线性参照模型在铁路空间数据库中的应用

线性参照模型是以线性参考系统为基础,以动态分段技术为核心的一维空间数据模型。本文针对铁路空间数据的一维线性分布特征与铁路部门以一维线路为主体的运维管理模式,探讨了铁路空间数据的线性建模方法,利用空间数据库技术实现铁路空间数据、属性数据及业务数据的一维线性存储与管理,并提出了基于一套多尺度线性参照模型的铁路空间数据库的设计方案。试验表明,该方案能够为全路提供一套统一的一维管理基准,在动态数据管理、数据更新和共享等方面具有较大优势。     

基于灰色系统理论的概率积分法参数确定研究

针对灰色系统理论对地表移动变形的原始数据进行挖掘的特点,根据潞安矿区司马矿地表移动观测站的实测资料,通过建立灰色预测GM(1,1)模型,利用Matlab对观测数据进行插值,获取等间隔数据。运用灰色系统理论对概率积分法参数进行求取,进行相关的精度分析,得到运用该方法求取的概率积分法参数的方法是可靠的结论,体现了动态预测的特点。同时,将灰色系统预测方法与曲线拟合方法求取参数的结果进行对比分析,指出二者预测结果存在误差的影响因素,提出可以通过定期等间隔的观测和加大对衰退期的观测次数等措施,提高概率积分法参数的精度。     

无人机航测数据质量检查及成果应用

从不同的角度对无人机航空影像进行数据质量分析和评价,然后通过控制内业数据处理精度,阐述所生产的3D数字产品辅助石油勘探工区道路建设和石油勘探生产管理情况。     

关于总体最小二乘方法适应性实验研究

总体最小二乘是近年来发展起来的较最小二乘方法更为严密的平差方法,总体最小二乘能够顾及系数矩阵和观测值矩阵同时存在偶然误差并加以改正。然而对于总体最小二乘方法的适用性以及在根据实际数据建立模型时总体最小二乘方法改正系数矩阵和观测值矩阵误差的能力问题还没有深入研究,针对一元线性回归模型,讨论总体最小二乘方法的灵敏性,利用仿真实验数据验证总体最小二乘方法在线性回归模型中的改正能力和优越性。     

基于ArcGIS的三维建筑日照时态模拟

以福州大学怡山校区为例,在ArcGIS 10环境中,结合SketchUp构建三维建筑模型,对建筑物接受日照和产生阴影遮挡情况进行三维可视化时态模拟研究,提出了无需插件的MultiPatch三维模型创建思路以及三维建筑的日照分析方案。研究结果不仅可为城建规划部门及居民提供快捷可靠的科学日照分析手段,而且拓展了三维建筑模型在GIS中的应用。     

基于时间序列分析和灰色理论的建筑物沉降预测模型研究

基于时间序列分析方法建立建筑物沉降预测模型,其中通过二次移动平均法提取出沉降监测序列中的趋势项,并在此基础上采用灰色系统理论动态GM（1,1）模型进行趋势项预测。实际算例结果表明,该模型能够较好地预测沉降变化的发展趋势,并具有较高的预测精度,证明了该预测模型具有一定的可行性和有效性。     

基于影像点云的三维激光扫描仪成图与建模软件

一、引言随着信息技术的发展,数字城市建设在全国已经形成一股势不可挡的浪潮。城市地形三维信息的快速采集与提取是当前数字城市建设的热点与难点。基于三维激光扫描数据的数字测图与三维建模日益成为非常有竞争力的数据获取手段之一。但目前市面上采用的测图与建模方法基本上只基于激光点云数据,而点云的可视化效果与可视性不强,导致成图与建模判读困难、速度慢、成     

基于C#与MATLAB混合编程实现变形预测分析

工程项目的施工期、运营期均需要进行变形监测观测,以便全方位掌握构筑物的稳定性,但其中数据分析的实现方式、方法各有不同。本文采用C#与MATLAB混合编程,结合两种编程语言的优势,详细叙述了混合编程的实现方法,并以灰色模型为例,验证了可行性,证实了该模式可以快速开发满足项目需求的程序,实现对监测数据的分析、预测。     

一种顾及重叠区地形变化的DSM镶嵌线智能提取算法北大核心CSCD

针对影像密集匹配得到的分块DSM数据,本文提出了一种顾及重叠区地形变化的DSM镶嵌线智能提取算法。该方法利用DSM数据重叠区的高程偏差构建重叠区域的差值影像和差分影像,将经过去噪、拉伸和反向计算的差值影像和差分影像做融合处理。针对融合数据采用基于最小生成树的最优路径搜索方法,提取最优镶嵌线。试验结果表明,使用本算法提取的镶嵌线能有效避开高程差异大的凸出地物,保证地物的完整性,能够解决DSM数据镶嵌过程中镶嵌线的自动选择问题。该方法有效减少了传统镶嵌方法带来的误差,可靠性和稳定性较高。     

海底底质分类支持下的WorldView-3多光谱影像浅海海域水深反演

近几十年来,基于遥感影像进行水深反演一直是国内外学者研究的热点。本文使用WorldView-3高分辨率卫星影像,结合卫星测高数据,以中国海南岛附近的蜈支洲岛及其附近海域为主要研究区域,在进行数据预处理、底质分类之后,分别通过多元线性回归模型、Stumpf对数比值模型和BP神经网络集中对岛屿周围0～20 m水域的水深进行反演和结果分析。结果证明,对这3种模型而言,在进行底质分类之后精度都会明显提升。其中,BP神经网络反演水深精度最高(均方根误差范围为0.2～0.7 m),多元线性回归模型次之(均方根误差范围为0.3～0.8 m),对数比值模型精度最低(均方根误差范围为0.6～1.1 m)。