顾及多个因素的城市建成区用地规模预测研究——以郑州市为例

目前,城市建成区用地规模受社会、经济、城市环境和政策等多因素影响,传统统计方法已经难以准确预测城市用地规模,从多因素的角度研究城市用地是合理的。BP神经网络法和多元回归分析法都是顾及多个因素的统计方法。以郑州市1984—2005年相关统计数据为样本数据,用BP神经网络法、多元回归分析法、灰色系统GM(1,1)法和Logistic法建立预测模型,对2006年和2007年建成区规模进行模拟预测。预测结果表明,顾及多个因素的预测方法预测精度较高,其中BP神经网络法优于多元回归分析法。     

《地理空间信息》2009年总目次

<正>~~     

基于模糊理论的时空数据模型及算法解决

针对当前时空数据模型中存在的主要问题,本文提出了一种基于模糊理论的时空数据模型.该模型从时空对象演化的角度出发,结合模糊隶属度的概念,力求精确表达对象演化的整个过程及对象之间的相互关系.在此基础上,进一步分析了该模型的数据结构以及算法解决,为时空数据模型的研究提供了新的思路.     

基于模糊聚类分析的1：25万地形图数据挖掘

从地形图的属性特性方面对全国1：25万地形数据库进行数据挖掘，提出地形图属性因子的概念，指出除境界外的其他属性因子是决定一个地区的地表自然条件的基本因素。在对属性因子进行量化的基础上，通过采用模糊聚类分析方法，论述了基于属性因子的基本地表自然条件方面对不同制图单元进行分类的意义和方法。     

DTM数据采集的质量控制

数字地面模型（DTM）的建立与实践由数据采集、数据处理与应用3部分组成。数字地面模型是地形表面形态等多种信息的一个数字表达。它是地理信息数据库的基本内核并且有着广泛的应用，DTM数据采集的质量控制，对于DTM的应用来说是一项非常重要的内容。简述了美国丹佛地区数字地面模型（DTM）制作过程中的质量控制要点，以便同大家共同商讨。     

基于图像特征的烟叶分级

讨论了基于图像特征的烤烟烟叶分级系统的建模及其实现,给出了烟叶分级模型的数学描述,探讨了模型库的优化和特征隶属度及烟叶模式的可信度的计算问题,并通过试验分析了FTGS系统的性能和有效性。     

平坦地区转换GPS高程的混合转换方法

简要介绍了转换GPS高程的二次曲面拟合法和神经网络方法。然而 ,这 2种方法都有缺点 ,介绍的CF&NNM方法充分利用了 2者的优点 ,通过 2个平坦地区的工程实例 ,证实该方法的有效性 ,并得到一些有工程应用价值的结论。     

基于RBF神经网络的建筑物沉降预测

采用RBF神经网络的建模方法对建筑物的沉降进行了预测,并利用桂林市某在建农贸市场附近建筑物上的一个监测点连续3个多月的监测数据进行计算分析。实践表明,该模型预测精度相对较高,有很好的实际应用价值。     

BP神经网络在GPS高程拟合中的应用探讨

神经网络算法一直是国内外研究的热点问题,BP神经网络算法具有更小的模型误差,因此,被广泛应用于GPS高程拟合。本文通过对同一区域GPS高程拟合的应用探究,运用迭代运算对比BP神经网络算法与多项式拟合数据,从而证明BP神经网络在一定条件下具有更高的精度,更加突出了BP神经网络算法的实用性。     

结合模糊分割和遗传算法的航空影像车辆提取方法

利用高分辨率遥感影像实现道路车辆监测在交通管理系统中占有重要地位,然而受成像条件及车辆本身颜色多样性的影响,很难从遥感影像中直接提取道路车辆。为此,本文提出了一种结合遗传算法和数学形态学的遥感影像道路车辆提取方法。首先利用模糊聚类方法建立影像分割模型,并利用遗传算法对其进行求解,从而实现影像中道路、车辆及环境的精确分割;然后对分割结果中不同层进行赋值,实现分割结果的二值化;最后利用数学形态学操作从分割的道路-车辆的二值结果中剔除道路,从而实现道路车辆的提取。利用本文方法对航空影像进行了道路车辆提取试验。试验结果表明,本文方法不仅能够准确识别地面车辆位置,还能精确提取其轮廓线。