SediNet: a configurable deep learning model for mixed qualitative and quantitative optical granulometry

I describe a configurable machine-learning framework to estimate a suite of continuous and categorical sedimentological properties from photographic imagery of sediment, and to exemplify how machine learning can be a powerful and flexible tool for automated quantitative and qualitative measurements from remotely sensed imagery. The model is tested on a dataset consisting of 409 images and associated detailed label data. The data are from a much wider sedimentological spectrum than previous optical granulometry studies, consisting of both well- and poorly sorted sediment, terrigenous, carbonate, and volcaniclastic sands and gravels and their mixtures, and grain sizes spanning over two orders of magnitude. I demonstrate the model framework by configuring it in several ways, to estimate two categories (describing grain shape and population, respectively) and nine numeric grain size percentiles in pixels from a single input image. Grain size is then recovered using the physical size of a pixel. Finally, I demonstrate that the model can be configured and trained to estimate equivalent sieve diameters directly from image features, without the need for area-to-mass conversion formulas and without even knowing the scale of one pixel. Thus it is the only optical granulometry method proposed to date that does not necessarily require image scaling. The flexibility of the model framework should facilitate numerous application in the spatiotemporal monitoring of the grain size distribution, shape, mineralogy and other quantities of interest of sedimentary deposits as they evolve, as well as other texture-based proxies extracted from remotely sensed imagery. © 2019 John Wiley & Sons, Ltd.     

中国现代产业体系四位协同的地区差异及动态演进

构建实体经济-科技创新-现代金融-人力资源等四位协同指标体系,基于2001~2015年省级面板数据,对中国现代产业体系四位协同度进行系统测度。分析四位协同度的地区差距,对其动态演进过程进行科学预测。研究发现：① 中国现代产业体系四位协同度呈波动性上升态势,其中东部地区四位协同度最高、中部次之、西部最低。② 现代产业体系四位协同度区域相对差距与绝对差距均呈扩大趋势,东部地区内差异与东-西部地区间差异均最大,其中超变密度差距是区域间差距主要来源。③ 现代产业体系四位协同度演进方式表现为邻近演进,低水平阶段向更高水平阶段跃升概率增大,整体向更高阶段发展。     

工业用地转型下地理想象与地方意义构建 ——广州广钢新城案例

在城市化进程中工业用地转型背景下,选择广钢新城为案例进行实证分析,从地理想象的视角,探讨周边村民、旧广钢职工以及新进入者等主体对广钢新城地方意义和文化内涵进行解构和重构的过程,并进一步解析地方建构与身份认同的联系。研究发现：1）由于主观性和空间实践体验的差异,不同社会群体对于广钢的地方意义有着截然不同的想象;2）周边村民、广钢旧厂职工集体记忆的嬗变,反映了空间形态、社会结构变化与在地群体的想象构建以及身份认同的耦合关系;3）新进入者的地方身份认同建立在排除在地群体的地方文化想象之上,二者对于广钢新城的地方意义和身份认同是断裂的,2个社会群体对于地方意义的感知与认同在未来还需要进一步的交流与融合;4）在社会话语构建的文化冲击以及权力和资本的支配下,外界群体逐渐产生对广钢新城地方文化意义的多元想象。广钢片区的大规模空间重塑以及由此衍生的地方意义重构说明经济、社会和文化因素对地方建构具有直接而深刻的影响。     

基于支持向量机的新闻事件类型识别

新闻事件类型识别的核心是文本分类问题,可利用模式识别或者机器学习来解决。互联网中的新闻事件种类多样,各类事件都有不同的结构特征,在自然语言中的表达方式也多种多样,基于模式识别的事件抽取难以覆盖全部的事件表达模式,识别召回率不高。本文使用机器学习方法来进行新闻事件的抽取,设计了词法、句法和语义三类不同类型的特征,并基于支持向量机实现新闻事件的类型识别。支持向量机模型适合解决自然语言这类高维数据的分类问题,能够有效捕捉不同特征之间的分类差异,具有较好的准确率和召回率。     

基于IABC优化LSSVR的变形预测研究

针对最小二乘支持向量回归机(LSSVR)中惩罚参数c和核函数参数σ难以确定,以及标准人工蜂群算法(ABC)易陷入局部最优、收敛速度慢等问题,提出一种改进的人工蜂群算法(IABC)来优化LSSVR的参数并进行变形预测研究。首先,IABC算法利用反向学习策略生成正反2个种群来增加初始群体的多样性,一次迭代后对双种群的当前最优食物源进行信息交换以实现优中选优,并设计食物源自适应权重函数及适应度自适应选择函数平衡ABC的勘探和开发能力;其次,以LSSVR的预测精度为目标函数,并将其转化为IABC的适应度函数,以此构建出基于IABC优化LSSVR的预测模型;最后,以基坑监测数据为例,将IABC优化的LSSVR模型、ABC优化的LSSVR模型以及基于PSO的组合模型进行预测对比分析。结果表明,IABC增加了种群的多样性,提高了收敛精度,基于IABC优化的LSSVR模型预测的变形趋势更符合实际,预测精度高于对比模型。     

地缘关系对中国出口增长的影响

本文结合现有文献中的方法和自身思考构建了地缘关系指标体系,利用Google的GDELT数据库,探索地缘关系对中国出口贸易增长的作用。本文发现地缘关系在短期和长期维度上对国家出口贸易带来的涉及政治、地理、制度和文化等方面的多重影响。一方面,政治关系反映了短期政府间关系的波动,对中国出口的影响十分明显。其中较高的政府交往频度不利于中国出口增长,而政府亲密程度对中国出口的影响则是积极的,中国与出口目的国亲密程度越高,则越有向该国出口的倾向。另一方面,地理关系、制度关系和文化关系同样对中国出口有重要影响。在地理关系中,较大的地理距离会减小中国对一地区出口的倾向,而邻接关系会增大中国对一地区出口的倾向。不同制度关系对中国出口的影响存在差别,没有证据表明经济制度距离对中国出口有额外的影响,而法律制度距离的增大则会导致中国不向该地区出口的倾向。文化关系同样对中国出口有重大影响,其中较大的文化距离会抑制中国对一地区的出口倾向,而如果中国对一地区文化影响力较大,中国对其出口则更加容易。此外,进一步分行业研究的结果表明,不同行业的产品出口对地缘关系的响应程度既存在共性,也存在差异。其中,地区间的亲密程度对全类别产品和服装类、机械设备类、交通工具类三类产品的出口都有显著的影响。     

结合nDSM的高分辨率遥感影像深度学习分类方法

针对高分辨率遥感影像因其地物类内差异大、光谱信息相对欠缺导致现有影像分类方法存在错分现象较多、地物边界残缺不完整等问题,本文提出了一种归一化数字表面模型（nDSM）约束的高分辨率遥感影像深度学习分类方法。首先,将nDSM数据作为附加波段叠加在遥感影像上并获取训练样本;然后,利用优化的U-Net网络进行模型训练得到最优模型;最后,利用最优模型对附加了nDSM波段的遥感影像进行地物分类。试验结果表明,本文方法引入nDSM数据用于U-Net模型训练和分类,可有效提高影像分类精度,得到更加真实可靠的分类结果。     

手持式三维激光扫描仪在工业构件质量检测中的应用

手持式三维激光扫描仪以其便携易用性在工业构件质量检测中具有广阔的应用前景。本文从前期准备、数据采集、数据处理等主要步骤出发,提出了基于手持式三维激光扫描仪的工业构件质量检测方法;并利用实际案例验证了该方法在工业构件质量检测中的精度和效率,为快速低成本的工业构件质量检测提供了思路。     

北京历史文化街区建筑第五立面特征分析

历史文化街区及其房屋建筑是重要的历史文化资源,需要有效的保护和利用;同时又是城市的有机组成部分,需要持续的更新和发展。本文从历史街区保护的角度着眼,以北京市老城范围内历史文化街区建筑物肌理及第五立面特征为研究内容,对建筑物的第五立面色彩及形态特征、临时建筑的分布及演变等进行了分析。加强对第五立面的规划管控,在对历史文化传统风貌保护、实现旧城有机更新,提高北京老城居住环境和生活品质的目标等方面发挥作用。     

基于Google Earth Engine与机器学习的省级尺度零散分布草地生物量估算

大区域草地地上生物量估算对草地资源利用管理及全球碳循环研究具有重要意义。为高效快速地估算大区域零散分布草地地上生物量,本文选取安徽省为研究区,在谷歌地球云引擎（Google Earth Engine）平台的支撑下,通过机器学习方法建立Landsat 8 OLI及其他辅助数据与地面实测草地地上生物量之间的联系,开展了草地零散分布地区省级尺度草地地上生物量高分辨率估算,并与传统的基于归一化植被指数（NDVI）回归模型进行了比较。研究结果表明,综合利用光谱与地形因子的机器学习方法,估算零散化分布草地地上生物量的精度可以达到65%以上,其中分类回归树（CART）模型R²=0.57,预测精度为68.60%,支持向量机（SVM）模型R²=0.59,预测精度为75.74%,而使用NDVI的回归分析产生的误差较大,R²=0.37,预测精度为57.51%,因此机器学习方法相对于传统基于NDVI的回归分析具有明显优势。另外,谷歌地球云引擎平台数据来源广泛、获取方便,可以高效地实现海量影像数据的预处理及计算分析,大大提升了工作效率,与地面调查数据的结合可实现更大区域乃至全国尺度上的零散分布草地地上生物量高分辨率遥感估算。