近24a哈尔滨机场跑道易结冰月气温统计分析

本文统计分析了哈尔滨机场1986—2009年3月份的气温,得出近24a3月份的平均气温总体趋势为先升后降,最低气温的变化先于最高气温,其对平均温度的影响较大。气温跟降水成负相关关系,暖干、冷湿相伴,且最高温度与降水日数相关显著。低气温对应的除冰日数多,高气温则少。雪深对跑道结冰有一定的作用,如果预报日气温均≤-3℃,且...     

中国枢纽机场网络体系演变格局

枢纽机场是机场网络体系的核心要素。文章首次提出利用网络模型k-核概念定义枢纽机场网络体系,并对中国1990―2015年的枢纽机场网络体系的演变过程进行量化分析。研究表明：中国航空网络k-核极大值呈增大趋势,尽管加入枢纽机场的阈值增大,但其数量仍呈稳步增加趋势,由1990年的26个增加到2015年的36个。枢纽机场网络连接率由1990年的7.1增长到2015年15.4,网络演变具有异速增长特征,同时较低的平均路径长度值显示网络具有十分高的组织效率。枢纽机场体系的客货吞吐量集中程度较高,近10年来市场集中度呈下降趋势,但2015年枢纽机场的客货吞吐量市场占比仍分别高达86.7%和95.1%。文章甄别的枢纽机场体系在较大程度上揭示了“规模优先”与“区域均衡”规划模式,能为枢纽机场的发展规划提供决策支撑。     

基于改进U-Net网络的高分遥感影像水体提取

传统基于光谱信息的水体提取未能考虑水体形状、纹理、大小、相邻关系等问题,且存在同物异谱、异物同谱现象,导致水体提取精度较低。而传统基于分类提取水体方法设计特征过程较为繁琐,且不能挖掘深度信息特征。因此,本文提出改进的U-Net网络语义分割方法,借鉴经典U-Net网络的解编码结构对网络进行改进：① 将VGG网络用于收缩路径以提取特征;② 在扩张路径中对低维特征信息进行加强,将收缩特征金字塔上一层的特征图与下一层对应扩张路径上的特征图进行融合,以提高提取结果分割精度;③ 在分类后处理中引入条件随机场,以将分割结果精细化。在保持相同训练集、验证集和测试集的情况下,分别用SegNet、经典U-Net网络和改进的U-Net网络做对照试验。试验结果表明,改进的U-Net网络结构在IoU、精准率和Kappa系数指标上均高于SegNet和经典U-Net网络,与SegNet相比,3项指标分别提升了10.5%、12.3%和0.14,与经典U-Net网络结果相比,各个指标分别提升了5.8%、4.4%和0.05。改进的网络水体提取结果较为完整,对小目标水体能够准确提取。改进的U-Net网络能够有效地实现水体提取任务。     

机场旧混凝土道面结构强度测试及计算——以西安某机场道面为例

我国许多机场道面建造于20世纪50～60年代,至夸连续使用了敷十年,道面使用功能进入老化阶段,已经严重影响了机场的正常使用与飞行安全.准确、快速、合理地对这些机场道面的承载能力与结构强度进行测试及分析,给机场道面管理、雏护和翻修改遣方案提供设计依据就显得非常重要.以西安某机场道面为例,对机场旧混凝土道面结构强度测试评价方法进行了探讨,对道面结构强度参数进行测试计算与分析,为道面修复技术方案的设计制定提供科学依据.     

一种改进的空间上下文点云分类方法

考虑到点云数据具有线性分布和密度不均匀的特点,以及现有复杂场景点云分类方法中缺少对非局部空间上下文信息的有效利用,提出了一种改进的空间上下文点云分类方法。该方法在提取点云数据顾及曲率的自适应邻域的基础上,首先估算点云局部特征与依赖性空间上下文,并基于超级体素提取分布性空间上下文,最后采用高阶条件随机场模型,实现对点云数据的自动分类,避免了利用单一点云局部特征分类的局限性。试验结果表明,本文方法能够有效提高点云数据地物分类精度。     

球珠式钎头在开山工程中的应用

介绍几种球珠式钎头的使用情况,对修磨效果进行了分析,合理地修磨钎头能降低消耗,提高效益.     

天津港地区土层剖面随机场特征参数的估计

天然地基或人工地基在形成过程中,不同位置的土由于成因相似,其物理力学特性指标具有空间自相关性,这种空间自相关性可以用随机场理论进行研究。为估计天津港地区土体物理力学性质的空间随机场特性,采用了现场钻孔取样、静力触探等方法获取了大量的描述土体物理力学性质的参数。由于静力触探试验能够连续取样以获得足够多的数据来进行随机场分析,文章主要应用静探数据检验了该地区土性指标的平稳性和各态历经性,指出应用Vanmarcke的随机场模型对土性指标进行分析具有可行性。本文的创新点在于探讨了天津港地区随机场模型的建立方法并应用改进的完全不相关距离方法估计了天津港地区典型土层剖面的随机场特征参数。为随机场理论应用于天津港地区岩土工程可靠度分析打下了坚实的基础。相同的方法可用于其他地区土层随机场特征参数的估计。     

基于条件随机场的中文地名识别方法

在互联网迅速发展的现代化信息社会,大量地理信息都以非结构化的文本形式存在,而地名识别是挖掘这些地理信息的重要基础。目前已有的地名识别方法主要是从自然语言处理的角度来实现,并没有充分考虑到地名的构成和使用习惯等特征,造成识别率偏低或过拟合等问题。本文引入语言学相关知识,分析中文地名用字特征,在传统的地名专名+通名的结构上,更细致地划分地名的词素类型,总结归纳各词素类型的特征,将这些特征融入条件随机场的方法中,使地名识别问题转化为序列标注问题。并根据中文地名的特征,制定形式化规则,设计基于字的标注规范。在此基础上,设计中文地名特征模板,通过条件随机场模型训练和预测,识别自然语言文本中的中文地名。采用170万字的人民日报标注语料进行实验验证,结果表明本文方法对中文地名识别的召回率、准确率和F值分别达到92.69%、96.73%和94.67%,优于已有研究成果,能为地理信息科学领域的研究和应用提供更有效的地名服务。     

综合聚类和上下文特征的高光谱影像分类

常规高光谱影像逐像素分类往往没有考虑空间相关性,分类结果未体现地物的空间关联和分布特征。为了在分类中充分利用空间特征,利用聚类信息并结合隐马尔可夫随机场模型讨论了高光谱遥感影像光谱-空间分类方法。首先,在不同特征提取方法（最小噪声分离、独立成分分析和主成分分析）下,使用不同聚类方法（k-均值、迭代自组织分析算法和模糊c-均值算法）借助隐马尔可夫随机场获取优化的分割图;然后,采用4连通区域标记法对分割区域标记生成图像对象,并根据支持向量机的逐像素分类结果采用多数投票法对图像对象进行分类;最后,借助凹槽窗口邻域滤波技术改进分类结果,削弱“椒盐”现象。该方法综合了监督分类和非监督分类的优势,通过聚类引入地物空间相关性信息,通过隐马尔可夫随机场引入上下文特征,较好地弥补了单纯基于光谱信息分类的不足。