基于轨迹数据的移动对象分类识别研究

随着卫星定位技术和移动互联网的不断发展,全球范围内产生了大量不同类型的轨迹数据。通过对不同环境中收集到的轨迹数据进行挖掘,研究移动对象的行为特征,进而实现移动对象的分类识别,对于掌握居民出行规律、国家安全和国防军事具有重要意义。本文首先介绍GPS轨迹数据的内容及具体的应用场景,并在此基础上分析轨迹数据的主要特征;然后,详细阐述轨迹数据分类识别过程中特征提取和分类建模的研究现状,并总结现有的研究方法和发展趋势;最后,对基于轨迹数据的移动对象分类识别存在的问题与挑战进行了讨论。     

基于小波分析的灰色-神经网络组合模型在大坝变形预测中的应用

监测序列经小波分解后可以得到各层分量。对低频分量采用灰色GM(1,1)模型进行建模预测,对高频分量采用BP神经网络进行建模预测,最后将各分量进行小波重构,得到监测序列的预测值。将预测值分别与没有进行小波分解直接用GM(1,1)模型预测的值和经小波分解的低、高频系数都采用GM(1,1)模型预测的值进行对比,发现经小波分解的灰色-神经网络组合模型预测精度更高。     

基于残差改正的动态非等时距灰色模型及应用

介绍了动态非等时距GM(1,1)模型的建模原理、建模过程以及精度评定方法,阐明了动态非等时距GM(1,1)模型中维度选择、残差改正的问题,结合高层建筑沉降监测实例进行分析,将动态非等时距残差GM(1,1)模型预测结果与实测值进行比较,得出动态非等时距残差GM(1,1)模型在建筑物沉降监测中具有很高预测精度的结论,证明了该方法的可行性与可靠性,适用于高层建筑沉降监测.     

平稳自回归模型在高层建筑沉降预测中的应用

首先介绍了平稳自回归模型-AR(p)模型,然后将该模型应用到高层建筑沉降预测实例中,通过沉降实测数据与预测数据进行对比分析,其结果均满足精度要求,表明:AR(p)模型在高层建筑的沉降预测中具有很好的适用性。     

基于GM(1,1)等维新息模型的矿山沉降预测

介绍了GM(1,1)灰色模型的建立过程及模型的精度评定方法,采用等维新息模型对某矿工业广场的沉降趋势进行了预测,并用残差序列建立GM(1,1)模型进行修正,通过与实测的结果对比表明,模型的预测具有较高的精度,模型可靠合理。     

沉降监测数据的非等间距GM(1,1)模型插补应用

科学、准确、及时地分析和预报建筑物的沉降状况,对其施工和运营极为重要,沉降监测的研究成果也是检验设计和施工的重要手段。由于自然环境的多变性、施工现场的复杂性等各种主、客观因素影响,监测数据有时会出现间断,为了分析沉降规律,需要对缺失数据进行插补。考虑到沉降监测非等时间间隔的特点,建立非等间距GM(1,1)模型及优化背景值的GM(1,1)模型,应用于沉降监测缺失资料的插补工作中,取得了较满意的监测间断数据插补值。     

基于时间序列分析和灰色理论的建筑物沉降预测模型研究

基于时间序列分析方法建立建筑物沉降预测模型,其中通过二次移动平均法提取出沉降监测序列中的趋势项,并在此基础上采用灰色系统理论动态GM（1,1）模型进行趋势项预测。实际算例结果表明,该模型能够较好地预测沉降变化的发展趋势,并具有较高的预测精度,证明了该预测模型具有一定的可行性和有效性。     

利用MorPAS对上黑龙江成矿带进行金成矿预测

上黑龙江成矿带主要由早-中侏罗世河流-湖泊-洪积相含煤碎屑岩组成,目前已发现多个中小型矿床,在该区进行成矿预测意义重大。文章利用MORPAS成矿预测系统,采用证据权重法进行了成矿预测工作,在充分研究区内已知矿床的成矿规律基础上,以1：257Y地质图为背景,物化探异常分析子系统对1：20万区域化探数据进行C—A分形确定异常下限,综合现有的找矿标志,提取有利的成矿要素,进行针对处理,制成上黑龙江成矿带MORPAS金成矿预测分析图,提供成矿靶区,为森林高覆盖区提供找矿有利单元。     

面向交通土建工程的网络化移动勘测办公系统

现今的交通土建类大型工程项目数据繁冗复杂。传统的数据处理方式速度慢、精度低,已不能满足大型工程管理的需要。GeoNMOS软件可弥补在大型工程项目中数据处理方面的不足。文中提出网络化移动勘测办公系统的设计理念,着重分析GeoNMOS各个模块的特点及其主要功能。