测量控制网优化设计的可靠性准则法

测量控制网优化设计与网的精度、可靠性、灵敏度以及费用等准则有关,但这些准则之间的关系又十分密切,本文提出了一种基于观测值内部可靠性指标的测量控制网模拟法优化设计新方法,介绍了其原理和特点,并用实例说明了用该方法的计算步骤和优化效益。     

基于遥感影像理解模型的土地利用时空变化监测——以龙口市为例

本文从遥感影像理解模型出发,探讨了遥感信息的知识发现及特征提取问题,特别针对士地利用研究领域,提出了纳入GIS信息的遥感影像综合理解模型,将GIS数据(主要包括高程和坡度)与遥感影像结合起来,从中发现知识,并将知识用于遥感影像的专题信息提取,建立了地学规律知识库,从而提高了遥感影像的分类精度。本文基于遥感影像理解模型,发现土地利用变化区域,提取变化信息,动态地监测了龙口市土地利用的时空变化情况。     

基于AHP和BP神经网络的深部地热水可持续开发能力评价

采用资料完整性、开采潜力、回灌量、平均水压下降速率、地面沉降速率、水温、水质、地热井布局8项指标构建天津地热可持续开发能力评价指标体系;运用层次分析法确定了各项指标的权重,建立起评价因素集和评语集,给出了归一化数值;建立了天津地热可持续开发能力的BP神经网络模型,以层次分析法得出的结果作为样本,对BP网络进行了训练和测试,实例评价结果表明了AHP和BP神经网络方法的可行性,为地热资源的可持续开发能力评价提供了一种新的评价方法。     

基于神经网络方法的芦苇叶面积指数遥感反演

提出了一种从TM图像上获取芦苇冠层叶面积指数的方法:首先对芦苇的生长背景进行分类;然后,对不同的背景光谱利用冠层反射率(FCR)模型计算得到查找表;最后,利用实测数据和查找表中的数据作为参数进行BP神经网络模型训练,从而得到芦苇冠层LAI。结果表明,人工神经网络方法有很强的非线性拟合能力,能够消除背景对反演结果的影响,有效提高LAI反演的精度。     

区域似大地水准面确定的最小二乘支持向量机方法

支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性.     

GPS应用于高空施工机械安全监控

结合小湾水电站建设施工情况,利用实地采集的GPS定位数据,探讨使用GPS实时动态定位技术构建高空施工机械安全监控系统的实现原理和可行性,同时介绍构成系统的各个模块及其功能,给出有效地实施高空施工机械安全运行监控的实用方法。     

模拟退火算法在控制网平差中的应用

线性最小二乘估计在对非线性函数进行线性近似的过程中会产生模型误差,而一些非线性参数估计方法可能因为函数复杂而难以求导,法方程系数矩阵秩亏或呈病态矩阵时难以求解,非线性迭代解法有时对初始值的选择存在依赖性,不恰当的初始值会导致迭代无法收敛。针对这些问题,引入了模拟退火算法,介绍了该算法的基本原理、计算步骤和收敛性,并以3个控制网平差应用为例,说明该算法具有无需求导求逆,简洁实用,易于编程等优势,并能实现全局优化,获得高精度的平差结果。     

基于约束的城市街道网自动综合方法

近年来,基于约束的地图自动综合成为研究的热点。本研究在基于约束的地图自动综合理论的基础上,提出了一种城市街道网自动综合方法。该方法依赖于街道网综合中的约束和改进的动态决策树结构,它很好地将约束融入了特定的数据结构,实现了街道网的渐进式综合。实验证明了方法具备可行性。     

基于权变理论的滑坡灾害监测预报思路探讨

文章简要评述了地质灾害基础理论与应用技术发展现状、滑坡灾害多种监测预报判据的利弊。利用综合信息处理决策方法,提出了基于权变理论的滑坡灾害监测预报新思路。分析了滑坡成灾的权变特征、环境因素和决策因素,建立了滑坡灾害预报决策概念模型。进一步探讨了在预报决策中应遵循的动态性及满意性原则,为提高地质灾害监测预报理论的科学性提供了新的理论依据与技术途径。     

Bringing GPS into harsh environments for fully automated deformation monitoring

Engineering projects that require deformation monitoring frequently utilize geodetic sensors to measure displacements of target points located in the deformation zone. In situations where control stations and targets are separated by a kilometer or more, GPS can offer higher precision position updates at more frequent intervals than can normally be achieved using total station technology. For large-scale deformation projects requiring the highest precision, it is therefore advisable to use a combination of the two sensors. In response to the need for high precision, continuous GPS position updates in harsh deformation monitoring environments, a software has been developed that employs triple-differenced carrier-phase measurements in a delayed-state Kalman filter. Two data sets were analyzed to test the capabilities of the software. In the first test, a GPS antenna was displaced using a translation stage to mimic slow deformation. In the second test, data collected at a large open pit mine were processed. It was shown that the delayed-state Kalman filter developed could detect millimeter-level displacements of a GPS antenna. The actual precision attained depends upon the amount of process noise infused at each epoch to accommodate the antenna displacements. Higher process noise values result in quicker detection times, but at the same time increase the noise in the solutions. A slow, 25 mm displacement was detected within 30 min of the full displacement with sigma values in E, N and U of ±10 mm or better. The same displacement could also be detected in less than 5 h with sigma values in E, N and U of ±5 mm or better. The software works best for detecting long period deformations (e.g., 20 mm per day or less) for which sigma values of 1–2 mm are attained in all three solution components. It was also shown that the triple-differenced carrier-phase observation can be used to significantly reduce the effects of residual tropospheric delay that would normally plague double-differenced observations in harsh GPS environments.