深度学习预测GPS时间序列在探索门源MS6.4地震前兆中的应用

以2016-01-21门源M_S6.4地震为例,提出用深度学习预测的GPS时间序列研究地震前兆。用震中附近门源台（QHME）、民乐台（GSML）及古浪台（GSGL）无震时的GPS时间序列训练LSTM神经网络,得到高精度的GPS时间序列预测模型,再分别对该地区无震时和地震前一段时间的GPS时间序列进行回溯性预测。对比预测时间序列与真实时间序列发现,震前2条时间序列大部分的相似性指标比无震时低,说明震前预测时间序列与真实时间序列差异明显,同时考虑震前时间序列的趋势异常,认为出现了异常时段;3个台站分别在E、N、U方向出现多个异常日期,且不同台站具有相同的异常日期,说明探索到了地震前兆。     

平顶山城区碳环境演变时间序列分析

大气中日益上升的温室气体浓度,已导致温室效应日益增强,从而引发一系列不利的环境与生态后果,并会对世界粮食生产、水资源利用等关系人类生存发展的方面产生重要影响。1994~2014年是平顶山城市化进程不断加快和经济社会高速发展的时期,土地利用、人口、能源消耗和城市植被等影响碳源、碳汇的主要方面也都发生了重大的变化。将1994~2014年河南省平顶山市城区的碳平衡变化情况作为研究对象,计算出碳平衡主要影响因素各自的变化情况并加以分析,得出有关平顶山城区碳环境演变的结论。最后,为促进平顶山城区的碳源碳汇平衡,提出实现城市快速发展过程中低碳效应策略。     

基于时间序列模型的沉降监测预报分析

时间序列模型预测具有可靠性与高效性的特点。本文结合沉降监测工程,采用Matlab进行建模预报分析,分别基于预测模型(AR、MA、ARMA)进行应用。对比自回归模型、滑动平均模型及自回归滑动平均模型预测结果的精度,表明3种模型可预测期连续分布,模型组合可提高预测精度。     

基于点序列和要素加权法的地图匹配算法

浮动车数据(Floating Car Data,FCD)已广泛应用于城市规划、智能交通系统中,其中地图匹配一直以来都是浮动车数据应用的技术难点。本文在已有地图匹配算法的基础上,提出了基于点序列和要素加权法的地图匹配模型,不仅考虑了当前GPS点的信息,同时也考虑了GPS数据的历史信息和道路网的拓扑结构,从空间关系上分析车辆行驶轨迹和道路的相似性。作者通过上海市出租车轨迹数据对算法进行验证,结果表明:该匹配模型解决了已有地图匹配算法的一些弊端,并且提高了地图匹配的精度,具有高效、实用的特点。     

捷联惯性导航系统算法简化机制

随着低精度惯性导航系统的广泛使用,算法简化也成了研究热点。本文通过实验来验证简化导航算法对于不同惯导尤其是低精度惯导的可行性,这对实时性应用有很大影响。通过对以上内容的介绍,希望可以为进一步研究捷联算法、低精度惯导的实时应用提供一定的参考。     

三维瓦片地图的制作及其二三维坐标转换的研究

随着计算机相关技术的发展和GIS产业应用的深入,三维瓦片地图因其视觉效果更加真实而发展前景一片光明,但它也存在如与二维地图之间的联系不是很紧密等诸多不完善之处。针对上述问题,本文利用Auto CAD和3Dmax软件对数据和贴图资料进行三维地形图制作,并通过地图切图得到三维瓦片地图;根据坐标转换算法,将二维数据叠加到三维瓦片地图中,并结合转换后的坐标值偏差现象,修正二三维坐标的转换算法;针对不同角度的三维瓦片地图,实现其多角度之间的相互转换。通过上述操作,提高了三维瓦片地图的精确性和实用性。     

面向对象方法的时间序列MODIS数据湿地信息提取——以洞庭湖流域为例

以洞庭湖流域为研究区,对大范围湿地信息遥感提取方法进行了研究。先基于时间序列MODIS EVI及物候特征参数,通过J-M(Jeffries-Matusita distance)距离分析,构建了MODIS(250 m)最佳时序组合分类数据;其次,通过Johnson指数确定了最佳分割尺度,采用面向对象的遥感分类方法(Random tree分类器)提取了洞庭湖流域的湿地信息,并验证该方法的适用性。研究结果表明,基于时序数据与面向对象的Random tree分类的总体精度和Kappa系数分别为78.84%和0.71,较之基于像元的相同算法的总体分类精度和Kappa系数分别提高了5.79%和0.04。同时,基于面向对象方法的湿地整体的用户精度与生产者精度较基于像元方法分别提高了4.56%和6.21%,可有效提高大区域湿地信息提取的精度。     

知识引导的稀疏时间序列遥感数据拟合

在多云多雨的地区,光学遥感存在着获取无云数据困难的难题,这会导致时间序列应用中可用数据匮乏。因此,本文面向稀疏时间序列遥感数据,根据噪声造成遥感影像上归一化差分植被指数(NDVI)被低估的事实,提出了一种知识引导的拟合方法。首先,在遥感影像预处理的基础上,利用先验知识和时序差分法对噪声进行识别和剔除;然后,采用高斯二阶模型对原始数据进行拟合;最后,根据拟合残差更新权重,进行迭代拟合,重复上述过程直至获得稳定的结果。本文以Landsat 8 OLI作为数据源,对浙江省杭州地区的森林数据进行拟合,结果表明:在稀疏时间序列数据的情况下,本文方法与MODIS数据拟合结果的相关系数达到0.92,关键时点(如NDVI峰值点等)的时间误差在5 d;相比当前主流方法的0.88与8 d具有更高的精度。     

一种复杂地理环境越野通行路径寻优算法

设计了基于障碍距离的优化算法,解决突发事件应急联动中复杂地理环境下最短路径的寻优求解问题。在详细分析地理空间高程、坡度、障碍物等空间信息的基础上,通过计算搜索空间、搜索方向和网络弧段权值构建网络拓扑关系网,并利用遗传算法对最优路径进行寻优求解。     

一种改进的快速最小高差DEM匹配方法

利用最小高差(LZD)法进行DEM匹配时,当待匹配DEM的分辨率比参考DEM高时,确定的同名点中存在冗余,将导致计算冗余和效率降低。为解决上述问题,对LZD法确定同名点的模型进行改化,提出一种改进的基于最小高差原理的快速DEM匹配方法。该方法根据参考DEM的格网点确定同名点以避免冗余,并通过近似确定同名点及其高差,有效简化了计算过程。实验结果表明,该方法在保证较高的收敛速度和匹配精度的基础上,可有效提高计算效率,且计算效率不随待匹配DEM分辨率提高而降低,DEM间分辨率差异越大,方法的优势越明显。