基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演.结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5 m的水深值反演精度较高,而对大于10 m的水深值反演精度较低.     

顾及邻域居民地群组相似性的道路网匹配方法

现有多源同比例尺道路网匹配方法中,大多只利用道路自身特征进行匹配,而较少顾及道路周边要素对匹配过程的影响和约束,从而影响了道路网匹配效果的进一步提高,特别是对系统误差改正后仍存在一定位置或旋转偏差的道路数据进行匹配时,这种影响尤为明显。本文借鉴人类对陌生环境的空间认知特点,提出了一种顾及邻域居民地群组相似性的道路网匹配方法。该方法通过构建城市骨架线网确定与道路相邻的居民地群组,进而计算居民地群组空间关系和几何特征相似度来获得对应道路的匹配结果。其特点在于:对存在位置或旋转偏差的道路数据匹配,以其邻域空间内居民地群组的整体相似性指标来带动道路自身匹配,实际上是增加了周边居民地群组对道路匹配过程的约束,更具鲁棒性。试验及对比分析表明,本方法能够较好地解决系统误差改正后仍存在较大位置和旋转偏差的道路数据间的匹配问题,提高匹配的正确率。     

无人机图像配电导线断股检测的深度学习方法

配电导线的断股易导致断线事故,给用电需要和用电安全带来了极大的负面影响。传统人工检视方法费时费力,而基于无人机（unmannedaerialvehicle,UAV）获取导线影像,利用全卷积网络（fullyconvolutionalnetwork,FCN）深度学习的方法进行配电导线断股快速准确检测可以事半功倍。首先,顾及断股图像空间低占比特点,利用卷积层代替池化层以减少细节损失,实现改进FCN网络架构构建;其次,通过图像变换方法增强原始数据集,提升网络泛化能力;然后,选用BReLU（bilateralrectifiedlinearunit）激活函数,弥补常用激活函数存在的梯度弥散缺陷,提高准确识别率;最后以某电力配电导线巡检项目为例,训练、优化网络,并对UAV获取的图像进行检测,取得了93%的正确率。同时,对比分析了该方法与传统方法的检测效果,结果表明了在配电导线断股智能识别中该方法的鲁棒性和准确性显著占优。     

基于金字塔瓶颈残差网络优化算法的多光谱影像分类

提出了一种使用深度金字塔残差网络来构造分类网络的方法,用于多光谱影像分类。该方法利用残差模块加深网络复杂度,利用金字塔瓶颈模块提取图像中的高层特征。针对高分一号、RapidEye和GeoEye卫星影像的实验结果表明,新方法表现出优越的泛化能力和更高的精度。     

基于四面体格网的三维地质体建模算法

构建真三维模型是地质学、三维GIS、科学可视化及工程应用领域共同关心的课题。提出了基于TEN的三维离散数据的构模,详细说明了从离散的三维初始数据点建Delaunay四面体格网的算法和步骤。算例表明,该算法能够较好地生成任意形状三维地质体。     

利用地震相分析方法圈定煤层变焦区

三维地震数据体中,地震波形的总体变化源于地质体构造、岩性的综合反映,因此地震波形的总体变化是一个很重要的地震属性。然而,传统的岩性解释手段(例如波阻抗反演和地震属性技术等)忽略了地震波形的整体变化及其分布规律。利用地震波形的变化来建立地震相,在一定程度上能够弥补这一缺陷。利用地震波形划分地震相就是通过神经网络分析将地震信号按照波形进行分类,不同的类反映不同的岩性地质体。基于波形划分地震相原理,介绍了利用Stratimagic地震地层解释系统进行地震相划分的一般流程和关键参数的设置,并以淄博矿业集团葛亭煤矿某采区为例,对其3煤层变焦区进行了圈定。     

网络计划管理技术在长江某穿越隧道工程中的应用

网络计划技术是一种科学的计划管理技术,它对工程组织过程和项目实施步骤进行全面的规划、编排,并在工程项目实施初期对多种方案进入深入的研究与比较,更科学地进行目标进度的安排。本文以长江某穿越隧道工程为例,详细探讨了用网络计划技术进行工程管理的过程。     

并行网络电法在煤层覆岩破坏监测中的应用

并行网络电法勘探现场观测数据表明,随着开采煤层上覆岩体破坏程度的加剧,其电阻率值呈上升趋势:当煤层上覆岩层视电阻率值相对于背景电阻率值增大1~2倍时为裂隙发育带;当增大3倍以上时为离层冒落带。对于全空间电阻率观测,其视电阻率值的变化主要是以突出异常为主。应用结果表明,利用并行网络电法进行煤层顶板视电阻率动态监测,可以直观反映“三带”的发育形态以及开采产生矿山压力的显现规律,为矿井安全提供有效的探测手段。     

基于遗传算法优化BP神经网络的玉米遥感估产方法

以内蒙古自治区开鲁县玉米作物为研究对象,将生育期内玉米遥感影像所提取的多种植被指数和实地采样点的测产数据作为训练值,利用BP(back propagation)神经网络和遗传算法优化BP(GA-BP)神经网络估产模型,得出网络预测的玉米产量数值。通过决定系数R 2和均方根误差RMSE,比较实测产量与预测产量之间的精度,BP神经网络模型R^2为0.8452,RMSE(%)为28.37;遗传算法优化BP神经网络模型R^2为0.9850,RMSE(%)为6.70,表明遗传算法优化BP神经网络估产模型具有一定可行性和可信度。