Treatment Effects of Tunnel Entrance Collapse Section Based on Field Monitoring Results北大核心CSCD

为评价隧道洞口塌方段的安全性,基于累计变形预测和变形速率趋势分析模型,结合工程实例,研究隧道洞口塌方段的处理效果。实例分析表明：在累计变形预测方面,GA-VMD模型在隧道变形数据的信息分解过程中具有明显的优越性,可利用其将隧道变形数据分解为趋势项和误差项,且通过组合预测能有效保证预测精度,得出累计变形的后期仍具一定增加趋势,但增加速率相对较小;在变形速率趋势分析方面,变形速率具下降趋势,且随时间持续,下降趋势更为显著。综合对比两者结果,隧道变形无明显增加趋势,并趋于稳定方向发展,说明塌方处理措施是合理有效的,为其防治效果评价提供了理论依据。     

论基础地质与城市地质之关系及存在问题

城市地质是基础地质理论在城市建设中的应用领域。基础地质调查成果是城市地质研究的基础。目前，我国城市地质研究中普遍存在基础地质薄弱、灾害地质调查忽视基本的成因分析、第四系覆盖区地质调查带有明显的盲目性、基岩出露区地质调查忽视基本结构构造分析等问题。基础地质调查在国民经济建设中的地位不应该被忽视。如果城市地质在城市建设和可持续发展中处于基础地位，基础地质则是基础中的基础。它成为薄弱环节，是严重的策略性失误。     

基于深度学习的天气雷达回波序列外推及效果分析

天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。      

循环神经网络在雷达临近预报中的应用

该文将循环神经网络（recurrent neural network,RNN）应用于雷达临近预报。使用预测循环神经网络（predictive RNN）架构,利用雷达历史组合反射率因子建模,给出雷达组合反射率因子未来1 h的预报结果。预测循环神经网络的核心是在长短时记忆单元（long short-term memory,LSTM）中增加时空记忆模块,能够提取雷达回波不同尺度的空间特征,配合循环神经网络架构,可以有效解决反射率因子预测问题。北京大兴雷达和广州雷达长时间序列的独立检验结果和2个强对流天气个例检验结果表明:该方法和传统的基于交叉相关法的1 h雷达外推临近预报相比,在20 dBZ和30 dBZ检验项目内,临界成功指数（CSI）可以提升0.15~0.30,命中率（POD）提高0.15~0.25,虚警率（FAR）降低0.15~0.20,该方法对反射率因子强度变化有一定预报能力。     

生态经济战略是江西21世纪发展的必然抉择

根据生态经济战略的核心问题和江西省的实际情况，分析了江西实施生态经济战略的必要性与可行性，指出了江西开展生态经济建设的几个切入点。     

生成模型学习的遥感影像半监督分类

以生成模型最大似然估计为例,引入结合已标记样本和未标记样本的半监督分类方法来解决遥感影像分类中的小样本问题,应用已有的少量已标记样本初始化一个分类器,结合大量未标记样本,通过递归计算的方式对分类器进行优化,直到包含所有样本的似然函数收敛到局部极大值。通过分析遥感影像待分类类别与影像中地物类型固有特征之间的关系,设计两个在不同生成模型假设下的分类实验。结果表明,未标记样本的参与可在很大程度上提高小样本条件下的影像分类精度,但两种样本的数量应保持一个适当的比例。最后通过与在解决小样本分类问题方面有独特优势的SVM方法的分类比较,发现在小样本情况下,本文方法具有更好的应用潜力。     

地面数字化测图网络自主学习系统的设计与实现

以地面数字化测图模拟与仿真平台为基础,研究基于GIS技术的地面数字化测图模拟与仿真平台可视化仿真方法,建立地面数字化测图网络自主学习系统,引导学生在提出问题的基础上自主选择解决问题的方法、途径和工具,建立探究性实验教学模式,从而培养学生的实践和创新能力。     

投影寻踪学习网络的遥感影像分类

采用投影寻踪(projection pursuit,PP)学习网络方法建立了一种新的遥感影像分类模型。该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能,具有简捷的网络结构和良好的鲁棒性能。利用苏州市TM影像进行了分类实验,将分类结果与BP神经网络和最大似然法的分类结果相比较,投影寻踪学习网络的分类精度较高,具有一定的实用性。     

黄河流域夜间灯光数据与社会经济发展指标的时空耦合关系研究

本文通过对1992—2013年全国夜间灯光数据的校正和处理,获得全国及流域夜间灯光数据影像,进行经济空间聚合分析,以及与相关因子进行对比分析。研究结果表明：经济空间聚合高的区域分布在黄河河道附近,从黄河上游到下游,热力强度逐渐增强,并且以省会城市为核心区向外扩散,即呈现为在旧聚合点聚合度加剧的情况下,聚合区域有向周边分散的趋势;夜间灯光数据的变化趋势与GDP的变化趋势具有一定的相似性,并且与城镇化率、人口数量、第三产比例、人均公园绿地面积、流域发展指数（BDI）具有一定的相关性;流域9省（自治区）的夜间灯光数据整体变化趋势与全国灯光数据的变化趋势基本一致,呈稳定上升的趋势,但整体值均低于全国的夜间灯光数据,并且差距有所扩大,黄河流域高质量发展迫在眉睫。     

深度学习支持下的地图图片典型地理目标检测

针对地图图片中典型地理目标识别问题,本文首先介绍了两种基于深度学习的目标检测方法(YOLO网络和采用focal loss替换交叉熵损失函数的RetinaNet网络),然后将地图图片分别输入两种神经网络模型中进行训练和测试,最后对目标检测结果进行对比分析。结果表明,RetinaNet网络模型对地图图片进行目标检测的准确率有明显提高,且运行速度依然可达秒级。该地理目标检测方法的高准确度与高效性可在地图审查时节约大量人力、时间成本,为地图内容智能理解及互联网地图监管提供了新的技术参考。