侧扫声呐识别沉船影像的迁移学习卷积神经网络法

侧扫声呐海底沉船图像识别是水下障碍物核查和失事船只搜救中的一项重要工作.针对传统侧扫声呐图像人工判读存在效率低、耗时长、资源消耗大及主观不确定性强和过分依赖经验等问题,本文尝试引入卷积神经网络的方法,同时考虑到侧扫声呐沉船图像属于小样本数据集,提出一种基于迁移学习的卷积神经网络侧扫声呐沉船图像自动识别方法.通过归一化处...     

融合气象要素时空特征的深度学习水文模型

针对现有深度学习水文模型未能充分刻画气象要素空间特征的问题,本文基于主成分分析(PCA)方法提取气象要素空间特征,利用长短时记忆神经网络(LSTM)学习长时序过程规律,构建融合气象要素时空特性的深度学习水文模型PCA-LSTM。以黄河源区为研究区域,利用LSTM模型和物理水文模型THREW作为比对模型,基于高斯噪音法系统评估PCA-LSTM模型的适用性和鲁棒性。结果显示：PCA-LSTM模型径流模拟纳什效率系数为0.92,高于比对模型LSTM和THREW,表明模型具有较高的精度。研究结果可为流域高精度水文模拟提供参考。     

基于深度学习的海温观测数据质量控制应用研究

基于国家海洋信息中心质量控制后的西太平洋10度方区约100万站次温盐实测历史调查资料,对经过26种严格质量控制方法的综合海温质量符进行分类分析,首次将深度学习技术应用于海洋数据质量控制多分类(multiclass classification)算法与应用研究.通过人工合成少数类样本和加权损失函数方法减少多数类的频率来降...     

基于深度卷积神经网络的频高图分类研究

本文提出了一种利用深度卷积神经网络的频高图分类方法,在频高图分类标记的基础上,通过对深度学习经典网络结构的网络层迁移的方式,构建频高图类型识别网络模型,实现基于传播模式分布的频高图自动分类.利用试验获取的大量频高图数据,依据频高图中电离层传播模式分布情况,结合频高图度量基本规则,人工对频高图数据分类标记,生成网络模型样本数据;然后以随机方式,选取样本数据85%的数据作为训练数据,其余数据作为测试数据;经验证训练后的网络模型能够将测试频高图数据自动分为七种类型,频高图类型识别综合准确率高于97%.该方法可为频高图特征参数的自动、精确提取提供重要技术和高质量数据支撑,对电离层结构信息有效获取具有重要意义.     

粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法．该方法先通过经验模态分解（EMD）将初始信号分解成6个本征模态函数（IMF）及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型．将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型．该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型...     

基于小波神经网络耦合模型对云南星云湖富营养化气象驱动因子的分析

气象因子是影响湖泊富营养化的重要因素,而湖泊富营养化对人群健康、生态系统和社会经济等均有负面影响.本文基于统计资料及遥感数据,结合Morlet小波分析和BP多层前馈神经网络(BP神经网络)构建了不同时间尺度下的小波神经网络耦合模型,分析了19862011年云南星云湖水华强度变化与月降雨量、月平均气温、月平均风速、月日照...     

模糊神经网络在GPS高程转换中的应用

介绍了T-S模糊神经网络的基本原理以及如何确定GPS高程转换的模糊神经网络模型,并采用该模型对实测数据进行了计算分析。结果表明,模糊神经网络能够对小区域GPS高程做出比较准确定的拟合,从而能够为GPS高程转换提供一种较好的方法,能够满足实际工程需要。     

《地理空间信息》2009年总目次

<正>~~     

一种基于BP神经网络的空间异常探测方法

空间异常探测旨在发现偏离普遍模式的小部分异常目标.对揭示地理现象潜在的发展变化规律有着重要意义.在现有的空间异常探测方法中,空间邻近域的确定直接影响探测结果的可靠性.为此,在顾及空间数据分布特征的前提下,利用人工神经网络机器学习的优势,发展了面向空间异常探测的BP神经网络结构和学习规则,提出了基于BP神经网络的空间异常探测方法,定义了基于BP神经网络的空间异常度概念,进而探测空间异常.最后,通过3组实际算例验证所提方法的可行性,并分析得出实验结论.     

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。