A bidirectional path-finding algorithm and data structure for maritime routing

Route planning is an important problem for many real-time applications in open and complex environments. The maritime domain is a relevant example of such environments where dynamic phenomena and navigation constraints generate difficult route finding problems. This paper develops a spatial data structure that supports the search for an optimal route between two locations while minimizing a cost function. Although various search algorithms have been proposed so far (e.g. breadth-first search, bidirectional breadth-first search, Dijkstra’s algorithm, A^*, etc.), this approach provides a bidirectional dynamic routing algorithm which is based on hexagonal meshes and an iterative deepening A^* (IDA^*) algorithm, and a front to front strategy using a dynamic graph that facilitates data accessibility. The whole approach is applied to the context of maritime navigation, taking into account navigation hazards and restricted areas. The algorithm developed searches for optimal routes while minimizing distance and computational time.     

室内位置信息模型与智能位置服务

商业中心、交通枢纽、医院、停车场等复杂室内及地下空间的安全管理与应急响应对室内外无缝导航与位置服务的需求日益迫切,提出了一种室内位置信息模型,扩展了OGC标准CityGML和IndoorGML中的位置信息描述,提供了描述室内相对位置和室内绝对位置的本体,介绍了一种针对三维建筑物模型的室内空间自动提取方法,为智能位置服务奠定了重要基础。     

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。     

群智能优化算法在水文频率曲线适线中的应用

根据不同适线准则,研究群智能优化算法在水文频率曲线适线中的计算问题,为水利工程规划、水资源优化配置等提供依据。以陕北地区12个主要测站的年径流系列为例,选取五大分布类共12种分布线型,根据我国现行水利水电工程设计洪水计算规范,按照离(残)差平方和最小准则(OLS)、离(残)差绝对值和最小准则(ABS)、相对离差平方和最小准则(WLS),以MATLAB7.6为计算平台,研究模拟退火算法、遗传算法、粒子群算法和蚁群算法进行水文频率参数的估计。在不同适线准则下,陕北地区年径流最优频率分布模型为广义Logistic分布(Generalized Logistic Distribution,GLO),粒子群算法进行参数估算偏差最小。与传统优化方法相比,群智能优化算法对优化目标函数要求低,是一种推求年径流频率曲线统计参数的新途径。     

省级气象计量检定业务自动化系统

省级气象计量检定业务自动化系统 (以下简称系统) 是省级气象计量部门的业务应用平台, 以提高其业务管理水平、工作效率和检定质量。系统基于现有省级气象计量标准硬件设备,辅之以自动化智能控制技术,采用B/S和C/S软件开发模式,实现检定业务的数字化、信息化和自动化。该系统包含计量业务管理和自动化检定两个子系统,共用同一个检定数据库。计量业务管理子系统由仪器收发、常规仪器检修、系统管理、预警超检、报表处理、综合查询统计、计量器具管理等模块组成;自动化检定子系统包括温度、湿度、气压、风、雨量等传感器的自动化检测,能够自动采集数据、自动生成原始记录和检测证书。系统的业务应用表明:系统自动化程度高,提高了业务管理水平、工作效率和检定质量。     

基于生成对抗网络GAN的人工智能临近预报方法研究

研究设计了基于生成对抗网络(Generative Adversarial Networks,GAN)的人工智能临近预报方法,并进行了业务试验。该方法利用广东12部S波段天气雷达2015—2017年海量雷达拼图资料进行人工智能学习来做临近预报。GAN方法从一系列雷达观测资料中,运用卷积法提取回波图像信息建立预报模型,并通过损失函数训练模型,得到基于人工智能技术的临近预报。对2018年发生在广东地区的4个天气过程的外推预报试验表明,GAN方法对对流天气过程的回波位置、形状及强度的临近预报多数情况下与实况基本一致,具有较好的预报效果。但是该方法预报的回波范围偏大,对层状云降水的预报效果较差。对西风带系统引起的降水,西南季风降水,东风系统引起的降水以及台风降水的18个个例1 h预报的3个级别的回波强度检验发现,GAN方法对中等强度回波的预报较好,但对强回波的预报效果仍有待提高。     

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。     

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.     

面向实时应用的遥感服务技术

当前中国卫星事业正面临着难得的发展机遇,以应用需求为牵引,着力提升卫星遥感的服务能力,充分发挥卫星的应用效益,突破通信、导航、遥感卫星的系统壁垒,构建通导遥一体化的天基信息实时服务系统,提供全天时、全天候、全地域的面向实时应用的服务.本文首先分析了天空地海对地观测传感网实时服务能力,接着阐述了遥感技术实时应用服务需求(...