特征变量选择结合SVM的耕地土壤Hg含量高光谱反演

为探讨应用高光谱数据反演耕地土壤重金属汞(Hg)含量,对原始光谱进行10 nm重采样和SG平滑处理,用不同光谱变换数据与土壤重金属Hg含量进行相关性分析,采用IRIV、Random Frog和PCC提取光谱特征波段,分别建立SVM与GWO-SVM土壤Hg含量高光谱反演模型,获取Hg含量最优反演路径。研究表明,一阶微分变换光谱后土壤光谱特征更明显;上述特征提取方法在不同程度上减少光谱数据冗余,保留有效变量信息;经灰狼算法优化后支持向量机模型反演精度提高,IRIV结合GWO-SVM预测精度更高,其验证集R²为0.894,RMSE为0.082,MAE为0.016。研究成果可为类似土壤重金属含量的反演提供借鉴。     

浅谈警用地理信息系统数据采集几个要点

结合实际项目经验,浅谈警用地理信息系统建设中基础地理信息和公共地理信息数据的采集。采用高分辨率的卫星影像数据,结合外业采集的点状信息,进行警用基础地理信息数据和应急公共地理信息的采集,创建符合警用地理信息属性数据结构的空间矢量数据。     

目标相似性的矢量数据联动更新方法

针对地理空间矢量数据更新和相似性在地理信息领域应用的研究现状,文章分析了不同几何类型目标之间的几何相似性,结合属性相似度,提出了针对数据联动更新的目标相似性的计算模型以及目标匹配方法;在此基础上,提出了数据变化发现和提取方法,并依据数据之间的映射关系实现多重表达矢量数据的联动更新。最后以某省矢量数据的水系要素之间联动更新为实例,证明了本数据联动更新方法能够完成多重表达地理空间矢量数据的更新,同时保证数据之间的一致性。     

大型高精度GNSS基线向量网并行抗差估计

针对大型GNSS基线向量网的特点,在改进的相关观测抗差估计RECO方案的基础上采用并行计算技术进行相关抗差估计的并行计算(简称"并行抗差估计"),并给出了可行的解算步骤。通过算例分析,验证了大型GNSS基线向量网的并行相关抗差估计,不仅有效抑制了观测异常对参数估值的影响,而且显著提高了计算效率。     

POS与DEM辅助机载SAR多普勒参数估计

由于机载SAR多普勒参数受载机不稳定飞行和复杂地形影响明显,目前仍缺少有效的矢量估计法。本文对POS和DEM数据及其误差对机载多普勒参数的影响进行了分析,以距离-共面方程构建的SAR几何关系为基础,在POS和DEM数据支持下,建立了一种多普勒参数矢量估计法,并通过仿真对提出的方法进行了验证和分析。理论和仿真表明,本文方法在高山地形、不稳飞行及大斜视角等复杂条件下,亦能够为机载SAR瞬时多普勒中心提供高精度估计。     

GNSS多径反射探测海平面变化初探

随着GNSS研究与应用的不断深入,GNSS多径反射技术用于地表环境监测已成为一种新兴的遥感手段。针对目前国内对GNSS多径反射技术开展海平面变化探测研究较少的现状,该文通过分析信噪比值的变化特性,详细给出了基于信噪比观测值的GNSS多径反射技术探测海平面变化的基本原理。利用布设在美国华盛顿州Friday Harbor岸边的GPS连续运行跟踪站SC02观测数据反演了海平面变化,并与该站相距359m的Friday Harbor验潮站的监测数据进行了对比分析,误差均值为0.091m,相关系数为0.99。实验结果进一步验证了基于大地测量型GPS接收机用于海平面变化监测的有效性。     

智能矿山系统的应用与开发

我国能源发展以煤炭为主,其中,95%以上的煤炭产量来自井工开采,井工开采引起的地面塌陷会造成建(构)筑物和土地等的破坏;为此,本文通过收集资料和分析工程的实际需求,利用VC++编程研发了矿山数据库管理与沉陷预警系统;系统包括矿山数据库管理模块和沉陷预警模块,包含矿区采空区上方建(构)筑物、土地等的移动变形分析,并为损坏等级评定提供参考。     

基于库伊克模型的地面沉降预测分析

针对地面沉降与地下水水位变化的内在关系,考虑地面沉降受到自身变化规律的影响,建立基于库伊克变换的地面沉降预测模型,应用该模型对某地区地面沉降统计数据进行模拟预测,有效实现该地区地面沉降与地下水水位以及本身之间的定量模拟,并探讨模型的拟合效果和预测精度。结果表明库伊克模型拟合效果较好,预测精度较高,能较好地反映研究区域的地面沉降变形趋势。     

遗传算法优化支持向量机矿产预测方法

针对矿产预测中已知矿点的样本数目较少的问题,该文提出了一种基于遗传算法优化的支持向量机矿产预测方法。采用遗传算法优化支持向量机的惩罚因子和径向基核函数参数,避免了参数选择不当对支持向量机预测结果的影响,从而提高矿产预测的精度。以空间建模工具ArcSDM中的卡林型金矿床数据为例进行实验。结果表明,支持向量机模型的预测准确率为89.3%,查准率为70.2%;而证据权方法的预测准确率为79.4%,查准率为50%,均小于支持向量机预测结果,说明遗传算法优化的支持向量机是一种有效的矿产预测方法。     

一种基于输入向量机的高光谱影像分类算法

支持向量机分类方法存在惩罚系数需要交叉验证获取、训练时间较长、支持向量个数随着训练样本数量的变化而变化,以及稳定性和稀疏性较差等问题。针对这些问题,提出了一种基于输入向量机的高光谱影像分类算法。该算法在核逻辑回归模型的基础上,采用前向贪心算法选择训练样本中的输入向量来进行模型的训练,达到稀疏的目的,提高影像的分类精度和分类效率。通过PHI和OMIS两组高光谱影像分类实验,结果表明基于输入向量机分类算法具有稳定性好、稀疏性强的优点。