基于土壤地形指数和遥感分类的SCS模型参数率定

以RS为主要手段,结合GIS技术,基于屯溪流域遥感影像,研究得到了屯溪流域两期遥感影像的土地利用分类结果。在此基础上,利用屯溪流域DEM数据得到TOPMODEL模型中的土壤地形指数,并与SCS水文模型和遥感信息相结合进行水文分区,率定SCS模型的径流曲线数参数(CN值),然后利用1982~2002年间屯溪流域的水文数据对结果进行精度验证。实验结果表明,该方法取得了较好的效果,模拟径流与实测径流间的平均误差仅为14.1%。     

灰色Verhulst-BP模型在沉降分析中的应用

针对软基处理后的地基沉降情况进行分析,利用灰色Verhulst-BP模型对沉降数据进行分析预测。灰色Verhulst-BP模型是利用灰色Verhulst模型的残差值来改进BP神经网络模型,进而提高模型的模拟预测精度。在Matlab9.0平台上,通过Matlab语言编程实现实例检验分析。研究结果表明,灰色Verhulst-BP模型相对于灰色Verhulst模型更适合于S型序列的数据分析预测。该模型预测精度较高,能够较好地反映沉降趋势。     

基于NGM(1,1,k,c)模型和改进切线角的危岩变形预测

针对危岩变形预测问题,本文以非齐次指数序列的灰色模型(NGM)作为危岩变形预测的基本模型,通过对望霞危岩变形的分析结果显示,NGM(1,1,k,c)模型拟合效果明显优于GM(1,1)模型,说明危岩变形趋势更接近于非齐次指数序列。利用NGM(1,1,k,c)模型结合改进切线角可对危岩变形趋势进行分析预测,可作为危岩稳定性和发展趋势的评估依据。     

七参数坐标转换模型的比较分析

主要介绍了Bursa模型、Molodensky模型,以及武测七参数坐标转换模型的原理与方法,采用最小二乘原理求解七参数数值并通过Cshape编程实现三种模型的转换过程,比较三种模型的坐标转换结果并解算模型的相关系数矩阵,分析了三个模型七参数之间的相关性。结果显示,三种模型转换后的坐标及残差完全一样,小范围内Molodensky模型参数之间的相关性明显弱于Bursa模型和武测模型。     

影像全站仪在文物三维数字化测量中的应用与实践

根据影像全站仪的工作原理,总结出在文物测绘中的技术路线,研究点云数据处理过程中拼接、降噪、纹理映射的方法,并通过对模型数据采集精度的分析,给出了合理的数据模型采集值,为影像全站仪快速、可靠的在文物三维数字化建模中提供有益的借鉴。     

Pix4Dmapper在无人机航摄应急救灾项目中的应用研究

无人机由于其独特的航摄优势,在灾害应急处理等特殊事件中,发挥着越来越重要的作用。本文结合一次山体滑坡救灾项目,阐述了使用Pix4Dmapper软件对无人机航摄数据进行快速处理,并获取正射影像图和数字表面模型的方法,通过数据分析和评估,证明了此方法的可行性和有效性。     

三维激光扫描技术在曲面模型重建中的应用

利用地面三维激光扫描仪对目标物体表面进行多方位、多角度的扫描,可以获取其表面大量且密集的高精度点的三维坐标信息以及反射率信息,将这些信息存储到电脑中,使用专业软件进行处理,再使用建模软件生成建筑物的三维模型。本文所研究的是使用地面三维激光扫描仪,通过高速激光测量方式,快速、全面、精确地获取建筑物表面的三维信息,经过一系列的点云数据处理及模型处理,最终完成曲面模型三维重建的过程。     

基于等高线隔断线确定DEM适宜分辨率的方法研究

分辨率是等高线数据插值生成格网DEM数据过程中需要考虑的一个重要参数,适宜的分辨率既能将等高线高程信息尽可能保留,又不会因插值造成数据冗余及误差。基于对格网DEM生成方式的理解,提出了等高线隔断线的相关概念,分析了基于地形图矢量化的等高线数据插值生成格网DEM数据,由不同长度等高线隔断线频率统计来确定格网适宜分辨率参考值的方法。同时,不同长度等高线隔断线的长度与其频率相乘得到标准长度,以及等高线隔断线中心点生成的密度分析图,均可在频率特征决定适宜分辨率参考值时起到一定的参考作用。通过样区实验验证,实现简便,可度量性强,与其他相关研究具有一致性,对确定适宜格网分辨率参考值具有一定的借鉴意义。     

PEIV模型参数估计新算法

PEIV(Partial Errors-In-Variables)模型是EIV模型的扩展,它能解决系数矩阵含有非随机元素或存在结构特性的问题。针对常规PEIV模型算法的复杂性,提出了一种PEIV模型参数估计的新算法。该算法将系数矩阵含误差的元素看成是一类观测值,与平差模型原观测值构成两类观测值,将PEIV平差模型表示为类似于传统的最小二乘间接平差模型,再通过非线性最小二乘平差理论,推导出了算法的迭代公式和精度评定公式。算法迭代格式与间接平差类似,通过算例验证了算法的可行性和正确性。     

求解GM(1,1)模型新总体最小二乘算法

在GM(1,1)模型中系数矩阵和观测向量都是由原始序列组成的。系数矩阵中同样是有误差的,与观测向量中的误差一样,亦来源于原始序列,即它们误差同源。不同位置的相同元素应该有相同的改正数,采用传统总体最小二乘求解则不能达到此目的。针对这一缺陷,推导了一种新的总体最小二乘算法;并且通过算例验证了新方法的可行性和有效性。