利用深度学习模型进行城市内涝影响分析

城市内涝是当前典型的一类城市自然灾害,影响着居民的生活质量。以城市内涝点作为研究对象,综合考虑内涝对城市居民工作和生活等方面造成的影响,筛选出与影响程度相关的21类空间数据。同时,基于深度学习原理构建栈式自编码神经网络模型,结合层次分析法获取的内涝点影响程度标签,剖析21类空间数据与内涝点对居民工作生活影响程度的关系,实现城市内涝对居民工作和生活影响的定量分析。实验表明,栈式自编码神经网络模型能准确地描述内涝点周围的系列空间数据与内涝影响程度之间的关系,可有效预测潜在内涝点对居民工作和生活的影响程度大小,可用于城市防洪排涝方案的制定和排水管网的优化设计。     

归心测量中轮轨式VLBI天线的水平钢轨形变建模

为在本地测量中更精确地测定VLBI（very long baseline interferometry）天线参考点（reference point,RP）点位,分析了水平钢轨残余形变对四轮座架式天线的影响,首次提出并推导了用以改正归心解算靶标点（target point,TP）坐标的水平钢轨残余形变模型,结合实测靶标坐标与钢轨水准数据,解释了TP坐标残差中的系统性效应,精化了TP理论坐标,显著提高了参考点测定精度。结果表明,采用水平钢轨残余形变改正模型与估算模型可分别使靶标坐标归心拟后残差中误差提高50%和65%,归心精度均可提高约30%。此外,本钢轨残余形变估算模型还可有效用于该类天线钢轨形变的监测。     

GNSS转发式欺骗干扰方法的改进

针对GNSS多天线转发式欺骗干扰在实际应用中,当干扰机与目标机距离大于一定范围时,将引起目标机钟差突跳,从而易被目标机检测和识别的缺陷,提出了基于干扰机阵列的转发式欺骗干扰新方法。干扰机阵列按照正六边形网型布设,可实现目标区域的无缝覆盖,并且灵活易拓展。不论目标机位于区域的任何位置,均有一个最优干扰机能够对其实施有效干扰。为了确定相邻干扰机的最优间距,本文在干扰机阵列不同间距下对具有钟差突跳自适应检测能力的目标机的干扰有效性进行了仿真研究。结论表明,综合考虑各种约束因素,相邻干扰机最优间距为17 km,满足该条件的干扰机阵列在实施欺骗干扰过程中,不会造成目标机钟差突跳,有效解决了该干扰方式易被目标机识别的问题。     

马尔可夫模型在空间数据预取中的应用

在地图浏览空闲时间,将用户下一时刻可能浏览的地图数据预取至本地,可以减少下次浏览的等待时间.使用邻近区域预取,方法简单但命中率低且易造成网络拥塞.为提高预取命中率,将浏览区域的中心点视为转移状态,用Markov链表示地图浏览过程,使用Markov模型预测下一时刻可能浏览的数据.试验验证表明,Markov模型的应用有效地提高了瓦片数据的预取命中率,命中率可达40%.     

利用手扶式数字化仪进行土地面积量算的精度分析

利用手扶式数字化仪进行土地面积量算的精度分析赵冬玲，邹积亭随着计算机技术的高速发展和普及，土地资源及信息的管理也进入了自动化管理阶段，用数字化仪作为土地面积量算的工具，已经越来越普遍了。但是在现有的关于土地面积量算的“技术规程”中，对土地面积量算的允...     

立足校园资源的地理项目式学习初探 ——以"校园植物"主题为例

项目式学习强调以解决实际问题为出发点,学生在解决问题的过程中自主决策,从而获得知识和技能,提升解决实际问题的能力,培养了学生的地理实践力和创新能力.相比社会环境,学生更熟悉校园环境,校园内也有丰富的地理教学资源,这为开展项目式学习提供了更为安全、可行的可能.笔者以人教版高中地理必修一"校园植物"为主题,提出问题驱动、产品导向、过程进阶推动的地理项目式学习策略,为设计地理项目式学习提供新思路,为教学实践提供参考.     

一种新的全站式扫描仪扫描点位精度分析方法

全站式扫描仪是测绘技术和设备发展的最新成果,具有广泛的应用价值,其测量精度、效率等受到测绘工作者的高度关注。在分析全站式扫描仪扫描原理和扫描点位精度的基础上,提出了一种全站式扫描仪扫描点位精度分析方法,建立了测角中心和扫描中心同心度检定模型。实验和数据分析结果表明,该方法很好地解决了全站式扫描仪的同心度检定,并进一步评定了其扫描点位精度。     

基于错误式学习的低空影像人行横道多角度自动识别

提出了一种基于特征的错误式学习分类器半自动迭代训练方法,该分类器能够自动识别多角度低空影像上的人行横道线,在人行横道线管控与数据库建立、道路网提取上有较好的应用。介绍了基于错误式学习的分类器训练思路与方法,并提出了将同一地区不同角度低空影像的识别结果进行合并,从而尽可能全面的检测出被城区高楼以及车辆遮挡的人行横道线的思路。通过对比实验该方法的鲁棒性,并在其基础上随机选取多组数据进行系列实验,证实了基于错误式学习的分类器比传统方式训练的分类器有更好的综合性能,能够在不降低识别耗时的前提下产生高准确率、低漏检率和低误识别率的识别结果。     

改进的AKAZE特征提取的全局式SFM三维重建算法

针对增量式SFM算法过渡依赖初始图像的选择,重建时误差累积导致场景漂移且计算效率低的问题,设计了一种改进的加速KAZE特征提取的全局式SFM三维重建算法.首先通过增强特征接受阈值并构造非线性尺度空间来提取图像的特征,使用改进局部差分二进制MLDB描述符对特征进行描述;然后利用全局式SFM算法对整个场景的相机位姿进行估计,从而减小误差并减少光束法平差BA的使用次数,降低了算法的复杂度,大大提高计算效率;最后利用基于面元的多视立体匹配PMVS算法得到稠密重建结果.实验结果表明,同等条件下该方法能够得到更多的有效点对,计算效率约为增量式SFM算法的2倍,且特征匹配准确率提高5％,稠密重建的点云精度高,信息丰富且纹理清晰,是一种有效的三维重建方法.     

分组并行的交叠式Allan方差快速算法

针对标准式Allan方差计算效率低、稳定性差的问题,该文构建了一种局部交叠的快速Allan方差算法.该算法采用分组并行运算的方法,通过局部的交叠式处理,得到指数变步长的数据簇.然后利用标准Allan方差公式获得对应数据簇的Allan方差值,最后绘制双对数曲线分析误差类型与大小.仿真与实测结果表明:与标准式Allan方差相比较,该算法不仅能够更精确地分离和计算噪声系数,而且大幅度提高了解算效率,长度为720 000个样本点的数据解算时长从26.71 min 降低到0.35 s.