基于神经网络的选址区位评价模型分析应用

针对设施选址区位评价问题,分析了分级评分、回归分析等传统方法的特点和不足,并由此提出基于人工神经网络的选址区位评价模型;系统地分析了利用神经网络模型进行选址区位评价的思路和特点,提出基于遗传算法的网络结构和网络学习优化算法;通过某大型银行网点的选址实例分析,验证了该评价模型的可行性和实用性,同时也总结了其在实际应用中的若干规律。     

自适应空间邻域分析和瑞利-高斯分布的多时相遥感影像变化检测

提出了一种基于自适应空间邻域分析和瑞利-高斯模型(Rayleigh-Gauss models, RGM)分布的多时相遥感影像自动变化检测方法。该方法把自适应空间邻域信息和改进的差值影像与比值影像乘积变换融合 法(improved multiplying transform fusion, IMTF)结合构造差异影像, 可以有效地抑制噪声和消除多时相影像之间配准误差的影响, 具有更强的鲁棒性。在对差异影像的分割处理中, 运用瑞利和高斯模型分别模拟变化类像元和非变化类像元的分布情况, 然后估计出两类像元的概率     

全极化SAR数据反演桥面高度

根据高分辨率SAR图像上建筑区的影像特征, 提出了基于灰度共生矩阵(gray-level cooccurrence Matrix, GLCM)纹理分析的建筑区提取方法, 该方法由初步定位和边界调整2个步骤组成, 均遵循特征计算、基于Bhattacharyya距离的特征选择和KNN分类流程, 所不同的是2个步骤中分别采用了逐块和逐点计算纹理特征的方式以兼顾纹理分析的效率和准确性。文中对不同SAR传感器获取的图像进行了实验。实验结果表明, 选用具有最大Bhattacharyya距离值的3或4个特征可以获得较好的初步定位结果, 建筑区的检测率超过80%, 虚警率低于10%;随着边界调整的进行, 检测到的建筑区边界逐渐接近于真实边界。实验结果验证了该算法的有效性。     

空间选址关键因素及其建模研究

影响空间选址的因素错综复杂,本文在对以往一些研究成果进行综合分析的基础上,提出了空间选址的三大影响因素:容量、区位特征和作用范围,并进行了空间选址的建模研究,建立了三个基本模型(容量因素影响模型、区位特征因素影响模型、作用范围因素影响模型)和空间选址的评估模型,并结合应用实例对该模型进行了初步的验证。     

广西桂东某地硅化破碎带型金矿的发现及意义

广西桂东某地硅化破碎带型金矿,是大瑶山地区北侧该类型金矿的首次发现,找矿意义深远。文章着重介绍该金矿的发现史,概述了其地球化学异常特征,提出应重新审视对１／２０ 万异常特别是低缓异常的评价,对处于有利成矿地质条件下的低缓异常的找矿意义,应重新确认     

加强科研前期管理提高科研立项申报质量

针对成都气象学院近年来科研项目申报中存在的问题,提出了选题必须遵循的基本原则,填写申报书和加强申报工作管理的各环节。这对提高项目科学水平和获准率具有一定作用。     

高密度电阻率法在三星堆壕沟考古勘探中应用研究

三星堆遗址文化从新石器时代晚期延续发展至商末周初,延续时间近2000年,是迄今在西南地区发现的范围最大、延续时间最长、文化内涵最丰富的古城、古国、古蜀文化遗址,对三星堆遗址文明的溯源、遗址的发掘研究都具有重要意义.本文是利用高密度电阻率法勘探三星堆壕沟,其研究成果与壕沟情况十分吻合.     

遥感影像混合像元分解中的端元选择方法综述

端元选择是进行遥感影像混合像元分解的首要步骤,也是最关键的步骤,其直接影响混合像元分解的精度。该文对遥感影像混合像元分解中端元产生的特定背景、当前存在的端元选择途径和端元选择方法进行综述,并通过对当前端元选择方法的分析,提出了选择或构造端元选择方法应遵循的几个原则。     

基于机器学习的格点气温预报订正方法

使用2017年9月至2021年3月国家级业务化运行的智能网格实况分析产品和欧洲中期天气预报中心全球模式(EC)产品,根据湖北省的地理分布特征构建6个分区,采用基于LightGBM机器学习算法建立的气温预报方法,生成湖北省0.05°×0.05°格点气温预报产品。利用2021年4—9月的预报产品和格点实况资料进行检验,结果表明:基于机器学习的气温预报方法(MLT)取得了较好的预报效果,其在0～72 h时效内优于中央气象台下发的气温精细化指导预报(SCMOC)和EC产品;MLT在山区的误差较平原大,但山区的订正幅度大于平原,日最高气温的订正幅度大于日最低气温的订正幅度;4—9月MLT、SCMOC、EC产品的平均绝对误差(MAE)日变化都呈现了白天偏高、夜间偏低、午后凸起的单峰特征,MLT的MAE值较SCMOC和EC产品的更低,并且在转折性天气中仍具有优势;站点检验与格点检验结论一致,基于格点建模的气温预报产品对站点预报同样得到了订正。机器学习在格点气温的模式订正方面可以作为一个行之有效的手段。