单中继星单低轨卫星的联合定轨精度分析

针对由单中继星和单低轨卫星组成的联合定轨系统,给出了系统内不同轨道卫星摄动项的选取方案和卫星间的可见性判别模型。在模拟出含有白噪声的四程测距观测数据文件的基础上,研究了测距精度和采样弧段对联合定轨中高、低轨卫星定轨精度的影响。得出如下结论:联合定轨更有利于对低轨卫星的轨道改进;同样的采样时间条件下,测距噪声越小定轨精度越高,并且采样时间越短它的影响越明显;同样的测距噪声条件下,所用资料的采样时间越长精度越高,但当测距精度很高时,TDRS达到最好定轨精度所需的采样时间相应有所缩短。并在定出轨道后进行了轨道预报,分析了轨道预报的趋势及精度。     

基于决策树的我国农业数据挖掘分析

决策树是用于分类的常用建模方法。首先对分类的概念和决策树方法分别进行了总体介绍,在此基础上对我国30个省市自治区的乡村劳动力、耕地面积以及农业总产值信息数据进行了挖掘分析,在运用决策树对数据进行分类过程中对连续数据采用聚类分析的方法进行离散化处理,从而避免了原始经验分类方法的主观性。最后,通过上述决策树分类方法,生成我国农业情况的决策树,获得相关空间分类规则,并对其进行分析说明。结果表明,决策树分类方法适合我国农业情况。     

BP神经网络模型在澜沧江流域径流量模拟中的应用

河川径流等水文时间序列属于复杂的非线性系统,使用回归分析等传统的分析方法,难以获取和描述其内在关联和变化规律。利用现有的相关站点的径流量历史数据和输沙量、降水量数据,在进行规格化处理和主成分分析的基础上,利用三层BP人工神经网络模型,对澜沧江流域上游昌都站径流量与各关联因子之间复杂的非线性映射关系进行模拟,采用拟牛顿算法对模型进行训练,模拟结果达到期望精度要求,并利用1982年~1985年实测数据进行模型验证。结果证明利用BP神经网络模型对澜沧江流域站点的月径流量序列进行模拟、预测和数据补缺处理具有可行性。     

人口空间聚类规则挖掘——全国各省市产业结构分类研究

本文采用离差平方和法(Ward方法),对2005年全国31个省市产业结构情况进行分析说明,归纳总结出各省市的主要产业类型及各产业与人均生产总值的关系,并从经济的视角获得各省市的产业结构类型与其经济发展状况的关系。     

GPS单点测速的误差分析及精度评价 (英文)

Error sources which decrease the accuracy of GPS in absolute velocity determination have been changed since SA was turned off. Firstly, quantities of all kinds of error sources that influence velocity determination are analyzed. The potential accuracy of GPS absolute velocity determination is derived from both theory and field GPS data simulation. After that, two tests were carried out to evaluate the performance of GPS absolute velocity determination in the case of a static and an airborne GPS receiver and INS （Inertial Navigation System） instrument in kinematic mode. In static mode, the receiver velocity has been estimated to be several mm/s with the carrier-phase derived Doppler measurements, and several cm/s with the receiver generated Doppler measurements. In kinematic mode, GPS absolute velocity estimates are compared with the synchronized measurements from the high accuracy INS. The root mean square statistics of the velocity discrepancies between GPS and INS come up to dm/s. Moreover, it has a strong correlation with the acceleration or jerk of the aircraft.     

镇江地质灾害治理工程项目管理中的问题与对策探讨

地质灾害治理工程项目管理是地质灾害管理的具体体现和实施过程,其基本任务是根据地质灾害管理目标和管理方法,组织实施防治工程,保障取得预期的减灾成果。就镇江市地质灾害治理工程项目管理目前现状,从规范文件、招标机构、管理工具、管理经验、干扰因素、风险评价、人员素质等方面进行粗浅分析,并针对存在的问题提出相应的对策,借以提高镇江市地质灾害治理工程项目管理的能力和水平,以便今后地质灾害治理项目管理更好地完善和发展。     

基于物方影像匹配的DEM聚类变化检测

提出了DEM的变化检测问题,采用了基于密度的聚类分析方法对匹配所得的初始变化区域进行分析,实现了地表高程变化区域的检测.     

全站仪似水准法和对向法高程测量的比较研究

通过对似水准法和对向法高程测量原理、误差来源及精度的比较分析,我们发现随着距离和竖直角度的增大,对向法高程测量中误差的变化大于似水准法高程测量中误差的变化;当两观测点间的水平距离小于等于1km时,对向法高程测量精度一般高于似水准法高程测量精度,但是当两观测点间的水平距离大于1km时,似水准法高程测量精度一般高于对向法高程测量精度。     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

基于蚁群智能的遥感影像分类新方法

智能式遥感分类是遥感研究的新热点.提出了一种基于蚁群智能规则挖掘(ant-miner)的遥感影像分类新方法.遥感数据各波段之间存在较强的相关性,这种相关性往往会导致分类产生误差.而ant-miner算法中的信息素是基于规则整体性能的,信息素的动态更新能有效地处理相关性较强的数据,所提供的正反馈信息能纠正启发式函数缺陷所造成的错误.因此,蚁群智能算法应用于遥感分类具有一定的优势.将该方法用于广州市地区的遥感影像,取得了较好的分类结果.并与See5.0决策树方法及最大似然方法(MLH)进行了对比研究,实验结果表明,蚁群智能算法分类精度比后两者的分类精度更高.