星载ScanSAR模式成像算法分析

ScanSAR模式是现在SAR卫星的工作模式之一,具有幅宽大,时间间隔短的优点。介绍了ScanSAR的成像原理,重点分析了全孔径RD算法,改进的SPECAN算法和ECS算法等几种适合于ScanSAR模式雷达回波成像的算法,并对其特点进行分析了比较。     

遥感数据处理中的现代人工智能方法

数字遥感卫星技术和地面数字处理技术开始于20 世纪60 年代, 以1974 年成功发射的陆地卫星和获取的MSS 多光谱遥感数据为标志, 开启了40 多年数字图像处理方法的探索之路, 不断地将遥感数据转化为有用的信息和知识, 在帮助人类勘察资源能源, 增加社会财富积累, 应对自然灾害与全球环境变化, 实现经济社会与自然和谐发展等方面发挥了重要的作用。从20 世纪90 年代开始, 学界针对遥感数据表现出来的非线性问题, 不断探索新的模型, 引入最新的数学成果, 其中遥感数据智能处理算法与系统集成经历了10 多年的积累, 成为现代遥感图像处理方法的重要组成部分。     

BP神经网络在公路隧道围岩分类中的应用

BP神经网络在解决非线性、不确定性、大信息量的问题上的优越性和适用性,结合Matlab工具箱函数实现公路隧道围岩分类。通过工程实例验证神经网络在公路隧道围岩分类中的应用非常理想可行性,而且输入参数简单易获得。     

地下水封洞库单裂隙花岗岩纵波速度变化规律与预测模型

揭示裂隙岩体纵波速度变化规律对工程岩体质量分级与稳定性评价具有重要意义。以某地下水封洞库无充填型单裂隙花岗岩为研究对象,基于钻孔电视成像、水压致裂法地应力测试与声波全波列测井,获取了384组单裂隙花岗岩的几何特性、受力状态与纵波速度,构建起了预测单裂隙花岗岩纵波速度的进化-神经网络模型,分析了关键指标影响下单裂隙花岗岩纵波速度的变化规律。研究表明：该水封洞库单裂隙花岗岩纵波速度分布于4 300～5 330 m/s之间,82.3%的纵波速度在4 700～5 200 m/s之间;选取裂隙法向应力、平均张开度与倾角作为单裂隙花岗岩纵波速度的预测指标是合理可行的;将现场测试数据分为训练样本与测试样本,基于遗传算法优化神经网络权值、阈值的进化-神经网络模型构建出单裂隙花岗岩纵波速度预测模型,其测试误差最大仅为2.9%,85%的样本测试误差不超过1.5%,预测模型精度较高。分析了纵波速度变化规律,发现单裂隙花岗岩纵波速度随裂隙法向应力增大而增大,但当法向应力增至5 MPa后的纵波速度增大速率逐渐减小,纵波速度随裂隙张开度增大而逐渐减小,纵波速度在裂隙倾角小于40°时无明显变化,此后纵波速度随倾角增...     

求解带容量约束车辆路径问题的离散布谷鸟算法

提出一种离散布谷鸟算法(DCA)求解带容量约束的车辆路径问题(Capacitated Vehicle Routing Problem).该算法采用轮盘赌机制增强初始解选择的随机性,对基本布谷鸟算法的莱维飞行操作中,使用2—opt法和exchange法进行位置更新;在寄生巢位置更新中,使用shift法和reverse法增...     

HOGGH:一种WMSN网络的路由优化算法

研究WMSN(Wireless Multimedia Sensor Network)的洞路由算法优化问题。基于启发式思想,提出1种WM-SN的洞路由优化算法HOGGH(Heuristic Optimization algorithm for Geographic Greedy Hole-bypassing routing)。该算法对路由算法生成的路径进行探测,从中寻找波峰节点,再根据探测到的信息计算波峰节点之间的优化增益率,对优化增益率高的波峰节点之间的路径进行路径优化,从而达到对整条路径的优化。仿真实例说明了该算法的有效性。     

粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法．该方法先通过经验模态分解（EMD）将初始信号分解成6个本征模态函数（IMF）及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型．将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型．该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型...