改进后灰色神经网络及短期基坑沉降预测研究

在短期基坑沉降监测中,由于数据量少且呈非线性变化,沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度,但不能模拟复杂的非线性函数;BP神经网络可以对非线性数据进行学习训练,具有自学习、自适应能力;通过将GM(1,1)与BP神经网络组合,并优化网络部分的学习率、权值和阈值等,建立一种改进的灰色神经网络模型,该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析,验证改进的灰色神经网络模型预测精度更高,适合短期建模,具有很好的实用性。     

基于部分最小二乘岭估计的粗差定值定位

在利用部分最小二乘原理进行粗差定值定位时,模型的法方程矩阵可能存在病态性,使得到的粗差定值定位结果不可靠。文中针对观测数据包含多个粗差且法方程病态问题,利用岭估计处理病态问题,建立部分最小二乘岭估计的粗差定值定位方法,给出粗差搜索步骤,利用迭代算法实现多个粗差的定值和定位。通过模拟算例分析部分最小二乘法、部分最小二乘岭估计在粗差搜索方面的效果,从另一个角度探讨粗差处理方法,推广现有的误差理论,证明文中方法的有效性。     

一种裸露土壤湿度反演方法

针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。     

关于新型测绘的探索

探索新型测绘的产生背景与科学内涵等问题,对新时期测绘地理信息事业转型升级与跨越发展具有重要意义。该文首先从经济社会发展需求、测绘发展新阶段、测绘地理信息转型升级、测绘地理信息跨越发展4个方面阐述了新型测绘产生的背景;其次,从新型测绘关系角度给出了新型测绘的内涵与架构,从范围、内容、技术手段、体制机制方面描述了新型测绘的特征;再次,从新型测绘目标出发,描述了新型基础测绘的内涵、要求与主要任务,地理国情监测的总体目标与主要任务,公共服务与应急测绘的新需求与主要任务;最后围绕测绘地理空间数据获取、处理、管理、分析、服务与应用主线,探讨了新型测绘需要着重研究的新理论、新方法、新技术装备,旨在为新型测绘的研究与发展奠定基础。     

长距离单历元单频非差北斗网络差分方法

针对北斗卫星导航系统现有的网络差分方法多是基于GPS系统并采用双差定位模型,而双差定位模型的采用使得网络差分方法存在一些缺陷的问题,该文提出一种长距离单历元单频非差北斗网络差分方法;首先长距离北斗基准站网向覆盖区域内的北斗用户提供非差误差改正数;然后用户内插计算出自己所需的非差误差改正数,并改正北斗单频伪距观测值的误差;最后进行单历元单频网络差分定位。实验表明,该方法能够使用单历元单频伪距观测数据实现长距离北斗网络差分定位。     

地理国情普查试点成果综合分析

城镇服务设施布局的评价与分析是地理国情普查综合统计分析城镇化发展的重要内容。针对当前城镇化发展不平衡,生活服务设施空间布局不合理的情况,该文利用克拉玛依市独山子区地理国情普查试点成果,结合专题数据,采用GIS网络分析方法,在独山子区城镇综合设施之间配置最短最优路径。耦合结果表明:老城区卫生资源分布较合理,但是教育资源和整体服务设施分布却过于集中。这种方法还可以进一步用于优化城镇功能单元布局与服务保障设施点的建设,完善居民出行、教育、日常生活和文化服务等方面。     

面向旅游规划的空间信息服务工作流构建

针对现有工作对规划支持不足的问题,该文通过集成空间信息服务、语义网络、Web服务发现与组合等技术,探索并建立了一套完整、有效,能充分提供旅游规划决策支持的空间信息服务工作流构建方法。阐述了面向旅游规划的空间信息服务工作流构建的关键技术,包括基于旅游规划本体库的空间信息服务发现方法,旅游规划语义驱动的空间信息服务组合算法,以及可靠的空间信息服务工作流过程调用机制。在此基础上开展实证研究,实现面向旅游规划的空间信息服务工作流原型系统,并对工作流构建关键方法的可行性进行了验证。     

港珠澳大桥沉管隧道贯通误差预计

针对港珠澳大桥沉管隧道的安全贯通问题,该文从隧道外GPS网的布设及施测方法出发,通过多期复测数据评价GPS网具有可靠的测量精度;通过对GPS网点的稳定性分析,阐明了沉管隧道地面控制点位无法长期保留、稳定性差的特点;最后就GPS网引起的贯通误差影响值进行了估算。     

A hybrid approach to modeling territorial control in violent armed conflicts

Territorial control is central to the understanding of violent armed conflicts, yet reliable and valid measures of this concept do not exist. We argue that geospatial analysis provides an important perspective to measure the concept. In particular, measuring territorial control can be seen as an application of calculating service areas around points of control. The modeling challenge is acute for areas with limited road infrastructure, where no complete network is available to perform the analysis, and movements largely occur off road. We present a new geospatial approach that applies network analysis on a hybrid transportation network with both actual road data and hexagon‐fishnet‐based artificial road data representing on‐road and off‐road movements, respectively. Movement speed or restriction can be readily adjusted using various input data. Simulating off‐road movement with hexagon‐fishnet‐based artificial road data has a number of advantages including scalability to small or large study areas and flexibility to allow all‐directional travel. We apply this method to measuring territorial control of armed groups in Sub‐Saharan Africa where inferior transport infrastructure is the norm. Based on the Uppsala Conflict Data Program's (UCDP) Georeferenced Event Data (GED) as well as spatial data on terrain, population locations, and limited transportation networks, we enhance the delineation of the specific areas directly controlled by each warring party during civil wars within a given travel time.     

Grid pattern recognition in road networks using the C4.5 algorithm

Pattern recognition in road networks can be used for different applications, including spatiotemporal data mining, automated map generalization, data matching of different levels of detail, and other important research topics. Grid patterns are a common pattern type. This paper proposes and implements a method for grid pattern recognition based on the idea of mesh classification through a supervised learning process. To train the classifier, training datasets are selected from worldwide city samples with different cultural, historical, and geographical environments. Meshes are subsequently labeled as composing or noncomposing grids by participants in an experiment, and the mesh measures are defined while accounting for the mesh’s individual characteristics and spatial context. The classifier is generated using the C4.5 algorithm. The accuracy of the classifier is evaluated using Kappa statistics and the overall rate of correctness. The average Kappa value is approximately 0.74, which corresponds to a total accuracy of 87.5%. Additionally, the rationality of the classifier is evaluated in an interpretation step. Two other existing grid pattern recognition methods were also tested on the datasets, and comparison results indicate that our approach is effective in identifying grid patterns in road networks.