Inclusive Multiple Models(IMM) for predicting groundwater levels and treating heterogeneity

An explicit model management framework is introduced for predictive Groundwater Levels(GWL),particularly suitable to Observation Wells(OWs)with sparse and possibly heterogeneous data.The framework implements Multiple Models(MM)under the architecture of organising them at levels,as follows:(i)Level 0:treat heterogeneity in the data,e.g.Self-Organised Mapping(SOM)to classify the OWs;and decide on model structure,e.g.formulate a grey box model to predict GWLs.(ii)Level 1:construct MMs,e.g.two Fuzzy Logic(FL)and one Neurofuzzy(NF)models.(iii)Level 2:formulate strategies to combine the MM at Level 1,for which the paper uses Artificial Neural Networks(Strategy 1)and simple averaging(Strategy 2).Whilst the above model management strategy is novel,a critical view is presented,according to which modelling practices are:Inclusive Multiple Modelling(IMM)practices contrasted with existing practices,branded by the paper as Exclusionary Multiple Modelling(EMM).Scientific thinking over IMMs is captured as a framework with four dimensions:Model Reuse(MR),Hierarchical Recursion(HR),Elastic Learning Environment(ELE)and Goal Orientation(GO)and these together make the acronym of RHEO.Therefore,IMM-RHEO is piloted in the aquifer of Tabriz Plain with sparse and possibly heterogeneous data.The results provide some evidence that(i)IMM at two levels improves on the accuracy of individual models;and(ii)model combinations in IMM practices bring‘model-learning’into fashion for learning with the goal to explain baseline conditions and impacts of subsequent management changes.     

基于空间建模的公共安全情报分析初探

空间建模及分析作为情报分析的主要技术手段之一,在欧美等国家得到了广泛实践和应用.本文在地理信息科学的主要空间模型基础上,进行了公共安全情报分析应用的研究和实践,并应用于警用地理信息系统建设中,为我国公安机关“情报信息主导警务”提供实战参考.     

新一代人工智能驱动的陆地观测卫星遥感应用技术综述

随着各国航天事业的高速发展以及政府对卫星遥感技术的大力支持,各类军民商用卫星系统层出不穷,建立了较为完善的卫星遥感数据获取体系,为推动经济社会高质量发展提供了新动能。与此同时,人工智能技术的迅猛发展极大程度的提升了数据分析的智能化、精准化水平,为遥感大数据分析与应用带来了新的发展机遇。在互联网时代的背景下,结合新一代人工智能、大数据、物联网、5G等先进技术,推动遥感应用朝着智能化、大众化、产业化方向发展是大势所趋。本文依据当前陆地观测卫星智能遥感技术的发展现状与实际需求,论述了人工智能驱动的遥感技术在资源调查、环境监测、灾害监测等领域中的应用研究现状,探讨了现阶段制约人工智能技术在遥感领域应用成效的关键问题,最后结合遥感大数据处理中存在的问题和挑战,对陆地观测卫星遥感应用技术的发展趋势进行了展望,建立基于人工智能的卫星遥感应用体系已成为卫星遥感技术发展的必然趋势。     

21世纪逐日无缝数据立方体构建方法及逐年逐季节土地覆盖和土地利用动态制图—中国智慧遥感制图iMap （China） 1.0

粮食安全、高质量人居环境建设、生物多样性保护、星球健康等社会可持续发展目标和对地球系统的理解、模拟与管理都迫切需要多尺度、长时序、辐射和几何精度高且一致性强的遥感观测数据集和针对用户需求的、信息主题灵活的制图产品。但是由于技术和成本限制,传统的遥感卫星难以提供同时具有高空间分辨率、高时间频率和高质量的观测数据。现有的制图和反演方案多是针对于单一传感器系列,难以充分挖掘和联合利用多源异构遥感大数据的信息潜力,造成观测时段和分辨率有限、时空一致性和可比性较差。因此,遥感领域迫切需要新的技术范式。本文基于前沿的云计算、人工智能、虚拟星座、时空融合重建等技术,针对现有遥感大数据特别是国产卫星数据,提出一套智慧遥感制图(iMap)框架。该框架从用户需求出发、问题驱动,能够大大改善当前遥感数据产品难以满足农林管理、国情监测、生态环境保护、防灾减灾、城市建设等用户的多样化、高精度地表监测需求的现状。在该框架的指导下,基于亚马逊云计算(AWS)高性能、高弹性、可扩展的分布式计算资源,搭建了在线实时、自动化、无服务器、端到端的遥感大数据生产链和并行制图系统,并生产了首套21世纪中国全境逐日无缝数据立方体(SDC)及逐年逐季节土地覆盖和土地利用制图产品。逐日SDC综合利用Landsat和MODIS卫星数据构建虚拟星座,并通过多源时空数据融合重建技术研制得到无云无缝、高精度的反射率产品,作为分析就绪数据(ARD),为高精度定量遥感反演和制图打下根基。基于这一SDC,完成了逐年逐季节地表制图。逐年平均精度超过80%。在制图过程中,基于多套多层土地覆盖和土地利用分类体系,运用有限样本稳定分类理论,迁移使用全季节普适样本库,采用自动机器学习(AutoML)策略集成优化多种分类器,并结合时空一致性变化检测和后处理技术。这两套制图产品证明了本文提出的智慧遥感制图框架的可行性和有效性。未来将进一步完善和发展该框架,以开放和灵活的理念,为促进中国遥感进一步发展提供新的思路。     

岩性识别：方法、现状及智能化发展趋势

岩性识别是地质工作中一项基础而又重要的工作。传统的岩性识别方法过于依赖经验和地质专业知识积累,不仅耗时长、专业性强,还易受主观因素影响,导致准确率不理想。笔者等首先回顾了传统的岩性识别方法,之后总结了最新涌现的智能化识别方法,最后详细介绍了基于岩石图像、镜下图像、图像与元素信息融合等的智能识别方法。基于岩石图像的识别方法对于文中的岩石识别准确率可达90%以上,基于图像与元素融合的岩性识别方法可以降低图像相似度高、风化破坏表观特征等因素对识别准确度的影响。笔者等认为当前岩性智能化识别研究仍处于初级阶段。综合各类数据源的优势,利用机器学习深度挖掘岩石元素、矿物、光谱和表观特征间的内在关联性,有利于突破单源信息的局限性,实现岩性快速准确识别。     

基于Dijkstra算法的车辆导航系统路线优化技术

利用经典的Dijkstra最短路径算法设计智能车辆的导航系统(通信技术模块,车辆定位技术模块,搜索技术模块,检测加车位满空技术模块),实现目的地路线优化,方便车主的外出。     

网格空间信息智能服务框架及关键技术

基于网格的智能信息服务是地理信息系统发展的一种新模式。从分析地理信息系统面临的挑战出发,剖析了基于网格的智能信息服务出现的必然性。介绍了空间信息智能服务的概念以及网格与空间信息智能服务的关系;设计了一种由数据服务节点、功能服务节点、管理节点和门户节点组成的网格空间信息智能服务框架;提出了实现基于网格的空间信息智能服务所涉及的空间数据服务生成、数据服务封装、服务注册、服务组合与工作流建模等关键技术。最后,基于Microsoft VisualStudio2005进行了实验。     

Wave hindcasting by coupling numerical model and artificial neural networks

By coupling numerical wave model (NWM) and artificial neural networks (ANNs), a new procedure for wave prediction is proposed. In many situations, numerical wave modeling is not justified due to economical consideration. Although incorporation of an ANN model is inexpensive, such a model needs a long time period of wave data for training, which is generally inconvenient to achieve. A proper combination of these two methods could carry the potentials of both. Based on the proposed approach, wave data are generated by a NWM by means of a short period of assumed winds at a concerned point. Then, an ANN is designed and trained using the above-mentioned generated wind-wave data. This ANN model is capable of mapping wind-velocity time series to wave height and period time series with low cost and acceptable accuracy. The method was applied for wave hindcasting to two different sites; Lake Superior and the Pacific Ocean. Simulation results show the superiority of the proposed approach.     

人行为计算机仿真的一种方法

根据人工神经网络的基本原理和模拟人类大脑思维的过程,提出了一种神经网络模型和思维模型系统,用于人行为的计算机仿真.神经网络模型采用Sigmoid函数.思维模型系统由感知系统、推理机、知识库、存储单元、学习训练系统、决策系统以及行为输出系统7个部分组成.采用此系统模型对普通学生的工作日日常行为进行了计算机仿真实验.实验结果达到了预期的满意效果.     

Tunnel stability analysis during construction using a neuro‐fuzzy system

This paper presents an alternative strategy to evaluate the stability of tunnels during the design and construction stages based on a hybrid system, composed by neural, neuro‐fuzzy and analytical solutions. A prototype of this system is designed using a database formed by 261 cases, 45 real and the rest synthetic. This system is capable of reproducing the displacements induced at the periphery of the tunnel before and after support installation. The stability of the excavation process is evaluated using a criterion that considers dimensionless parameters based on the shear strength of the media, the induced deformation level in the ground, the plastic radii and the advance of excavation without support. The efficiency and validity of the prototype is verified with two examples of actual tunnels, one included in the database used to train the system and the other not included. The results of both examples show a better approximation than other commonly used techniques. Copyright © 2005 John Wiley & Sons, Ltd.