时间序列处理的新插值方法

通过对GPS和地震形变时间序列的研究，提出了一种新的插值方法——多点3次样条方法。该方法可以在一定条件下解决时间序列处理中较多数据的缺失问题。对该方法与其它插值方法进行了对比分析，并给出了该方法的定量分析结果。     

基于MVO优化神经网络的GNSS高程异常拟合方法

针对普通神经网络的梯度消失和易陷入局部极值的问题,提出一种基于多元宇宙优化算法(multi-verse optimizer, MVO)的BP神经网络优化方法(MVO-BP),利用MVO全局寻优的特性求取BP神经网络各层之间可靠的神经元阈值与连接权,从而使神经网络预测模型具备更高的预测精度。建立基于MVO-BP算法的GNSS高程异常拟合预测模型,并采用实际工程中少量高程异常数据进行算法可行性检验。结果表明,相较于常规的BP神经网络法及多面函数法,MVO-BP法精度更高、适用性更强,可为实际工程测量中正常高的求取提供参考。     

利用波形持续时间估算新疆地区中小地震震级

持续时间震级是常规震级类型之一,主要适用于区域地震台网。目前,国内多个地区已有持续时间震级经验公式,但中小地震频繁的新疆地区却没有较适用的经验公式。为了更好地把握新疆地区中小地震的震级,使用新疆测震台网数据,利用地震波形振动持续时间估算震级,对新疆地区2019年8月—2020年12月发生的225个M 2.0—4.0中小地震事件进行统计分析,将各事件持续时间与震级进行散点分析及对数拟合,得到新疆地区持续时间—震级规律与经验公式以及震级与持续时间的对照表。     

基于地图色域特征的色域映射算法研究

分析了地图色彩跨媒介传递出现偏色现象的原因。对地图色域特征进行了研究,提出了一种基于地图色域特征的地图种类划分方法,并指出针对每类地图设计相应色域映射算法的重要性。设计了一种面向线型设色地图的色域映射算法,该算法引入Sigmoidal型函数对地图进行明度压缩,对其色域点拟合出一条直线,把直线与明度轴交点作为映射中心点进行色域压缩。将该算法与ICC绝对色度意图映射法和SGCK算法进行对比,结果表明该方法较好于前两者并能够很好保持地图的整体色貌及颜色对比度,可以提高地图跨媒介色彩再现效果。     

三维激光扫描技术曲面拟合方法研究

点云数据处理以及点云的曲面、曲线拟合是逆向工程中一个重要的研究课题,其重要任务就是将实际物理模型重建生成几何模型,而核心问题就是如何从采样点出发重建曲线、曲面模型。本文以C++开发平台和MATLAB为基础,对三维激光扫描数据利用B样条、NURBS、三角网格曲面拟合方法和曲线拟合方法进行研究探索。     

一种改进的圆柱形体定位算法研究与应用

对基于最小二乘法的椭圆拟合算法进行了研究,提出先将多个平面内的测量点坐标旋转到同一平面内,统一坐标系后分别进行平面椭圆拟合,得到圆柱形体的中心坐标和半径等特征参数,从而实现圆柱形体定位。采用MATLAB编写程序实现了算法,利用徕卡全站仪进行数据采集,对某大型圆柱形储罐进行了倾斜度和准直度分析。     

GPS高程拟合在桥梁施工高程控制网复测中的应用

采用曲面拟合法对武汉市区4座桥梁工程的施工高程控制点进行GPS高程拟合,并与常规水准测量成果进行对比分析。结果表明,采用曲面拟合法进行GPS高程拟合,推算出的水准点高程达到相应等级高程控制网的精度要求,可用于桥梁施工高程控制网施工复测及监理复测。     

长江三峡库区水文观测吴淞高程系统的确定

利用三峡库区平水区对似大地水准面高度"贴合"的特点,探索性地建立了库区水文基本点吴淞高程系统与1985国家高程基准的转换关系;基于大量水位观测数据,采用线性拟合的方法,对吴淞高程系统归化进行了探求与分析,并对库区上游平水区水文基本点吴淞高程数据进行精化,得到了一些有益的结论。     

提高GPS高程拟合模型精度的有效方法

在调兵山地区,选择76大地高和正常高都已知的点作为原始数据,采用多项式拟合加权平均法建立该地区大地水准面,包括泰勒二次多项式加权平均法和双二次多项式加权平均法。通过实例发现,泰勒二多项式曲面加权平均法和双二次多项式加权平均法对高程异常的短波项有很好的改进效果,拟合残差值比较大的点采用泰勒二次多项式曲面加权平均法和双二次多项式加权平均法残差值变小,大大提高了拟合模型的精度,改善了拟合模型。     

Ground peak identification in dense shrub areas using large footprint waveform LiDAR and Landsat images

Large footprint waveform LiDAR data have been widely used to extract tree heights. These heights are typically estimated by subtracting the top height from the ground. Compared to the top height detection, the identification of the ground peak in a waveform is more challenging. This is particularly evident in ground detection in shrub areas, where the reflection of the shrub canopy may significantly overlap with the ground reflection. To tackle this problem, a novel method based on Partial Curve-Fitting (PCF) of the shrub peak was developed to detect the ground peak. Results indicated that the PCF method improves ground identification by 32–42%, compared to existing methods. To offer further improvement, a Multi-Algorithm Integration Classifier (MAIC) was built to fuse multiple ground peak algorithms and selectively apply the best method for each waveform plot. The PCF ground peak identification method along with the MAIC-based fusion is expected to significantly improve ground detection and shrub height estimation, thus assisting biodiversity, forest succession, and carbon sequestration studies, while offering an early example of future multiple algorithm integration.