建筑点群在城市3维形态量化中的应用

利用将建筑实体进行高度抽象,提出了建筑点群,以GIS的空间分析理论为依据,通过实体高度、起伏度、空间聚集度三个指标对城市的3维形态进行量化与分析。选取南京市主城区为实验样区,提取该区域的建筑点群,用三个指标对实验样区内3维形态的空间分布格局和时间发展特点进行定量分析与描述。实验结果证明,这三个指标从不同角度分析了建筑实体在区域内的组合方式,能够在一定程度上反映城市3维形态的基本特征,有助于对城市空间分布格局及城市历史演变过程的研究。     

基于粒子群算法的组合模型在变形分析中的应用

在构建并联组合模型进行变形预测时,单项模型权值的确定是个关键问题。为了提高变形预测的精度,以基坑监测数据为例,采用GM(1,1)模型与ARMA模型进行组合,在拟合误差平方和最小的准则下,使用粒子群算法求解两单项模型的最优权值,进而构建并联组合模型进行变形预测。结果表明,该方法融合各单项模型的优势,可以提高预测精度,避免求解线性规划问题,具有较好的实用性。     

基于GOCI的辐射沙脊群海表流场遥感分析

针对江苏沿海尤其是辐射沙脊群海域水沙动力环境复杂,难以实时更新实地海洋流场调查数据的问题,根据2014年1月韩国高分遥感影像GOCI与现场同步潮汐数据资料,运用最大交叉相关系数法,遥感模拟分析了辐射沙脊群海表瞬时流场。结果表明,在辐射沙脊群海域琼港-洋口港一带,近岸海流场变化明显,海流自沿岸滩涂带流向外海;同时远岸瞬时流场的涡旋及流场瞬时方向变化亦较清晰。通过遥感分析法观测海表流场,在一定程度上解决了基础资料更新难的问题,实现了实时检测辐射沙脊群海表流场变化的目的。     

地表下沉系数选取的LWPSO-BP方法研究

针对BP神经网络自身收敛速度慢、容易陷入局部极小点的缺点,本文以线性下降惯性权重粒子群优化算法(LLWPSO)为前处理器,优化BP网络的权值和阈值,利用实测资料数据,建立LWPSO-BP的地表下沉系数预计模型,并同普通BP模型预计结果对比结果表明:LWPSO-BP神经网络不仅训练速度快,而且预测精度明显提高,该模型对地...     

黄土山区煤层群分层开采地表位移规律分析

为了研究黄土山区地形对煤层群开采地表位移的影响,以榆林某矿为地质原型,利用数值软件模拟地表为近水平、正坡、负坡、凸面和凹面五种地形条件下煤层群开采。结果表明:黄土山区地形的变化,对煤层群开采顶板垂直应力影响不明显,对地表位移影响较大;单向坡开采,斜坡滑移引起的下沉量在坡顶与开采沉陷量形成“叠加”,在坡底形成“抵消”;在组合坡中,煤层群开采地表位移量相差很大,说明在变坡点附近地表位移较为复杂。     

改进分数阶达尔文粒子群的多Renyi熵图像分割算法

针对智能优化图像分割算法易陷入局部最优、分割精度不高等问题,本文融合改进的分数阶达尔文粒子群算法和二维Renyi熵多阈值,提出了一种新的多阈值遥感图像分割算法。算法利用粒子自身进化信息来定义进化因子,结合进化因子并利用高斯图函数调整分数阶次a系数以实现精确计算和快速收敛;根据局部最优概率因子对局部最优位置进行Levy飞行随机扰动以提高算法跳出局部最优的能力;同时将二维Renyi熵单阈值扩展到多阈值分割上,并结合改进的分数阶达尔文粒子群算法,将二维Renyi熵多阈值应用于遥感图像分割中仿真结果表明,与其他2种智能优化分割算法相比,本文分割算法在细节处理和分割精度上均有明显优势,在PRI上至少提升7.27%、VOI至少降低6.5%、GCE至少降低10.4%.     

大坝变形监测的粒子群优化高斯过程预测

针对大坝变形数据的非平稳非线性特点,传统预测模型受到了一定限制。鉴于高斯过程(Gaussian Process,GP)对非平稳数据具有高自适应性,考虑到其自身在协方差函数选取以及超参数优化方面存在不足,为提高高斯过程模型的预测精度,文中通过粒子群算法(Particle Swarm Optimization,PSO)优化其超参数并选择最优协方差函数。通过实例验证分析,比较多元回归分析、GP、PSO-GP三种模型在大坝变形监测数据处理中的预测精度,表明大坝非线性预测模型粒子群优化高斯过程算法具有较高的预测精度,是一种有效的大坝变形分析预测方法。     

粒子群算法优化的神经网络短期钟差预报

针对导航卫星钟差短期预报精度上的不足,该文提出了一种基于粒子群算法优化的BP神经网络钟差预报模型,通过粒子群算法来对BP神经网络的权值和阈值进行优化,利用IGS的钟差数据进行实验,并与灰色GM(1,1)模型、二次多项式模型和BP神经网络模型的预报结果进行对比分析。结果表明,粒子群优化算法的BP神经网络模型钟差预报效果良好,3h预报精度能够达到0.3ns,体现了本文钟差预报模型的实用性。     

模拟退火机制下优化离散粒子群的端元提取算法

针对离散粒子群优化(Discrete Particle Swarm Optimization,DPSO)端元提取算法初始种群质量差、收敛性能低且易于陷入局部最优,本文将模拟退火算法引入到DPSO的不同阶段,模拟退火算法能以一定的概率接受和舍弃新状态,使种群内粒子渐趋有序、达到平衡,收敛到全局最优,有效避免了搜索陷入局部最优。因此,该算法不仅保持了DPSO的全局组合优化特点,克服了初始种群质量差、易陷入局部最优等缺点,而且还提高了收敛速度和端元提取精度。     

差分码偏差对QZSS单点定位的影响

为探究差分码偏差(DCB)对准天顶卫星系统(QZSS)伪距单点定位(SPP)的影响,推导了QZSS伪距单点定位时间群延迟(TGD)和DCB改正模型,并选取6个MGEX (Multi-GNSS Experiment)测站连续7 d的观测数据按照两种不同方案进行实验.结果表明：DCB产品月稳定度较好,无明显波动,各颗卫星月稳定度优于0.2 ns,与TGD互差值优于2.5 ns;TGD/DCB改正对SPP精度影响为米级,经TGD/DCB改正后水平方定位精度可从4～9 m提升至3～6 m,高程方向可从7～9 m提升至5～7 m,提升率为10%～46%.可见DCB改正对单点定位精度影响较大,在定位解算中不可忽略.