基于极限学习机的浅海水深遥感反演研究

以Sentinel-2A遥感影像为数据源,在数据预处理基础上,使用极限学习机建立水深反演非线性回归模型,并与双波段回归模型、神经网络BP模型进行了比较。结果表明,总体上,支持极限学习机反演精度比较高,在水深5～20m处,极限学习机模型具有较高的反演精度和良好的效果,适用于研究区的水深反演。     

水利工程施工中沉降测量误差形成原因及控制对策

水利工程在施工建设中会发生不规则或不均匀的沉降,在对沉降进行测量时,受多种因素影响,易出现较大的误差,严重威胁着工程安全。为此,提出结合小波神经网络算法对施工中的沉降误差数值进行计算,并设计误差计算控制流程,通过验证得出沉降测量的结果误差更小,工程应用价值比传统方法更高。根据实验结果提出了沉降误差控制建议,以期为水利工程沉降测量提供参考。     

CNN结合SLIC的PolSAR区域化分类

针对PolSAR分类易受散斑噪声影响出现"椒盐"现象的问题,提出一种CNN结合SLIC算法的PolSAR分类方法。选取荷兰Flevoland地区机载L波段全极化数据作为实验数据,通过Pauli、Huynen和Yamaguchi分解获取了9维特征向量,利用指定窗口尺寸内像素在特征维度的分布特征作为CNN的输入端,在选取实际标签作为训练集进行训练的基础上,通过对网络学习率和随机失活率等参数调整优选,经过200次迭代将影像分为大豆、小麦和建筑等15种地类,并结合SLIC算法获取区域化分类结果。实验结果显示总体分类精度达到97%,Kappa系数为0.94,效果明显优于传统SVM和Random Forest分类算法,同时对国产高分三号全极化数据进行了分类,证明了该分类算法的有效性。     

基于长短时记忆神经网络的辽东湾海冰延伸期预报方法研究

通过合成分析和回归分析,研究了影响辽东湾海冰变化的局地和大尺度环流因子,并基于一种深度学习方法——长短时记忆神经网络(LSTM),建立了辽东湾海冰延伸期预报模型。结果表明,LSTM模型能较好地预报出未来15 d辽东湾海冰的总体发展趋势、浮冰外缘线离岸距离的振荡变化及峰值发生时间等关键特征,1～15 d预报的平均绝对误差为4.1～5.7 n mile~①,均方根误差为5.4～7.5 n mile。LSTM模型的预报时效可达到15 d,较目前海冰数值预报(5～7 d)的时效延长一倍,且运算速度极快,能够节省大量的计算资源和时间成本。该模型的建立为利用深度学习方法开展海洋和气象预报提供了一种新思路。     

径向基函数神经网络在计算天然气水合物饱和度中的应用研究

天然气水合物饱和度的计算通常采用阿尔奇公式、双水模型、Wood 方程等方法,这些方法均基于孔隙度的求取,并需要配合岩心分析来获得公式中的有关参数,存在误差传递导致结果不正确的问题.由于天然气水合物是以固态形式赋存于地层当中,因此研究适用于含天然气水合物储层的评价模型也是解决准确评价天然气水合物储层需考虑的因素.针对沿用油气测井评价方法计算天然气水合物的孔隙度和饱和度中存在的问题,采用径向基函数作为人工神经网络,计算了我国首次采获水合物样品的神狐海域某井天然气水合物的饱和度,以其中一口井的分析数据为样本训练并建立径向基函数神经网络,有效地求出了另一口井的天然气水合物饱和度,其结果与现场孔隙水分析的饱和度基本吻合.避开了天然气水合物饱和度的模型建立及参数求取难题.     

一种基于粒子群优化BP神经网络技术的震后压埋人员手机定位方法

近年全球地震灾害频发,如何快速准确定位压埋人员方位是震后搜救工作中的重点和难点。本文提出的基于粒子群优化BP神经网络技术震后压埋人员手机定位方法,通过对压埋手机的定位,间接定位到被压埋人员。利用WiFi探针捕捉被压埋手机发出的接收信号强度数据,采用高斯-卡尔曼混合滤波对数据进行处理。以粒子群优化BP神经网络解算出的压埋距离为基础,融合对数衰减模型与多项式衰减模型,建立多衰减模型融合的压埋距离修正模型,获取更为精确的压埋距离。通过加权六点质心定位算法求解压埋手机位置。实验结果表明：多衰减模型融合的压埋距离修正模型定位误差为0.579 m,相较于单一的信道衰减模型与神经网络,定位精度分别提升43.5%、30.9%和12.7%。     

基于改进模糊统计分析模型的概念层次分类规则研究

在数据挖掘和知识发现的研究过程中,往往需要对大量的数据进行概念层次分类处理,现广泛使用的方法是通过经验知识或主观判断进行处理,由于知识背景和经验层次的不同,导致不同的人对同一批数据同一问题提出不同的规则知识,加大了对规则知识进行合理性评估的难度。基于此问题,对传统的基于模糊统计分析模型的概念层次分类方法进行改进,首先,通过专家系统获取各模糊样本集,根据离散化的样本属性值及其相对隶属频率值对,进行RBF神经网络训练;然后,利用训练好的神经网络求取各模糊集的最模糊点;最后根据最模糊点获得各模糊集的区域划分,从而实现概念层次的分类处理,避免了传统方法处理过程的复杂性和主观性。