注意问题。     

植被波谱空间尺度效应及尺度转换方法初步研究

基于遥感图像的地物识别需要大量地物波谱数据的支持,而现有地物波谱库中收集到的同一地物的波谱,由于其测量尺度和方法的差异,波谱也存在很大差异.以冬小麦为例,首先介绍了材料波谱、端元波谱和像元波谱这3种不同尺度波谱的概念,并以实验数据分析了不同测量尺度下波谱的差别,以此说明波谱尺度转换的必要性.然后利用物理模型和统计模型建立不同测量尺度下的波谱转换关系.分别验证了SAILH模型和线性光谱混合模型在波谱转换中的精度.研究表明,在大尺度上采用统计模型,在小尺度上采用非线性的物理模型可以解释不同尺度观测植被波谱之间的差异.     

基于MSA特征的遥感图像多目标关联算法

遥感图像中多目标关联存在以下两个问题:一是低时间分辨率观测使得目标状态信息无法准确估计,基于Kalman滤波的多目标关联算法不再适用;二是基于图像特征的目标关联算法又无法处理大场景观测中多个目标关联引起的模糊性.针对上述问题,提出一种基于多尺度自卷积特征匹配和关联代价矩阵最优化的多目标关联算法.实验表明该算法对遥感图像中多目标关联问题具有一定的适用性.     

多目标粒子群算法与选址中的形状优化

选址问题是GIS最基本的任务之一.一般性的选址是基于点的位置优化,可利用有关GIS功能完成.实际的选址问题是很复杂的.在给定设施的数量和面积前提下,需要在空间上确定设施的最佳位置,并对形状进行优化,以获取最大的效用.采用一般的方法无法求解这种最优化问题.而且,当选址问题涉及多个目标和不同的约束性条件时,就会变得异常复杂.提出了利用多目标粒子群优化算法和区域形状变异算法相结合来解决复杂的空间选址问题.具有智能的搜索方法,大大提高了空间搜索能力,并保持了搜索区域的连通性,取得了较好的效果.     

基于精密星历的计算卫星位置的方法

分析了拉格朗日多项式插值算法,提出了将Neville算法实现于精密星历的插值,数值试验表明,其克服了函数插值的龙格现象,有很好的逼近效果.     

基于相关系数匹配的混合像元分解算法

遥感影像中的混合像元不仅影响地物识别和分类的精度,而且已成为遥感科学向定量化发展的主要障碍.为此,人们已经提出了多种混合像元分解算法,其中应用最为广泛的是最小二乘法.该方法虽然具有意义明确、简单易行等特点,但也易受局部噪声、大气效应、环境辐射等因素的影响.本文将混合像元分解问题归结为一个基于光谱匹配的非线性最优化问题,并针对最小二乘法的不足提出了一种新的基于相关系数匹配(spectral correlation matching, SCM)的混合像元分解技术.通过在北京市北三环及其以北区域内案例的研究表明:在城市区域内,利用图像选取终端端元的办法,基于相关系数匹配的混合像元分解算法的总体精度高于带全约束的最小二乘法(LS)的分解结果.对比分析表明:在目标光谱的绝对值整体放大或缩小而光谱形状得到了很好的保持、及局部噪声使得光谱值显著变化但光谱形状得到了一定程度保持时,基于光谱形状的相关系数法可以得到比基于光谱绝对值的最小二乘法精度更高的分解结果.     

基于蚁群智能的遥感影像分类新方法

智能式遥感分类是遥感研究的新热点.提出了一种基于蚁群智能规则挖掘(ant-miner)的遥感影像分类新方法.遥感数据各波段之间存在较强的相关性,这种相关性往往会导致分类产生误差.而ant-miner算法中的信息素是基于规则整体性能的,信息素的动态更新能有效地处理相关性较强的数据,所提供的正反馈信息能纠正启发式函数缺陷所造成的错误.因此,蚁群智能算法应用于遥感分类具有一定的优势.将该方法用于广州市地区的遥感影像,取得了较好的分类结果.并与See5.0决策树方法及最大似然方法(MLH)进行了对比研究,实验结果表明,蚁群智能算法分类精度比后两者的分类精度更高.