基于布谷鸟算法的遥感影像智能分类

提出了一种新的基于布谷鸟算法的智能式遥感分类方法。采用布谷鸟智能优化算法,自动搜索遥感影像各波段的最优阈值分割点,并定义各波段最优阈值分割点和影像分类目标类别的连线为布谷鸟的最佳解,构造以If-Then形式表达的遥感分类规则。将所提的基于布谷鸟算法的影像分类方法应用于ALOS影像分类中,并与蜂群智能遥感分类方法和See5.0决策树方法进行了对比分析。结果表明,布谷鸟智能遥感分类的总体精度和Kappa系数均比蜂群智能遥感分类和See5.0决策树方法更高,该智能遥感分类方法具有更好的分类效果。     

多源大数据支持的土地储备智能决策模型集研究

伴随着城镇化的快速推进,城乡建设用地资源日益紧张,但目前土地储备决策缺乏精准科学依据,无法有效地进行资源配置和宏观调控。针对此问题,本文深入剖析土地储备基本业务与决策环节,研究了一套面向土地储备的智能决策模型集,包括存量土地监测模型、收储成本预测模型、出让价格预测模型、储备平衡分析模型、相似地块分析模型、开发时序分析模型及病态地块识别模型,旨在将土地储备决策环节科学化、定量化和模型化,并重点为土地储备总量、效益、规模、结构、布局、时序的统筹安排提供建议。另外,该模型集具有体系化、高效灵活、智能化的特点,能够服务于储备业务全链条,满足即时决策应用需求和实现模型自主更新与进化,保证模型的时效性。最后,该模型集已经工程化应用于宁波市土地储备智能决策支持平台,实践验证了以上决策模型具有较高的准确度和实用性,表明模型集能够为土地储备的科学决策提供理论依据,有利于土地资源的集约利用和高效配置。     

Location approximation for local search services using natural language hints

Local search services allow a user to search for businesses that satisfy a given geographical constraint. In contrast to traditional web search engines, current local search services rely heavily on static, structured data. Although this yields very accurate systems, it also implies a limited coverage, and limited support for using landmarks and neighborhood names in queries. To overcome these limitations, we propose to augment the structured information available to a local search service, based on the vast amount of unstructured and semi‐structured data available on the web. This requires a computational framework to represent vague natural language information about the nearness of places, as well as the spatial extent of vague neighborhoods. In this paper, we propose such a framework based on fuzzy set theory, and show how natural language information can be translated into this framework. We provide experimental results that show the effectiveness of the proposed techniques, and demonstrate that local search based on natural language hints about the location of places with an unknown address, is feasible.     

人工智能技术在数值天气预报中的应用

当前,人工智能迎来第3次发展浪潮并在多个领域大数据分析中取得巨大成功,这为人工智能技术与数值天气预报结合提供了契机。已有大量研究尝试将人工智能技术用于数值天气预报的初值生成、预报和产品应用过程中,涉及观测资料预处理、资料同化、模式积分、后处理以及高性能计算,通过误差估计、参数估计和局部代理等手段使预报结果,得到改进且计算速度大幅提升,展示出良好的应用前景,一些神经网络模型也表现出纯数据驱动预报的可能性,在短时强对流天气、降水以及气候预测中已有较为理想的应用实例。然而,人工智能技术在数值天气预报中的应用与发展仍面临一些挑战,主要包括深度学习的弱解释性、不确定性分析以及两者的耦合等,除了应对这些挑战,未来两者的深度结合还需要在理论指导下的人工智能模型设计、高时空分辨率人工智能预报模型设计以及使用更多新型人工智能技术等方面深入探索。     

岩性识别：方法、现状及智能化发展趋势

岩性识别是地质工作中一项基础而又重要的工作。传统的岩性识别方法过于依赖经验和地质专业知识积累,不仅耗时长、专业性强,还易受主观因素影响,导致准确率不理想。笔者等首先回顾了传统的岩性识别方法,之后总结了最新涌现的智能化识别方法,最后详细介绍了基于岩石图像、镜下图像、图像与元素信息融合等的智能识别方法。基于岩石图像的识别方法对于文中的岩石识别准确率可达90%以上,基于图像与元素融合的岩性识别方法可以缓解图像相似度高、风化破坏表观特征等因素对识别准确度的影响。笔者等认为当前岩性智能化识别研究仍处于初级阶段,无法满足工程需求。综合各类数据源的优势,利用机器学习深度挖掘岩石元素、矿物、光谱和表观特征间的内在关联性,有利于突破单源信息的局限性,实现岩性快速准确识别。     

人工智能技术气候预测应用简介

近年来,随着人工智能技术在多个领域大数据分析中的应用,许多研究工作者尝试将地学研究与人工智能跨学科结合,取得了很多新的进展,推动了地球科学的发展。其中气候预测与人类生活以及防灾减灾等息息相关,准确的气候预测至关重要。本文简要总结了人工智能技术在气候预测应用方面的研究进展,包括资料同化、模式参数化、求解偏微分方程、构建统计预测模型、改进数值模式产品释用等领域。这些研究证明了利用人工智能提高气候预测技巧的可能性和适用性,可以极大地节省计算成本和时间。然而人工智能应用也存在诸多挑战,例如数据集的构建、模型的适用性和物理可解释性等问题,对这些难点问题的研究和攻克,可以让人工智能在大数据时代中更好地补充传统地球科学方法,产生更多有益的效应,极大地改进气候预测水平。     

Improving map generalisation with new pruning heuristics

Many automated generalisation methods are based on local search optimisation techniques: Starting from an initial state of the data, one or several new child states are produced using some transformation algorithms. These child states are then evaluated according to the final data requirements, and possibly used as new candidate state to transform. According to this approach, the generalisation process can be seen as a walk in a tree, each node representing a state of the data, and each link a transformation. In such an approach, the tree exploration heuristic has a great impact on the final result: Depending on which parts of the tree are either explored or pruned, the final result is different, and the process more or less computationally prohibitive. This article investigates the importance of exploration heuristic choice in automated generalisation. Different pruning criteria are proposed and tested on real generalisation cases. Recommendations on how to choose the pruning criterion depending on the need are provided.