青藏高原东部地壳物质流变模型及汶川地震机理探讨

利用GPS、大地电磁、P波层析成像等数据分析了青藏高原东部地壳运动情况和中下地壳物质流的分布及运动情况,提出了青藏高原东部地壳物质流变模型,认为在青藏高原东部存在两条巨大的、具有固定通道和边界的弱物质流,其他区域则有离散的、不均匀的弱物质流分布。巴颜喀拉块体内部的弱物质流在向东流至龙门山断裂带时,大部分弱物质沿断裂带向南北方向分流,小部分弱物质在断裂带附近沉积、上涌,造成通道堵塞,最终引发了汶川地震。     

自主导航地图的昨天、今天和明天EI北大核心CSCD

本文以无人驾驶技术的演化背景为出发点,总结自主导航地图,即高精地图的概念、与普通导航地图的区别、内容组成及数据来源。在此基础上,论述了高精制图流程的主要模块,包括先验图层的数据采集和更新、动态图层的实时构建、边缘计算、数据标准化和压缩服务。本文重点介绍了高精制图技术面临的4个研究难题及发展现状:①复杂驾驶环境的自动建模;②边角案例的数据采集;③伦理困境中的导航决策;④无人驾驶技术的安全性能评估。这些难题从不同的侧面挑战着高精地图自主导航能力的极限,需要政府立法机构、相关企业、研究机构和公众在全球范围内协同攻关。并指出,随着无人驾驶技术的不断完善,安全第一的研究重点将逐渐扩展成兼顾安全可信、环保节能和身心愉悦的移动体验,高精地图的结构化数码将衍生出多样化的适合人眼阅读的高清地图。如何充分提高导航数据的成本效益,实时生成高精地图和高清地图,同时为机器和人类提供最优服务,将成为新的研究热点。     

基于Stacked ConvLSTM的时间序列森林火烧迹地检测

确定森林火烧迹地的准确时间点以及空间范围对于森林的受损评价、管理、碳核算以及森林恢复的管理有重要意义。由于森林火烧迹地在空间分布上具有一定的连续性,现有的森林火烧迹地提取方法大都采用先分类再后处理的两步处理策略来抑制虚警像素的影响。本文提出将时空检测方法 Stacked ConvLSTM用于时间序列森林火烧迹地的检测,在保持结果具有较好空间连续性的基础上避免了具有主观性的后处理操作,实现端到端提取森林火烧迹地信息,提升了森林火烧迹地的提取精度。采用MODIS时间序列数据,基于2001年—2008年以及2001年—2016年的黑龙江沾河林业局伊南河林场和内蒙古自治区毕拉河林业局北大河林场两个区域的历史时间序列,分别对这两个区域2009年以及2017年发生的特大火灾区域进行火烧迹地检测,利用Stacked ConvLSTM、Stacked LSTM以及bfast算法在两个区域的MODIS时间序列中提取森林火烧迹地,并将火烧迹地检测结果与ESA发布的Fire＿CCI 5.1火烧迹地产品进行对比分析。结果表明：首先,从目视效果来看,在研究区域Ⅰ,Stacked ConvLSTM检测的结果比St...     

地理模型的服务化封装方法研究

<正>经过半个世纪的发展,GIS已经形成了包括GIS技术、地理信息科学与地理信息服务的综合体系。同时,随着应用领域的扩大,GIS在时空分析、过程模拟、预测预报和决策支持等方面正面临着严峻的挑战。通过地理模型的共享与集成来拓展GIS的地理分析能力是GIS发展的增长点。国内外地理学家面向不同的研究目标已经建立了大量的地理模型。由于模型设计和实现上的差异,造成了     

基于库伊克模型的地面沉降预测分析

针对地面沉降与地下水水位变化的内在关系,考虑地面沉降受到自身变化规律的影响,建立基于库伊克变换的地面沉降预测模型,应用该模型对某地区地面沉降统计数据进行模拟预测,有效实现该地区地面沉降与地下水水位以及本身之间的定量模拟,并探讨模型的拟合效果和预测精度。结果表明库伊克模型拟合效果较好,预测精度较高,能较好地反映研究区域的地面沉降变形趋势。     

基于小波分析的灰色-神经网络组合模型在大坝变形预测中的应用

监测序列经小波分解后可以得到各层分量。对低频分量采用灰色GM(1,1)模型进行建模预测,对高频分量采用BP神经网络进行建模预测,最后将各分量进行小波重构,得到监测序列的预测值。将预测值分别与没有进行小波分解直接用GM(1,1)模型预测的值和经小波分解的低、高频系数都采用GM(1,1)模型预测的值进行对比,发现经小波分解的灰色-神经网络组合模型预测精度更高。     

Correlation －SVM 模型在大坝变形预测中的应用

引起大坝变形的影响因素很多,即在利用支持向量机（ SVM）模型进行大坝变形分析和预报的过程中,需要将所有的影响因子都输入到SVM模型中,这样会造成输入因子的不侧重性,基于此,本文对大坝变形的影响因子进行相关性分析,根据大坝变形影响因子和大坝变形量之间的关系来确定最优的影响因子,即将比重比较大的影响因子输入到SVM模型中,从而提高了SVM模型运行效率及预测的精度和速度。     

基于双位置的磁悬浮陀螺异常数据检测

针对磁悬浮陀螺全站仪在极端工作环境下受异常数据干扰的问题,该文提出了一种利用磁悬浮陀螺双位置采样数据特征进行异常数据检测、剔除的数据处理方法。采用回归分析的方法对理想工作状态下的磁悬浮陀螺双位置采样数据与陀螺寻北方位间的函数关系进行拟合分析;通过区间预测的方法明确了陀螺寻北信息中异常数据的检验标准,并依据该标准实现了对寻北观测值中粗差等异常数据信息的有效识别。工程实测数据的验证结果表明:该检验法可以有效地对磁悬浮陀螺寻北数据中的异常值信息进行分离,提高陀螺寻北定向精度。     

遗传算法优化支持向量机矿产预测方法

针对矿产预测中已知矿点的样本数目较少的问题,该文提出了一种基于遗传算法优化的支持向量机矿产预测方法。采用遗传算法优化支持向量机的惩罚因子和径向基核函数参数,避免了参数选择不当对支持向量机预测结果的影响,从而提高矿产预测的精度。以空间建模工具ArcSDM中的卡林型金矿床数据为例进行实验。结果表明,支持向量机模型的预测准确率为89.3%,查准率为70.2%;而证据权方法的预测准确率为79.4%,查准率为50%,均小于支持向量机预测结果,说明遗传算法优化的支持向量机是一种有效的矿产预测方法。     

方差分量估计卡尔曼滤波在地铁深基坑变形预测中的应用

在地铁附近基坑工程的施工阶段,通常要对地铁隧道结构进行水平位移监测、分析和预测。采用卡尔曼滤波能实时估计出水平位移状态向量,实现水平位移预测,如果卡尔曼滤波中动态噪声不准或不易确定,就会导致滤波发散而无法获得准确的预测结果。研究和采用基于方差分量估计的卡尔曼滤波,利用预报残差实时更新模型的动态噪声方差,可以避免滤波发散,提高预测精度。实际应用表明,基于方差分量估计的卡尔曼滤波能获得较好的水平位移预测效果。