一种高分辨率遥感影像建筑物自动检测方法

高分辨率遥感影像具有丰富的空间信息、地物几何结构和纹理信息,有助于对地物目标进行认知和解译。而建筑物目标在人类活动区域内占据重要地位,对高分辨率遥感影像中的建筑物进行自动检测具有重大意义。提出了一种基于全卷积神经网络的建筑物自动检测方法,并制作了建筑物样本数据集,利用基于区域的全卷积神经网络和特征检测网络进行建筑物检测模型的参数训练,对待检测影像进行预处理之后利用模型进行建筑物检测,得到影像中的建筑物目标的具体位置和类别置信度。实验证明,提出的检测方法具有更好的效果和更快的速度。检测召回率达到92%,检测准确率达到98%,证明了该方法针对建筑物检测具有较高的精度和较强的稳定性。     

基于DInSAR-BP神经网络的震后区域滑坡危险性综合评价研究

地震对人类的威胁不仅是发生时直接造成的人员伤亡和财产损失, 更体现在地震所产生的高隐蔽性、高危险性滑坡隐患体带来的危害, 震后区域滑坡隐患体的快速识别和科学评价在震后抢险、排险工作中至关重要。以九寨沟地区“川主寺—九寨沟”公路沿线区域为研究对象, 建立了基于DInSAR-BP神经网络技术的震后区域滑坡危险性综合评价模型。研究结果显示, 九寨沟地区震后的滑坡高危险性区域面积约为2602.35 km2, 是震前的3.4倍, 并且这些区域主要分布在震中东北方向约20 km附近、九寨沟景区内以及川九路前70 km, 符合震后调查情况; 使用多元非线性回归法可以有效计算震后地表形变值对滑坡危险性的影响, 使震后危险性评价结果精度提高了13.9%, 证明了模型在研究区域内具有良好的适用性。     

三种基于神经网络的洪水实时预报方案的比较研究

在总结神经网络应用的基础上,归纳了3种基于神经网络的洪水实时预报方案。第一种是神经网络水文模型的模拟模式加模拟误差的自回归校正模型,第二种是权重系数固定的神经网络实时预报方案,第三种是权重系数自动更新的神经网络实时预报方案。采用10个不同流域的日流量资料对这3种方案进行率定和校核。比较这3种方案的实时预报精度。结果发现,第三种方案不仅预报精度要高于其他两种方案,而且比第一种方案少了一个自回归校正模型,结构简洁。本文建议采用第三种洪水实时预报方案。     

人工神经网络及其在短期气候预测中的应用

从业务实际出发，提出了面向短期气候预测的神经网络。选用主分量作为网络的输入和输出，大大减少了输入输出节点数，重点突出了大尺度影响变化关系，提高了实际预报的稳定性；用全局寻优的SA算法取代经典BP算法，使网络学习训练更充分，知识获取更全面；针对业务实际设计代价函数，保证了网络学习训练能适应短期气候预测业务的要求，学习目的更明确，针对性更强。     

容差粗糙集与神经网络结合的遥感数据分类方法

神经网络中的BP(Back Propagation)算法越来越多地用在遥感数据分类中. 但BP算法存在的缺点之一是网络训练时可能会导致网络出现全面的低性能. 为避免出现类似问题, 探索采用容差粗糙集方法对训练数据做分类预处理, 去除训练数据中的某些影响训练收敛的因素, 进而提高网络训练的成功率. 实验采用了北京地区2003年5月的TM数据, 分别用分类预处理前数据和经过分类预处理后的数据对BP网络进行了训练. 结果表明, 此方法不仅弥补了BP算法在处理遥感数据时的缺陷而且提高了分类精度.     

苏北盆地低阻油层的测井解释评价方法研究

针对苏北盆地溱潼凹陷阜三段低阻油层，分析了其成因机理，阐述了低阻油层的测井响应特征，提出了使用神经网络和Sw—Φ交会图两种方法定性识别低阻油层。通过先进的斯伦贝谢的PetViewPlus测井解释软件，形成了针对苏北盆地溱潼凹陷阜三段低阻油层的测井定量解释方法，并在测井油水层判别中引入束缚水饱和度方法，对低阻油层的认识和客观评价收到了良好的效果。     

地震优化非线性反演方法及应用研究

地震优化非线性反演方法是一种集遗传算法和人工神经网络技术的优势于一体的新技术，它采用混合智能优化学习方法，这种优化学习方法是将BP算法作为一个算子嵌入到自适应遗传算法中，以概率Pbp的方式进行搜索运算，从而，快速而精确地找到全局最优解。在嘉陵江组的实际反演研究中，由井点出发构造测井资料与井旁地震道的非线性映射关系，并自适应地更新这种非线性映射关系和自适应外推，以获得嘉陵江组的高分辨率反演剖面，这种高分辨率剖面清晰而详细地反映出嘉陵江组在纵横方向上的变化特征，有效识别这种薄储层，获得了很好的储层预测效果，并为钻井所证实，在嘉陵江组储层中获得高产工业气流。因此，地震优化非线性反演方法具有广阔的应用前景。     

基于地震-测井数据预测储层参数空间分布规律的神经网络模型

研究了地震资料的特征参数与储层参数间的神经网络模型。建立了相互之间的非线性映射，可以横向预测目的层的储层参数，实现地震资料和测井资料联合预测储层参数的空间分布规律。实验结果表明，该方法是可行的。     

基于神经网络的元胞自动机及模拟复杂土地利用系统

本文提出了基于神经网络的元胞自动机(CellularAutomata),并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究,但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多,需要使用许多空间变量和参数,而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟,并利用多时相的遥感分类图像来训练神经网络,能十分方便地确定模型参数和模型结构,消除常规模拟方法所带来的弊端。     

关于BP神经网络转换GPS高程的若干问题

BP神经网络用于GPS高程转换有着较高的精度,但也存在不少问题,如网络的隐含层和隐含层单元个数选取、参加学习的样本的质量如何影响仿真精度等。结合实例分析上述问题,得出一些结论。