“陆态网络”Ⅱ期西部绝对重力测定结果分析

介绍了2013~2014中国大陆构造环境监测网络的基本情况及西部地区绝对重力观测的情况,并对观测结果进行分析。结果表明,成果稳定性良好,89.5%的成果观测精度优于±5.00μGal,能够满足"陆态网络"的技术要求。     

春运人口流动透视的转型期中国城市网络结构

基于春运人口流动大数据,选取对外联系度、优势流、城市位序-规模分析等方法对转型期中国城市网络特征进行分析。结果显示：① 城市网络层级结构中蕴藏着位序-规模规律,但与理想的帕累托分布有所区别,城市规模彼此差异相对较小;② 空间距离与城市等级在城市网络联系中发挥支配性作用,保证了城市网络的层级性与有序性;③ 中国城市网络核心联系呈现“两横三纵”特征,该特征与铁路大动脉的空间分布高度吻合;④ 东部地区城市网络联系更加密切,而西北、西南地区则相对稀疏,基本上以“胡焕庸线”为界,而“兰新线”是突破这一限制的潜在力量;⑤ 中国东北地区未形成明显的区域性中心,城市联系形成带状网络;⑥ 华北与华南地区的“灯下黑”现象值得警惕,缓解这一问题的可行办法是核心城市功能的对外疏散,加强核心城市与周边城市之间的联系;⑦ 带状区域发展或许将成为未来中国区域经济发展的流行模式和中坚力量。总体上看,针对于揭示转型期中国城市网络结构特征,春运人口流动数据具有一定的研究价值,是城市与人口研究领域一个值得深入挖掘的重要数据源。     

顾及地理-语义动态的城市热点预测框架

城市热点时空预测是城市管理和智慧城市建设的一项长期而富有挑战性的任务。准确地进行城市热点时空预测可以提高城市规划、调度和安全保障能力并降低资源消耗。现有的区域级深度时空预测方法主要利用基于地理网格的图像、给定的网络结构或额外的数据来获取时空动态。通过从原始数据中挖掘出潜在的自语义信息,并将其与基于地理空间的网格图像融合,也可以提高时空预测的性能,基于此,本文提出了一种新的深度学习方法地理语义集成神经网络(GSEN),将地理预测神经网络和语义预测神经网络相叠加。GSEN模型综合了预测递归神经网络(PredRNN)、图卷积预测递归神经网络(GCPredRNN)和集成层的结构,从不同的角度捕捉时空动态。并且该模型还可以与现实世界中一些潜在的高层动态进行关联,而不需要任何额外的数据。最终在3个不同领域的实际数据集上对本文提出的模型进行了评估,均取得了很好的预测效果,实验结果表明GSEN模型在不同城市热点时空预测任务中的推广性和有效性,利用该模型可以更好地进行城市热点时空预测,解决一系列如犯罪、火灾、网约车预订等等现代城市发展中亟需解决的相关问题。     

Land cover classification by an artificial neural network with ancillary information

Abstract

Remote sensing is an important source of land cover data required by many GIS users. Land cover data are typically derived from remotely–sensed data through the application of a conventional statistical classification. Such classification techniques are not, however, always appropriate, particularly as they may make untenable assumptions about the data and their output is hard, comprising only the code of the most likely class of membership. Whilst some deviation from the assumptions may be tolerated and a fuzzy output may be derived, making more information on class membership properties available, alternative classification procedures are sometimes required. Artificial neural networks are an attractive alternative to the statistical classifiers and here one is used to derive a fuzzy classification output from a remotely–sensed data set that may be post–processed with ancillary data available in a GIS to increase the accuracy with which land cover may be mapped. With the aid ancillary information on soil type and prior knowledge of class occurrence the accuracy of an artificial neural network classification was increased by 29–93 to 77–37 per cent. An artificial neural network can therefore be used generate a fuzzy classification output that may be used with other data sets in a GIS, which may not have been available to the producer of the classification, to increase the accuracy with which land cover may be classified.     

防波堤的人工神经网络Monte Carlo法可靠性分析

防波堤建设费用巨大,且一旦遭到破坏,后果甚为严重,因此,如何准确地计算防波堤的可靠性意义重大.随着人工神经网络理论的快速发展,人工神经网络方法在结构可靠性分析中的应用逐渐得到重视.基于神经网络的Monte Carlo法计算直立式防波堤的可靠性,概率意义明确.以秦皇岛典型直立堤为算例,采用基于神经网络的Monte Carlo法对直立式防波堤进行可靠性分析时,将直立堤滑动破坏和倾覆破坏的极限状态方程中的所有参数均作为变量处理,并将计算结果与Monte Carlo模拟的直接抽样法、重要抽样法以及独立变量JC法的计算结果进行对比.结果表明:基于神经网络的Monte Carlo法和Monte Carlo模拟的直接抽样法、重要抽样法计算结果相近,而比独立变量JC法的计算结果略低.     

金融危机下股市网络的结构特性研究

利用复杂网络的方法,以各国股市为节点,以各股市问的关联性为边,建立起各国股市间的关联网络。通过Matlab编程计算研究了该网络的结构特性,分析出国际股市网络具有典型的小世界性和明显的社区结构,不具有无标度性。进而从网络结构上分析了金融危机的蔓延发生。并通过影响强度分析研究了中国股市在国际股市网络中的位置。     

基于GWR模型的道路网络对森林碳密度干扰的地理变异

以闽江上游地区为例,在分析三明市2007—2016年森林碳密度时空动态的基础上,采用常规的以及改进后的道路网络测度指标,应用缓冲区分析方法和地理加权回归（Geographically Weighted Regression,GWR）模型,从线上和面上分别探讨道路网络对森林碳密度干扰的地理变异规律。结果表明：① 碳密度受到道路网络的较大影响,路网影响域内外碳密度的大小排序为：路网影响域内＜整个研究区＜路网影响域外;多条道路影响域重叠区的碳密度(26.330 Mg/hm²)明显低于单条道路影响域的碳密度(37.406 Mg/hm²);不同等级道路影响域的碳密度由大到小依次为县道＞高速＞省道＞其它道路＞国道＞乡道。道路网络对2007—2016年碳密度的降低也有明显影响。② GWR模型的分析结果表明,路网对碳密度的影响程度随着样点的变化而变化,具有“空间非平稳性”。碳密度随着路网密度的增加而降低,而随着离道路距离的增加而增加。③ 研究区西北部和中部,GWR的回归系数及相关系数均较大,表明这2个区域道路对碳密度影响大且解释力皆较强。     

基于DEM的数字流域特征提取研究进展

数字高程模型(DEM)是地表形态高程属性的数字化表达,利用流域DEM数据构建数字水系模型并提取流域水文特征,是分布式水文过程模拟的重要基础。DEM中闭合洼地和平坦区域的处理、流向的确定以及DEM分辨率的大小都直接影响着流域水系特征提取的质量与效率。针对当前基于DEM提取河网与流域特征的诸多问题,阐述了DEM数据提取流域水系特征的原理,回顾了数字水系模型与流域特征提取方法,评述了洼地和平地的处理方法及水流方向的确定方法的研究进展,介绍了当前基于不同DEM数据类型的提取方法研究,探讨了DEM尺度和分辨率对提取流域特征的影响,总结了平缓区域数字水系和河网提取的研究进展。     

基于大型科研基础设施共享的区域创新网络研究——以山东省为例

在产业革命和科技革命的背景下,创新在区域发展中发挥着越来越重要的作用,网络化创新模式成为当下创新的主流模式之一.基于创新网络视角,利用大型科研仪器共享大数据,对山东省创新网络的空间特征和主体特征进行分析,研究发现:山东省创新网络在形态上呈现出以济南为创新核心辐射带动济宁和淄博等周边边缘城市发展,同时形成东部青岛、威海和...     

利用风云3D微波成像仪数据估算北极海冰密集度的精度评价

卷积神经网络（convolutional neural network, CNN）已用于星载全球导航卫星系统反射测量（global navigation satellite system-reflectometry,GNSS-R）海冰检测,其具有数据预处理简单、最大限度保留反射面信息等优势,但已有GNSS-R CNN海冰检测方法研究的数据集时间跨度较小,代表性有限,且未考虑训练集内海水、海冰时延多普勒图（delay-Doppler map, DDM）的比例对方法泛化能力的影响。针对该问题,首先提出一种筛除畸形DDM方法,有效筛除错误数据;然后,设计合适的CNN结构及参数,通过小样本对比实验发现CNN模型在训练集内海水、海冰DDM的比例为1∶1时具有高准确率和最佳泛化能力,并优化数据集选取策略;最后使用2018年全年大样本数据集评估改进的方法在大数据量和大时间跨度时的有效性和可靠性。研究表明,改进的方法通过加强数据质量控制、优化数据集选取策略,提升了CNN海冰检测方法的泛化能力及可靠性,使其更适用于实际应用场景,为海冰消融等研究提供参考。