高速铁路对东北城市网络结构的空间影响

借鉴复杂网络理论,以铁路列车时刻表为基础数据,探讨高速铁路的开通对东北地区铁路网络结构和城市网络结构的空间影响。结果表明:①高铁强化了东北地区铁路网络的小世界、无标度等网络特征,各网络节点在可达性和辐射能力方面受到4种不同形式的影响;②高铁强化了沈阳和哈尔滨的主-副双核心铁路网络结构,使得拓扑网络的离散程度大幅降低,长春、大连等城市的网络联系中心性显著提升;③铁路交通重心向西北方向偏移,区域间不平衡性增强,吉林省成为东北铁路客运联系强度最高的地区;④大连市拥有特殊的门户城市特征,即对外联通能力强,但未形成足够吸引力。     

基于大型科研基础设施共享的区域创新网络研究——以山东省为例

在产业革命和科技革命的背景下,创新在区域发展中发挥着越来越重要的作用,网络化创新模式成为当下创新的主流模式之一.基于创新网络视角,利用大型科研仪器共享大数据,对山东省创新网络的空间特征和主体特征进行分析,研究发现:山东省创新网络在形态上呈现出以济南为创新核心辐射带动济宁和淄博等周边边缘城市发展,同时形成东部青岛、威海和...     

融合光谱指数与高分影像的塑料大棚语义分割模型

针对现有场景分类方法特征表征能力差以及单视角遥感影像分类精度难以提升的问题,提出一种融合多尺度注意力的多视角遥感影像场景分类方法。首先,将航空图像和地面图像构造成正负图像对,并划分为训练集、验证集和测试集;其次,构建融合多尺度注意力的卷积神经网络并训练,通过特征融合模块得到融合注意力且表征能力更强的特征,实现多尺度特征学习;然后,利用训练的多尺度注意力网络分别提取航空图像和地面图像特征并进行融合;最后,基于融合后的特征使用支持向量机进行场景分类。实验结果表明,相比现有方法,所提方法在两个公开数据集上均取得了更高的分类精度,改善了单视角场景分类效果,同时也证明了多视角所提供的补充信息能进一步提升遥感场景分类的准确性。

     

利用风云3D微波成像仪数据估算北极海冰密集度的精度评价

卷积神经网络（convolutional neural network, CNN）已用于星载全球导航卫星系统反射测量（global navigation satellite system-reflectometry,GNSS-R）海冰检测,其具有数据预处理简单、最大限度保留反射面信息等优势,但已有GNSS-R CNN海冰检测方法研究的数据集时间跨度较小,代表性有限,且未考虑训练集内海水、海冰时延多普勒图（delay-Doppler map, DDM）的比例对方法泛化能力的影响。针对该问题,首先提出一种筛除畸形DDM方法,有效筛除错误数据;然后,设计合适的CNN结构及参数,通过小样本对比实验发现CNN模型在训练集内海水、海冰DDM的比例为1∶1时具有高准确率和最佳泛化能力,并优化数据集选取策略;最后使用2018年全年大样本数据集评估改进的方法在大数据量和大时间跨度时的有效性和可靠性。研究表明,改进的方法通过加强数据质量控制、优化数据集选取策略,提升了CNN海冰检测方法的泛化能力及可靠性,使其更适用于实际应用场景,为海冰消融等研究提供参考。

     

基于深度学习的新增建设用地信息提取试验研究: 全国土地利用遥感监测工程创新探索

目前基于遥感图像的城市功能区分类方法通常采用光谱特征解译、兴趣点数据辅助、评价策略优化等方式,依赖大量人工操作,并借助遥感图像外的其他信息源。为了解决以上问题,提出利用卷积神经网络进行滑窗识别,提取图像语义标签,结合语义推理机制实现城市功能区分类的滑窗-推理方法。首先,建立两级城市功能区分类,以二级城市功能区为标识标注训练样本,并以此训练卷积神经网络作为识别器;然后,设计有重叠的滑窗识别模式,使用识别器辨识滑窗区域内图像块的二级城市功能区类型;最后,提出一个带权重的打分机制,作为语义推理方式,语义推理对象为全部识别结果,确定各图像块的一级城市功能区类型,实现遥感图像城市功能区分类。实验使用模拟图像和高分辨率遥感图像,两种图像的总分类精度分别可达94.50%、92.04%。滑窗-推理方法旨在通过语义推理处理滑窗识别产生的多语义标签,根据多语义标签确定对象的真实城市功能区。实验结果表明,所提方法无需辅助信息,直接利用遥感图像进行城市功能区分类是可行和有效的。     

基于成本最优路径的划界线与实际地形自动匹配

针对当前划界工作中主要采用手工操作实现划界线与实际地形匹配的现状,提出了基于成本最优路径分析实现自动匹配的基本原理,研究了自动匹配的关键技术。首先,基于悬挂特征栅格的反向追踪构造地形特征网络,并借助划界法理对其进行特殊处理。其次,构建成本图层,应用成本最优路径分析实现了划界线与实际地形的自动匹配。最后,通过实验对匹配结果的可靠性进行评价,验证了本文自动匹配方法的有效性和可靠性,并对划界工作提出了若干建议。     

一种基于软件网络的重要服务发现方法

与已有的侧重于服务内容的方法不同,本文根据服务组合的历史记录,提出了一种依据服务间依赖关系发现重要服务,以及其他可与之进行组合的服务的方法。在对ProgrammableWeb真实数据的实验结果表明,发现的重要Web API在Mashup中出现率达95%,且在分析给定Web API集的可组合性方面,成功率高达98%。     

BP神经网络用于水下地形适配区划分的方法研究

为确保背景场中最优适配航线设计的正确性以及水下地形匹配导航的可靠性,提出了一种基于BP神经网络的背景场适配/误配区自动识别和划分方法,该方法通过分析地形背景场特征参量显著性和主成分、构建BP神经网络、建立输入地形特征参量与匹配性能的映射关系,最终实现了地形背景场误配/适配区的自动识别和划分。试验验证了本方法的有效性。     

基于细菌觅食优化广义回归神经网络的煤层气含量预测

为提高煤层气含量预测的能力,提出了一种基于细菌觅食优化广义回归神经网络( BFA?GRNN)的煤层气含量预测算法。利用已有煤层资料,通过神经网络建立回归模型,采用细菌觅食算法对模型参数进行优化,减少人为因素在网络训练中的影响。据此算法,在聚类分析及灰色关联分析的基础上,选取密度等共7个影响因素,建立煤层气含量预测的BFA?GRNN模型,通过实例分析验证该方法的可行性。结果表明:BFA?GRNN模型预测值与实测值之间相对误差小于6%,采用该模型预测煤层含气量具有较好的应用前景。     

长短时记忆神经网络在中期地震预报中的探索——以川滇地区为例

利用机器学习方法对地震活动大数据进行挖掘,识别出一些过去认识不到的异常,提高地震预测的准确性,是一个非常具有挑战性的科学问题.本文基于川滇部分地区（24°N—32°N,98°E—106°E）地震目录,采用滑动的时空窗口,选取16个反映地震时空强度分布特征的地震预测因子,建立了长短时记忆（LSTM）神经网络,对研究区域9个子区块未来一年的最大地震震级进行预测.通过设置训练集：测试集=8：2和训练集：测试集=7：3两个不同的训练测试模型,对过往发生的地震进行了回溯性预报.结果表明：训练集：测试集=7：3模型能够利用1970年1月至2004年9月的地震目录进行学习,成功回溯性预报2008年汶川地震;训练集：测试集=8：2模型利用1970年1月至2009年5月资料进行训练,回溯性预报2010—2019年间6级以上地震的R评分为0.407,回溯性7级地震预报时准确率高达92.31%.本文还探讨性给出预测意见：2022年2月前研究区西部、中部、东部、西南部存在发生5.1~5.3级地震的潜在危险性.