自动观测系统在广汉机场的应用

1前言广汉机场是飞行学院高教机训练基地。随着训练的增多,对机场地面设施的要求也越来越高．由于高教机对11练经常在复杂天气条件下进行,再则四JI！盆地秋天降水低云、冬季大雾多、能见度差,常常影响飞行,要提高机场利用率,机场气象自动观测系统,就成为必不可少的设备。     

绵阳机场冬季天气特点及预报

根据1986年-1995年十年间11、12、1月份的天气资料,对绵阳机场冬季的低能见度、低云、大风和积冰等天气现象统计分析,以期对今后的实际工作有所帮助,提高对冬季天气的预报水平。1引言冬季天气,不象夏季天气那般风云突变,它是比较稳定的。绵阳机场,影响飞行的冬季天气,主     

泸沽湖机场北东端高填方稳定性分析

泸沽湖机场的北东端存在高填方边坡,其稳定性对机场影响重大,笔者对填方边坡的稳定性做了计算,并进行了有限元分析,列举了提高边坡稳定性的一些具体措施,为该机场的建设提供参考。     

贵州某机场岩溶地基处理设计

目前,岩溶地区地基处理设计没有统一的规范或标准可以借鉴。本文根据机场自身特点,通过评判隐伏岩溶的埋藏深度、顶板安全厚度及顶板洞径比等三种主要因素,介绍了一种目前机场常用的岩溶地基处理评价方法,并结合贵州某机场岩溶地基处理设计情况,对场区隐伏岩溶进行评判并提出处理措施,为类似工程提供一些参考和借鉴。     

林芝机场地面强风的统计特征及其对飞行安全的影响

为了正确认识青藏高原山地地面风场对民航飞行安全的影响,采用林芝机场地面测风资料,结合中国民航相关飞行安全标准,分析研究了林芝机场跑道强风的统计学特征及其对飞行安全的影响。结果表明,林芝机场跑道上的强顺风与强侧风频繁出现是影响林芝机场航班安全起降的重要因素。在该机场跑道上,3 m·s-1以上强顺风的全年出现频率为19.4%,5 m·s-1以上超强顺风的全年出现频率为4.4%,最大顺风强度为19.7 m·s-1;7 m·s-1以上强侧风的全年出现频率为7.6%,15 m·s-1以上超强侧风的全年出现频率为0.2%,最大侧风强度为22.2 m·s-1。在林芝机场跑道强风日变化中,强顺风与强侧风在下午出现概率和强度最大,逐时出现频率均大于20.0%。在季节变化中,各个季节强顺风与强侧风对飞行均有较显著的影响,除个别月份外,强顺风每个月出现频率大于15.0%,强侧风大于5.0%。另外,林芝机场跑道两端强风危险差别较大,跑道23端的强顺风和强侧风危险远高于跑道05端。     

基于伪语义相似度模型的中文地址匹配方法

地址匹配中,由于传统相似度模型受字符重叠数影响大,在处理简写、缩写地址要素单元时,错误匹配问题突出;深度学习方法需要大量样本支撑,但庞大的数据量和多样的形式,导致生成样本的成本过高。为解决上述问题,本文首先应用基于条件随机场和双向长短时记忆神经网络的模型,对地址进行分词;然后通过建立一种伪语义相似度,对地址要素进行分级匹配。通过对公安业务中地址数据进行测试,在对缩写、简写等不规范地址描述方面,本文模型能较理想地完成任务,各参考指标均高于0.9。     

秋天 迷失在九寨黄龙

老早就盼望着在九寨秋天最好的季节再次牵手,果然心想事成,在金秋十月如期赴约。九寨黄龙机场俗称为九黄机场,当地人说：九黄九黄,十次飞机九次黄,还有一次要返航。这次行程不仅航班准点,而且特别的物理现象——佛光闪现,这本身就是一道景,为再次亲近她营造了好心情。     

顾及灰度和梯度信息的多模态影像配准算法

基于特征匹配的多模态影像配准方法无法达到像素级配准精度要求。本文研究了一种顾及灰度和梯度信息的多模态影像配准算法。基于马尔科夫随机场（MRF）的非参数化配准模型充分利用多模态影像的图像信息进行相似性测量,同时考虑了灰度及梯度统计信息,求解方法上对值空间进行离散化,提高收敛速度。通过3组多模态影像的配准试验,验证了该算法的可行性。试验表明：本文算法的配准效果优于基于人工刺点的多项式模型配准和只考虑灰度信息的多模态影像配准;与此同时,该算法对于较大形变的影像配准也具有一定的适用性。在空间精度方面,平均配准误差小于1个像素,最大配准误差小于2个像素。     

多尺度特征和马尔可夫随机场模型的电力线场景点云分类法

及时、准确地监测电力线安全可以预防危险情况的发生。本文以机载点云为研究对象,提出了一种基于随机森林后验概率的马尔可夫随机场模型,用于电力线场景的点云分类。首先结合空间金字塔理论构建多尺度视觉分类特征以此描述空间点及其邻域的几何形状信息;接着利用随机森林分类器描述观测数据的概率分布,基于马尔可夫随机场模型建立顾及上下文信息的先验概率,从而构建一个多标记能量函数;最后利用多标记图割技术最小化能量函数完成分类标签优化。利用直升机巡线系统和小型无人机巡线系统获取的LiDAR点云数据来验证本文提出的模型。试验结果表明,该模型能够有效地分类场景中的电塔、电力线和植被且总分类正确率得到98%以上。与其他分类方法相比,本文提出的模型总体精度更高,尤其是电塔的分类优势明显。     

结合MRF与ν-SVM的SAR海冰图像分类

结合支持向量机SVM和马尔可夫随机场MRF在图像分类领域的优点,提出MRF-ν-SVC分类系统。与以往针对像素的分类不同,本系统在区域水平实现分类。首先通过双阈值准则判别区域间边缘的强弱,然后针对模糊边缘区域将基于MRF的空间语境模型改进为边缘语境模型,修正SVM原始问题中的偏差因子,从而优化最优分类超平面。实验表明,本文算法可有效提高分类精度,增强对斑点噪声的抑制能力,更好地分类特征相似的区域。