乡村农户旅游适应效果、模式及其影响因素——以西安市和咸阳市17个案例村为例

乡村旅游地面临人地交互作用的剧烈变迁,内部要素适应社会-生态系统变化,趋利避害降低脆弱性具有重要现实意义。本文重新界定基于恢复力和脆弱性的农户适应性理论内涵,构建旅游开发适应力指标体系,以西安市和咸阳市17个不同类型的城郊型乡村旅游地为例,评价和分析农户旅游适应效果与空间差异规律,探讨和归纳适应行为与对策模式,建立BP神经网络辨别和揭示适应性影响因素与重要性关系。研究表明：① 西安市和咸阳市农户适应旅游开发综合效果呈现中等偏下水平的偏态分布趋势,分别处于旅游地生命周期快速发展阶段和探索起步阶段。② 乡村旅游地农户适应效果形成“圈层辐射、两翼包络、外围联动”的县域尺度空间分布格局;村域尺度圈层分化现象显著。③ 经营模式划分的旅游乡村农户适应效果股份制模式>“公司+农户”模式>“政府+公司+农户”模式>个体农庄模式>“农户+农户”模式;常年外出务工和农家乐经营是农户主要适应行为选择,季节性务工、本地上班以及农业生产是辅助适应行为选择,且适应行为组合方式表现为旅游专营型、旅游主导型、均衡兼营型、务工主导型和务农主导型五种适应对策模式。④ 旅游发展机会认知、技能培训机会、社会联结度、劳动力总量、政策知晓度、旅游就业人数、收入来源种类、生活主要能源、受教育程度、公共服务设施是农户主要旅游适应性影响因素。据此,提出后续社会-生态整合研究亟需突破方向和适应旅游开发的政策路径。     

卷积神经网络在SAR遥感海冰分类中的应用可行性分析

分别介绍了卫星遥感海冰监测、分类的传统方法,以及卷积神经网络在遥感影像分类识别中的应用成果。尝试将在图像识别、语言检测等方面取得成功的卷积神经网络算法应用在海冰图像分类中,利用其能够应对非线性、网络结构简单、可并行运算等能力去解决海冰数据分类问题。     

结合深度学习和图割法的遥感影像建筑物检测

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM）,然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。     

粒子群算法优化的神经网络短期钟差预报

针对导航卫星钟差短期预报精度上的不足,该文提出了一种基于粒子群算法优化的BP神经网络钟差预报模型,通过粒子群算法来对BP神经网络的权值和阈值进行优化,利用IGS的钟差数据进行实验,并与灰色GM(1,1)模型、二次多项式模型和BP神经网络模型的预报结果进行对比分析。结果表明,粒子群优化算法的BP神经网络模型钟差预报效果良好,3h预报精度能够达到0.3ns,体现了本文钟差预报模型的实用性。     

利用深度学习模型进行城市内涝影响分析

城市内涝是当前典型的一类城市自然灾害,影响着居民的生活质量。以城市内涝点作为研究对象,综合考虑内涝对城市居民工作和生活等方面造成的影响,筛选出与影响程度相关的21类空间数据。同时,基于深度学习原理构建栈式自编码神经网络模型,结合层次分析法获取的内涝点影响程度标签,剖析21类空间数据与内涝点对居民工作生活影响程度的关系,实现城市内涝对居民工作和生活影响的定量分析。实验表明,栈式自编码神经网络模型能准确地描述内涝点周围的系列空间数据与内涝影响程度之间的关系,可有效预测潜在内涝点对居民工作和生活的影响程度大小,可用于城市防洪排涝方案的制定和排水管网的优化设计。     

利用卷积神经网络进行绝缘子自动定位

提出一种基于二值化赋范梯度特征和卷积神经网络的航空影像绝缘子自动定位方法。首先利用二值化赋范梯度分类器提取绝缘子候选窗口,而后利用卷积神经网络算法进行精细识别,获得包含绝缘子目标的窗口集,最后对高重叠度窗口集进行加权迭代合并得到最终绝缘子定位结果。采用广东电网大型无人机实际线路巡检获取的可见光影像对自动定位算法进行验证,实验结果表明,在复杂背景下绝缘子整体回调率为90.5%,定位精度为92%,证明该方法能够对复杂背景下可见光影像中的绝缘子进行有效识别定位,且算法通用性较强,可适应不同背景的可见光影像。     

基于多光谱数据的南海浅水水深测量算法研究

沿海地区的水深测量是大多数海岸工程和沿海科学应用的常见要求。然而,在我国南海浅水区域(0—10 m)及部分政治敏感区,船只很难到达导致测量非常不便,这种情况下遥感测量方法凸显了其价值。本文基于QuickBird多光谱遥感影像及同时期多波束实地测量水深点数据,利用6种算法模型定量反演了中国南海甘泉岛周边浅海的水深。精度验证结果表明,基于遗传算法优化的BP神经网络模型与实际测量水深的相关系数R2大于0.96,测量结果可靠。     

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC）,利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值,初步建立GA-BP神经网络预测模型,结合马尔科夫链的无后效性修正模型预测值,形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据,分别与BP神经网络、GA-BP神经网络预测模型进行对比,结果表明,该预测模型精度最高。