基于非等间距泊松曲线在沉降预测中的应用

泊松曲线是一种精度较高的沉降预测方法，但是它只能在等时距数据条件下方能使用，在工程实际中很难满足这一要求。本文采用插值法将非等时距数据转化成等时距数列，并结合高层建筑沉降监测工程实例分析，结果表明，用泊松曲线模型预测建筑物沉降量与实际沉降量比较接近，具有较高的应用价值。     

基于单邻点多波段预测的高光谱图像无损压缩算法

提出了一种基于聚类-单邻点、多波段预测-熵编码的高光谱数据无损压缩方法。根据谱向特征,进行高光谱图像矢量聚类。对各个分类,采用单个空间位置邻点、多个波段作为预测数据,训练预测系数,进行三维预测。残差采用Golomb-Rice编码。实验证实了算法的有效性。     

大桥施工过程中的沉降观测及沉降灰色模型预测的探索

在桥梁施工过程中经常需要对桥梁墩台进行沉降观测。本文结合木瓜溪大桥墩台施工期间的多次沉降观测,讨论了桥墩台施工检测过程中控制网布设及其沉降规律,为较大型桥梁的施工提供较为科学的沉降规律。最后,用灰色系统模型对沉降监测点预测进行了探索,得出了一些有用的结论。     

Remotely sensed estimation of forest canopy density: A comparison of the performance of four methods

In recent years, a number of alternative methods have been proposed to predict forest canopy density from remotely sensed data. To date, however, it remains difficult to decide which method to use, since their relative performance has never been evaluated. In this study the performance of: (1) an artificial neural network, (2) a multiple linear regression, (3) the forest canopy density mapper and (4) a maximum likelihood classification method was compared for prediction of forest canopy density using a Landsat ETM+ image. Comparison of confusion matrices revealed that the regression model performed significantly worse than the three other methods. These results were based on a z-test for comparison of weighted kappa statistics, which is an appropriate statistic for analysis of ranked categories. About 89% of the variance of the observed canopy density was explained by the artificial neural networks, which outperformed the other three methods in this respect. Moreover, the artificial neural networks gave an unbiased prediction, while other methods systematically under or over predicted forest canopy density. The choice of biased method could have a high impact on canopy density inventories.     

利用多源遥感数据进行城市不透水面覆盖度估算

利用深圳实验区4种不同传感器获取的遥感数据,通过CART算法进行城市ISP估算。讨论了多光谱遥感数据的不同波段在ISP估算中的重要性,比较了针对三种不同中分辨率影像建立的ISP估算模型在性能上的差异。实验结果表明,近红外波段对ISP估算结果的贡献最大,具有较高空间分辨率和成像辐射质量的遥感影像得到的估算结果精度较高,所有的估算结果均在实际ISP分布范围的两端分别存在着高估和低估的现象。     

GNSS转发式欺骗干扰方法的改进

针对GNSS多天线转发式欺骗干扰在实际应用中,当干扰机与目标机距离大于一定范围时,将引起目标机钟差突跳,从而易被目标机检测和识别的缺陷,提出了基于干扰机阵列的转发式欺骗干扰新方法。干扰机阵列按照正六边形网型布设,可实现目标区域的无缝覆盖,并且灵活易拓展。不论目标机位于区域的任何位置,均有一个最优干扰机能够对其实施有效干扰。为了确定相邻干扰机的最优间距,本文在干扰机阵列不同间距下对具有钟差突跳自适应检测能力的目标机的干扰有效性进行了仿真研究。结论表明,综合考虑各种约束因素,相邻干扰机最优间距为17 km,满足该条件的干扰机阵列在实施欺骗干扰过程中,不会造成目标机钟差突跳,有效解决了该干扰方式易被目标机识别的问题。     

模拟退火粒子群与小波的地基沉降预测应用

针对粒子群优化算法易陷入局部极小值问题,改进学习因子使其自适应调整,并与具有良好全局搜索能力的模拟退火算法结合,充分利用两种算法各自的优点,同时结合小波分析去噪,优化神经网络参数,对地基累计沉降数据进行预测,并与标准粒子群优化算法做了对比,实验表明两种方法的结合具有良好的全局和局部搜索能力,预测精度高。     

青海玉树地震差分干涉雷达同震形变测量

2010-04-14青海玉树发生7.1级地震后,作者利用震前和震后获取的日本ALOS卫星PALSAR遥感数据,开展了差分干涉雷达(D-InSAR)地震同震形变测量与分析。结果表明:玉树地震引起较大范围地表变形,地震变形沿玉树—甘孜断裂带向南东东方向扩展,在N33.7°,E96.81°附近达到最大形变量,D-InSAR监测到雷达视向上的最大形变量为35cm。地表形变特征对于评价玉树地震破坏程度、推断断层性质、研究地震形变和地震孕育特征具有重要的参考价值。     

模糊神经网络在变形分析与预报中的应用研究

研究了模糊神经网络的网络建模,提出了单点建模、分组建模和整体建模3种建模方法,为变形分析和预报提供了新思路。结合滑坡变形实例,指出了模糊神经网在工程变形分析和预报中的可行性。     

小波变换和BP神经网络模型在沉降变形监测中的应用研究

变形预测在预报工程险情方面起着关键性的作用,针对施工中需及时、准确地预测变形的问题,本文利用小波变换原理对监测数据进行降噪处理,并采用BP神经网络分析不同训练样本下的预测效果和精度水平。实验结果表明:基于小波消噪后的BP网络模型,以连续的近期观测数据作为训练样本,对下期变形预测精度高,效果好,相对误差很小。因此,小波变换和BP神经网络模型在沉降变形监测工程中能作为预测研究与应用的参考。