煤矿地质成图中多边形快速生成算法

针对煤矿地质成图中左转算法生成多边形在复杂的二维图形条件下应用效率低的问题,该文提出了一种新的基于左转算法的多边形快速选取及自动生成算法,实现了2D图形环境中多边形的快速选取及自动生成。通过在进行多边形选取时的起始点,起始方向的选择和对悬挂点、线进行处理,解决了复杂图形下多边形选取及自动生成过程中存在的重复生成、效率低下和搜索回退问题。基于GeoMS3D实现该算法,实验结果表明:该算法逻辑简单、结构清晰,在实际的应用中表现出了较高的运算效率。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

基于CIM+GIS的配电网拓扑建模与布局算法研究

在基于公共信息模型(CIM)的配电网拓扑建模规范的基础上,研究了配电网设备的GIS数据建模方法以及空间连接逻辑关系;提出了基于GIS的专题图布局算法(单线图和系统图布局生成技术);并通过佛山市电力GIS建设对拓扑模型和专题图布局算法进行了应用和验证。结果表明,算法能满足专题图布局科学、布线美观和避免交叉等技术要求。     

Structuring velocity model of microseism based on genetic algorithm and Levenberg-Marquardt algorithm

为在射孔时间未知条件下达到微震速度模型矫正的目的,采用遗传算法交叉互换搜索最优初值和 Levenberg-Marquardt 算法局部锁定最优解的方式来构建微震速度模型。通过 6 层层状模型及井下不同数量检波器进行试算,随着检波器数量增加,构建的速度模型准确度越高,当检波器数量增加到 20 个时,误差约 13. 4 ×10 －3 ,目的层检波器数量越多,构建目的层速度误差越小,第 5 层检波器由 1 增加到 3 个时,精度提高 9. 1 ×10 －3 ,并且反演震源与实际震源距离相差 10 m,说明此方法在射孔时间未知条件下可以良好构建速度模型。     

基于倒置声学基阵的INSUSBL组合导航算法研究

文中关注水下潜航器导航定位时,电磁波传播途径中能量衰减、惯导系统长航时积累误差以及提高水下潜航器定位精度等问题。基于倒置的超短基线声学基阵,分析声波往返传播时间(RTT)、平面波近似方法和USBL导航解算方法及其坐标转换过程,结合INS误差方程,建立INS/USBL松组合模型。为进一步提高系统精度、动态性能和抗干扰性,考察USBL的原始斜距、斜距差以及声学基阵的空间分布信息,提出基于USBL原始输出信息的INS/USBL紧耦合组合导航方法。通过MATLAB仿真对导航算法进行验证,结果表明两种算法能充分抑制纯惯导误差随时间积累问题,且有效地估计出姿态、速度和位置误差角;其中紧耦合方法状态估计误差最小,导航参数精度相对松组合提高30%以上,对于提高水下载体导航定位精度、海洋探测具有重大意义。     

基于微粒群优化算法的空间优化决策

空间优化决策是GIS应用中复杂而又常见的问题。由于涉及到大量的组合,使用穷举法等方法难以找到最优的解决方案,因此需要运用新的理论方法来解决这类问题。微粒群优化算法是近年来新兴的一种优化技术,与GIS相结合可解决空间优化决策问题。首先,对微粒群优化算法和空间优化决策问题作了简单介绍;然后,基于人口密度、最短距离约束条件下,通过GIS技术,对微粒群优化算法用于空间优化决策的方法、实施过程作了详细阐述;接着,用4×4方格单元对PSO方法的正确性、有效性进行了验证;最后,以广州市芳村区为例,对该方法进行实例验证。通过实验,证明微粒群优化算法具有较好的收敛速度、较高的结果精度,是解决空间优化决策问题的一种有效方法。     

一种基于实景图像的低能见度识别算法

为了利用大量视频监控设备提高能见度数据采集密度,提出一种基于实景图像转换的、采用简单卷积神经网络分类提取能见度等级的算法。该算法假设视频设备水平安装且具备开阔视野, 对原始视频图像进行水平分块,提取各分块的梯度、饱和度和亮度信息组成新的图像,基于简单卷积神经网络建模。采用2019年9月—2020年12月上海洋山港气象站29668张视频图像进行训练,建立识别模型,并采用2021年1—5月5757张视频图像对模型进行测试。采用该算法建立的模型参考雾的预报等级(GB/T 27964—2011)将能见度分为5个等级进行检验,白天准确率为87.99%,夜间准确率为81.32%,优于直接采用AlexNet模型。对1000 m以下低能见度天气的识别准确率达95%以上。利用现有的视频摄像头,可有效弥补气象站点能见度仪数据不足的问题,在气象业务上有一定的应用价值。     

基于MODIS数据地表温度反演劈窗算法的比较研究

选取QIN和SOB两种代表性劈窗算法对辽宁地区地表温度进行反演,并分析二者的精度和误差分布。结果表明：QIN和SOB算法反演的地表温度（TS）与地面气象台站准同步观测的气温和地温的线性拟合显著,SOB算法线性拟合更好;从误差分布直方图上看,两种算法的反演结果与地温更接近,SOB算法与同步气温和地温在±2 ℃之间的误差比例略高于QIN算法;在野外开展与卫星遥感空间尺度一致的地表温度观测试验,QIN和SOB算法与实测值的平均绝对误差均为1.5 ℃;与NASA官网发布的地表温度产品对比发现,QIN和SOB算法的平均绝对误差分别为1.75 ℃、1.70 ℃;因此QIN、SOB算法在辽宁地区均适用,SOB算法误差更小。     

顾及城区机载LiDAR数据特征的配准算法

条带配准是点云数据处理的一个重要环节.文章介绍了经典ICP配准算法的基本原理;考虑到城区机载LiDAR数据中地物的组成、空间分布等特征,提出了一种ICP算法中对应点集的选择策略,并建立了城区机载LiDAR数据的自动配准流程.利用河南安阳试验场的真实点云数据进行配准实验,结果表明在不需要人工干预的情况下,可以很好地将条带数据拼接在一起,建立无缝点云数据.     

基于聚类算法的钻孔瞬变电磁视电阻率立体成像方法

煤矿井下地球物理水害超前探测要求探测点20 m范围内不得有积水和金属物体,传统电磁法超前探测技术已不能满足要求,钻孔瞬变电磁法通过将收发装置送入掘进工作面前方的钻孔中进行探测,既远离了巷道中的各种干扰,又提高了隐蔽致灾水体的探测精度。为解决该方法对钻孔径向异常体的准确定位解释难题,通过三维正演总结了其水平分量异常响应特征,提出了异常体象限确定准则,研究了根据水平分量幅值和异常象限综合求取异常体工具面角的计算方法。将由垂直分量计算得到的每一个视电阻率视为独立异常体,基于K-means聚类算法对相应的水平分量异常曲线特征值进行二分类,实现了全数据集的视电阻率象限自动划分,结合异常工具面角算法研究得出钻孔瞬变电磁视电阻率立体成像方法。最后计算了三维数值模型的立体成像结果,对钻孔径向的小规模低阻异常体取得了良好效果。结果表明:基于K-means聚类算法的钻孔瞬变电磁视电阻率立体成像方法是地球物理与机器学习的有机结合,该方法能够为井下掘进工作面隐伏水害超前探测精细解释提供技术支撑。