基于谱聚类算法的海底滑坡危险性评价

海底滑坡的危险性评价与分区,对海洋工程设施的选址和危险预防具有指导作用.本文基于无监督机器学习的谱聚类算法对黄河口埕岛海域展开了海底滑坡危险性评价,构建了输入参数为9、输出类别为4、核函数参数为0.08的海底滑坡危险性评价模型.使用该模型进行评价,将研究区分为了海底滑坡危险性高、较高、较低和低的区域.评价结果与地质环境...     

基于双隐层ANN模型的叶绿素a浓度智能预报方法

利用2019年5月WZ02生态浮标监测数据,建立了两种不同隐层人工神经网络(ANN)模型的叶绿素a(Chl-a)智能预报方法,并对单隐层和双隐层模型的预测结果做了对比.结果表明:双隐层结构预测结果精度更高,泛化能力更强,一定程度上说明了深层学习比浅层学习对信息的主要特征提取能力更有优势.同时,对数据样本集合进行了系统预...     

人工智能在飞机颠簸预报中的应用进展及未来趋势展望

飞机颠簸对飞机运行安全及旅客舒适度具有很大危害,提高飞机颠簸的预报准确率对于减轻人员伤害和财产损失具有重要意义,且一直是航空气象研究的重点领域。随着观测手段的丰富和科学技术的进步,飞机颠簸预报也取得了长足发展。本文首先从定性预报和定量预报的角度对国内外飞机颠簸预报的主要方法,特别是人工智能(AI)方法在其中的最新应用进行了综述。在此基础上,归纳总结出AI用于飞机湍流预报存在的主要问题和未来的重点研究方向：1)飞机实况数据的开放共享以及多源湍流数据的融合构建问题;2)基于人工智能构建飞机颠簸预报模型的可解释性及物理机制问题;3)基于人工智能构建飞机颠簸的集合预报问题。最后,提出了气象领域未来第三代人工智能的发展思路。     

超参数对GRU-CNN混合深度学习弹性阻抗反演影响研究

CNN-GRU混合深度学习反演弹性阻抗取得了较好的反演效果.但是,基于深度学习的叠前反演参数众多,包括内部深度学习网络可学习参数和外部超参数等,目前超参数选取对网络性能及计算速度影响尚缺乏系统性研究,这直接影响到了该方法的进一步推广应用.因此,本文在混合深度学习反演弹性阻抗基础上,探讨学习率、Ep-och、batch_...     

福建省域工业空间结构研究——以福建省销售额前300家工业企业为例

依据地域经济系统理论,一个地域经济单元状态,可以从时序特征和空间结构特征进行表达,其存在状态受制于时空关联性。一定地域在特定时序发展阶段,必有与之相对应的空间结构特征;反之,一定的空间结构特征必然反映其特定的时序阶段。据此,诊断了福建省域工业系统的时空关联性特征,并提出了该省工业阶段性跃迁的对策与建议。     

全球-地方联结与产业集群的技术学习--以河南许昌发制品产业为例

以产业区理论、管制理论和全球生产网络理论为基础,以学习创新为核心,构建了一个融生产体系与社会生产体制、制度与协调机制、地方生产网络、全球生产网络“四位一体”的学习型产业区分析框架;运用该框架,以河南许昌发制品产业集群为案例,研究了全球-地方网络联结的方式、动态及其对技术学习的影响。研究发现,通过全球与地方生产网络的建构和有机联结,传统产业集群的技术学习是可以从“低端道路”迈向“高端道路”的,发展学习型产业区应作为我国经济发展与技术创新的一项重大战略和政策。     

全球化与新经济背景下的广州市空间结构

全球化与新经济对城市空间结构的形成和演变产生了深刻的影响。基于统计资料及实际调查,分析了广州城市空间结构的演化过程及格局。结果显示,广州城市演化表现出明显的阶段性,包括单中心增长模式、飞地发展模式、“二元”空间结构模式及融合多核心网络模式。现阶段处于二元空间结构模式的发展阶段,新城市区域与老城市区域在产业结构、人口结构、景观特征等方面存在明显的差异。这种城市空间形态结构的演变及格局,是全球化及新经济因素、体制因素、政策及城市规划因素等多种因素综合作用的结果。近年来,全球化与新经济对城市空间形态发展起着日益重要的作用。广州城市空间结构的分析对我国大都市空间结构研究具有重要的启示意义。     

流动人口分布与区域经济发展关系若干解释(1990、2000)

本文对我国1990、2000年间流动人口在东、中、西部和东部地区中环渤海、长江三角洲、珠江三角洲及福建三个亚区的分布变化以及这一分布变化与上述各地区各相关经济与非经济因素变化的关系进行了研究。研究发现,10年中流动人口东、中、西部分布变化与东、中、西部经济发展的变化高度一致;而10年中流动人口在东部地区环渤海、长江三角洲、珠江三角洲及福建这三个亚区层面的分布变化则与经济发展要素变化有一致的方面,也有不一致的方面。珠江三角洲及福建的经济增长带来了流动人口的大幅增长,除珠江三角洲劳动密集型企业众多外,这可能与该区域地方社会人文等文化本底所决定的经济发展制度及习俗有一定的相关性。     

基于深度学习的目标检测定位系统设计与实现

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。