联合DInSAR与Offset-tracking技术监测高强度采区开采沉陷的方法

高强度煤炭开采产生巨大的地表形变,形变相位梯度过大导致干涉测量解缠错误,单一采用常规DInSAR及其衍生技术都无法获得地表沉陷主值。本文提出一种新的解决方案,即联合利用DInSAR与偏移量追踪技术（Offset-tracking）各自的技术优势,实现开采区大变形的准确提取,并基于GAUSS函数模型拟合恢复沉陷区剖面形态。基于2012年2月13日和2012年11月27日两景高分辨率SAR数据（RADARSAT-2,5 m精细波束模式（MF5））为数据源,以神东矿区布尔台矿、寸草塔一矿、二矿为研究区,采用常规DInSAR技术获得亚厘米级沉陷区边界,边界沉陷值处于-0.01~ -0.02 m;利用偏移量追踪方法获取米级地表沉陷中心主值,中心沉陷值集中在-1.0~ -4.0 m。将2种方法监测到沉陷信息分段融合,最后采用GAUSS函数模型重构矿区开采沉陷下沉特征曲线。结果表明,偏移量追踪方法可弥补DInSAR技术监测大量级形变信息的不足,联合技术可完整获取高强度采区的大形变沉陷。     

利津洼陷沙四上亚段滩坝沉积特征及控制因素分析

通过岩心观察、测井和地震资料分析,运用沉积学、层序地层学理论,将利津洼陷沙四上亚段分为1个层序3个体系域（LST、TST、HST）,并细分为7个准层序组。研究了滩坝砂岩的沉积特征和在准层序组内的平面展布,以准层序组1、2滨浅湖滩坝最发育,准层序组3、4风暴滩坝最发育,准层序组6、7砂质滩坝发育差但发育碳酸盐滩坝。对滩坝控制因素进行了探讨,首次提出了“气（气候）-源（物源）-盆（盆地）”系统控滩坝的分析思路,是对传统“源控论”的完善与补充,可更合理解释滩坝的成因和分布,增加预测性。     

基于最优尺度和规则的高分辨率影像分类研究

高分辨率影像的广泛应用推进面向对象影像分析(OBIA)的发展,而分割作为面向对象分类的关键步骤,其尺度的选择直接关系到地物信息的提取。空间尺度是地物的固有属性,在合适的分割尺度下可以更好地挖掘地物信息。本文结合最大面积法和分割质量评价模型对张山营镇影像进行分割实验,先通过分析对象最大面积初步得到最优尺度范围,后结合分割质量评价模型以确定最优分割尺度层次。在此基础上,综合样本提取的光谱、纹理等特征进行规则训练,最终完成面向对象的土地覆被分类研究。结果显示:基于多层次最优尺度的规则分类方法获得更好的分类结果,其总体精度为88.8%,Kappa系数为0.861,而基于单一尺度的最邻近法总体精度81.4%,Kappa系数0.773,基于单一尺度的规则分类法总体精度为83.2%,Kappa系数为0.85。     

Skyline和3Dmax软件在虚拟校园模型建立中的应用——以云南某学院为例

在介绍相关技术背景的基础上,根据建立虚拟校园模型的特点及业务条件,提出了以Skyline生成的三维地形数据为基础,结合3Dmax创建的校园三维景观模型建立虚拟校园模型的该方案,并成功运用解决方案建立了某学院的虚拟校园模型。     

公路采动区裂缝快速获取及精度分析

采动区公路路面裂缝引发公路产生松散剥落、唧浆、缓慢沉降等病害,危及公路的正常运营,需要对裂缝长度和宽度信息进行监测。针对传统的公路路面裂缝测量获取方法劳动强度大、成本高、效率低等缺点,该文设计使用手机相机采集裂缝图像,使用图像处理技术对图像进行增强和除噪、阈值分割,结合尺度基准提取裂缝的长度和宽度信息。运用该方法对采动区公路路面裂缝进行快速获取,实验结果表明:路面裂缝长度计算的相对中误差不超过7.6%;宽度的计算值与实测的宽度相比,其相对误差在8.1%以内,证明该方法检测出的裂缝的长度和宽度具有较高的准确度,能够高效地获得路面裂缝的信息。     

基于GIS的虚拟景观平台设计与实现

针对传统地理信息系统技术体系的局限,提出了集成地理信息系统、虚拟现实技术,以"图、文、数、声"一体化形式,向公众直观、形象、简洁、有趣地呈现了景观真实环境、多种交互方式和身临其境的用户体验,实现了动态3D场景展示和人机互动的虚拟景观平台,提升了地理信息系统的应用服务水平。研究结果为虚拟景观建设提供了可借鉴的技术手段,促进了地理信息技术和虚拟现实技术的结合。     

具有混合延时和不同时标的混沌忆阻竞争神经网络的自适应同步

本文考虑了具有混合时变延时和不同时标的混沌忆阻竞争神经网络的自适应同步问题.使用Lyapunov泛函方法和不等式分析技术,设计了一类新的具有反馈控制律的自适应控制器以取得网络同步及指数同步目的,提出了不用过多计算,如求解线性矩阵不等式或复杂代数计算的保证网络同步条件;同时,所获条件也可以应用到已有文献里关于忆阻器网络不同数学模型中.最后,通过实例验证了本文获得的理论结果的有效和正确性.     

一种基于占有率反馈的虚拟网络映射算法

网络虚拟化技术通过对物理资源的抽象,可以有效解决现有互联网架构中存在的网络结构僵化、可扩展性差等问题.虚拟网络映射问题是指将用户发送的所有虚网请求映射到底层物理网络中,同时还要满足虚网请求中对各个资源的限制要求（如节点计算能力、链路带宽等）.从节点负载平衡的角度出发,在基于就近原则的虚网映射算法基础上,引入节点负载平衡的反馈机制,引导各个虚网请求更均匀地映射到底层物理网络中.另外,在k短路径算法机制中引入了当前链路资源占有率作为评价参考标准,这样可以尽可能均匀地分散链路压力.同时,在检验链路资源是否满足虚网请求的过程中,由于优先选中的链路资源占有率低,所以算法映射成功率高,映射耗时更短,虚拟网络映射效率得到了有效提高.     

青藏高原大地形对南海冷涌事件影响的数值模拟

利用大气环流模式NCAR CAM3,通过比较敏感性试验与控制试验的结果,讨论青藏高原大地形高度对南海北部冷涌事件及环流的可能影响。结果表明,地形的绕流作用对阿留申低压和东亚大槽的产生有着重要作用,当大地形不存在时,两者消失。地形高度变化对大陆冷高压的强度有影响,随着地形高度的降低大陆冷高压强度减弱。即大地形对中高纬行星尺度平均槽脊具有重要作用,地形高度降低会导致中高纬环流经向度减小,不利于冷空气南下,从而影响冷涌事件的强度和发生频率。当地形高度减半时,由于大陆东部地势相对平坦,南海北部北风强度增加,使得南海北部冷涌的出现频率略有增加。当无地形存在时,由于无青藏高原大地形的存在,使得东亚中高纬环流的经向度显著减小,冷空气南下活动明显减弱;同时没有大地形激发冷锋后的Kelvin波向南运动,导致南海北部北风强度减弱,南海北部冷涌的出现频率也显著减少。     

A context-sensitive correlated random walk: a new simulation model for movement

Computational Movement Analysis focuses on the characterization of the trajectory of individuals across space and time. Various analytic techniques, including but not limited to random walks, Brownian motion models, and step selection functions have been used for modeling movement. These fall under the rubric of signal models which are divided into deterministic and stochastic models. The difficulty of applying these models to the movement of dynamic objects (e.g. animals, humans, vehicles) is that the spatiotemporal signal produced by their trajectories a complex composite that is influenced by the Geography through which they move (i.e. the network or the physiography of the terrain), their behavioral state (i.e. hungry, going to work, shopping, tourism, etc.), and their interactions with other individuals. This signal reflects multiple scales of behavior from the local choices to the global objectives that drive movement. In this research, we propose a stochastic simulation model that incorporates contextual factors (i.e. environmental conditions) that affect local choices along its movement trajectory. We show how actual global positioning systems observations can be used to parameterize movement and validate movement models and argue that incorporating context is essential in modeling movement.