回归-Elman网络在矿坝变形预测中的应用

金矿开展矿坝的变形监测工作,引入多层递阶回归分析模型,有较高的预测精度,但方法较繁琐,计算较复杂。由于变形数据可分离成趋势项与随机项,趋势项可用多元线性回归良好地拟合;随机项的预测,文中采用Elman网络建模计算,最后利用矿坝的实测高程位移数据进行验证,并与多层递阶回归进行比较。结果表明:回归-Elman网络模型比多层递阶回归的预测精度更高,效果更好,且方法简洁实用性强。     

基于VGG19卷积神经网络和迁移学习的水稻病害图像分类方法

本文在原有VGG19卷积神经网络的基础上,提出了一种基于迁移学习模型参数的水稻病害图像分类方法。该方法利用ImageNet数据集预训练生成的VGG19卷积神经网络,通过将网络相关参数迁移和调整的方式构建水稻病害图像分类的技术流程。通过对图像的预处理扩充样本数据,针对病害特征利用训练集调整训练参数,并利用验证集进行性能实测优化分类模型,实现水稻病害图像的快速识别分类,最后利用测试集评价分类精度。测试结果表明,该方法能够很好实现水稻病害图像的分类,分类精度达到99%以上。     

LiDAR不同强度校正法对樟子松叶面积指数估测的影响

机载激光雷达（LiDAR）强度数据在获取过程中受多种因素影响,各因素影响的有效量化及校正对机载LiDAR强度校正及应用具有重要意义。本文以雷达方程为基础,分别采用距离、入射角及距离和入射角对LiDAR点云强度进行校正,从中提取冠层总强度和强度比值两类参数,用于估测森林叶面积指数（LAI）,以期量化各影响因素强度校正对不同类型参数估测森林LAI的影响。结果表明：强度经距离校正能够提高森林LAI的估测精度,而强度经数字高程模型衍生入射角校正非但没能提高估测精度,反而降低了估测精度。强度经距离和入射角综合校正虽能提高森林LAI的估测精度,但结果却低于距离单独校正的结果。与此同时,对冠层总强度参数而言,强度校正前后森林LAI估测结果的差异较为明显,而对强度比值参数而言,强度校正前后森林LAI估测结果差异不大。综上可知,不同因素强度校正对森林LAI估测的影响不同,且影响程度与所用参数变量类型密切相关。因此,在未来强度应用研究中,应根据变量参数类型选择合适的校正方式,以避免不恰当校正造成的成本浪费及精度降低。     

一种基于控制点集的实体地貌辅助建模方法

针对常规实体地貌建模方法效率低且工作量大的问题提出一种基于控制点集的实体地貌辅助建模方法。该方法建立了控制地貌基本形态的等高线集合,根据实际建模需求确定内插控制插签点的数量及位置以引导地性线走向,并构建多级数据库存储、管理和调用建模数据。通过实验测试获得3组对比实验结果,对结果数据进行分析后提出实体地貌建模辅助决策方法。该方法能够在不同地貌建模需求下实现快速准确决策,提高建模效率。     

融合LiDAR点云与高分影像的单木检测方法研究

对一种结合高分影像数据和机载LiDAR点云的单木检测方法进行研究,首先采用面向对象分类方法对高分影像上的单木区域进行分割,得到单木区域分割图;再以单木区域为约束,从机载LiDAR激光点云中分离出单木点云,构建局部冠层高度模型(CHM);最后对单木CHM采用分水岭算法探测冠层局部极值,实现对单木中心定位检测.实验结果表明该方法能够充分利用高分影像和激光雷达点云优势,提高了单木定位准确性,具有广泛的应用前景.     

浅谈多层楼房变形观测

引言建筑物变形观测是一门随同高层建筑应运而生的较年轻学科。众知，任何建筑物在受各种内、外荷载影响下，必将产生不同程度的形变，这种形变如果超过一定限度就会影响建筑物的正常使用、严重时会危及建筑物的安全。因此，对那些高大建筑物如大型水坝、桥梁、隧道、高层楼房等，     

以太网的3层（LAYER3）交换技术和自动广播控制

本文着重论述了解决以太网广播风暴问题的先进技术--即3层(LAYER3)变换技术与自动广播控制，并以HP公司的产品对网络上如何配置路由器和交换机作了比较性的阐明。这些最新的先进网络技术对测绘部门计算机网络和GIS基础硬件设施建设有一定的参考价值。     

基于Network In Network网络结构的高光谱影像分类方法

为进一步提高高光谱影像分类精度,通过引入Network In Network网络结构,构建了一种新的网络模型。该网络模型能够对局部感受野内的数据进行更加抽象的建模,从而能够对影像中的空谱联合特征进行更为抽象的表达。通过在Pavia University和Indian Pines两个数据集上进行验证,实验结果表明,所构建的网络模型能够有效提高分类精度,在减少训练样本的条件下仍具有较好的分类性能。     

四层分布式Web GIS结构体系

四层分布式网络结构体系包括4部分：客户机浏览器、Web服务器、数据仓库及模型仓库、分布式数据库群及模型库群。数据仓库和分布式数据库群实现了数据的分布存储和管理；而模型仓库和分布式模型库群则实现了数据的分布式计算、分析和统计。