一种基于灰色神经网络的卫星钟差预报策略

针对钟差预报中灰色神经网络模型种类较多、性质和适用范围尚未具体分析的问题,根据其预报特点,该文提出了一种基于灰色神经网络的自适应钟差预报策略。基于MGEX精密钟差数据进行预报实验,采用不同建模钟差数据量进行相同时间段钟差预报,对3种不同的灰色神经网络模型钟差预报效果进行对比,总结了几种预报模型的性质与适用范围。该文提出的自适应预报策略较好地平衡了几种灰色神经网络模型的特点,提升了钟差预报效果。基于该文策略的实验结果表明:所提策略能够有效利用不同灰色神经网络模型特点,提高钟差预报精度。在1d预报中,该策略较本文提及的其他可靠方法精度提升1%~3%;6h预报中,该策略较较灰色模型等精度提高0.02~0.09ns。     

南京长江三桥钢索塔拼装测量控制网的建立

南京长江三桥是我国首座主塔采用钢结构形式的特大型斜拉桥。根据钢索塔拼装测量的精度要求,介绍了该桥首级控制网的概况,对钢索塔架设专用控制网的网形选择、方案设计、观测方法和数据处理进行了探讨。实践证明,所采取的专用控制网布设方法和测量方案是合理的,对今后类似工程具有借鉴意义。     

利用居民地聚类和缓冲区分析完善道路网眼

对于十分规则的道路网(城市道路)来说构造网眼是十分容易的,且得到的道路网眼完整性较高,然而对于乡村道路,由于数据采集习惯或数据质量的影响,道路在居民地附近容易断开,导致计算机不能构造完整的网眼。本文针对这个问题,提出了利用居民地聚类和缓冲区分析的方法辅助道路网眼的构建,从而提高了乡镇郊区道路网眼的完整性,为采用网眼合并的方式进行综合的方法,以及各种基于网眼的空间分析提供了有效支撑。     

一种基于WiFi Direct技术的位置信息共享方法

当移动设备处于离线状态时,设备之间难以实现基于位置的信息共享。本文尝试利用Android设备搭载的WiFi Direct技术建立无线自组织网络的方法,实现了在该网络下位置信息的共享,并对该网络的性能进行了测试,同时考虑了设备中存在有设备与服务器连接时的信息共享情况。试验表明,该方法可在一定程度上解决因网络中断,设备之间不能进行位置等信息的共享或从服务器获取信息的问题。     

人工神经网络在天津市区地面沉降预测中的应用

在分析天津市区地面沉降特点的基础上，结合人工神经网络原理，选择1961-1980年的天津市区降水量、地下水开采量、前年沉降量、固结度作为训练样本的输入量，以这20年的地面沉降量作为输出量，用贝叶斯正则化算法训练BP网络，得到沉降的仿真模型。并把1981-1993年的资料用来进行预测检验，结果表明这是一种比较理想的地面沉降预测方法。最后在不同的降水量保证率下，预测了到2010年天津市区地面沉降的情况。     

基于卷积神经网的CCTV视频中排水管道缺陷的智能检测

作为地下空间信息测绘工作的一个重要部分,基于排水管道内部测绘信息的管道缺陷检测越来越受到人们的重视。CCTV技术是一种广泛使用的排水管道内部测绘与缺陷检测技术。近些年基于卷积神经网的人工智能技术在图像识别中取得了巨大成功,受此启发,提出了一种基于卷积神经网络的排水管道缺陷的检测方法,以提高CCTV视频中的管道缺陷检测的自动化和智能化。试验证明了该方法的有效性,其在缺陷识别的准确率和召回率及识别速度上均满足了排水管道缺陷智能检测的需要;同时该方法也已经在深圳市的排水管道检测中得到广泛的应用。     

基于Faster R-CNN的食品图像检索和分类

面向食品领域的图像检索和分类等方面的研究成为多媒体分析和应用领域越来越受关注的研究课题之一.当前的主要研究方法基于全图提取视觉特征,但由于食品图像背景噪音的存在使得提取的视觉特征不够鲁棒,进而影响食品图像检索和分类的性能.为此,本文提出了一种基于Faster R-CNN网络的食品图像检索和分类方法.首先通过Faster R-CNN检测图像中的候选食品区域,然后通过卷积神经网络（CNN）方法提取候选区域的视觉特征,避免了噪音的干扰使得提取的视觉特征更具有判别力.此外,选取来自视觉基因库中标注好的食品图像集微调Faster R-CNN网络,以保证Faster R-CNN食品区域检测的准确度.在包括233类菜品和49 168张食品图像的Dish-233数据集上进行实验.全面的实验评估表明：基于Faster R-CNN食品区域检测的视觉特征提取方法可以有效地提高食品图像检索和分类的性能.     

STUDY ON MIXED MODEL OF NEURAL NETWORK FOR FARMLAND FLOOD/DROUGHT PREDICTION

The paper concerns a flood/drought prediction model involving the continuation of time seriesof a predictand and the physical factors influencing the change of predictand.Attempt is made toconstruct the model by the neural network scheme for the nonlinear mapping relation based onmulti-input and single output.The model is found of steadily higher predictive accuracy by testingthe output from one and multiple stepwise predictions against observations and comparing theresults to those from a traditional statistical model.     

基于前传式网络逼近的太平洋副热带高压活动的诊断预测

基于前传式神经网络BP算法(BackpropagationNeuralNetwork)和回归模型,探讨了西太平洋副高面积指数同赤道东太平洋海温及赤道纬向风之间非线性分类和映射逼近的建模方法和效果比较.结果表明,前传式网络,特别是回归网络预报模型具有较好拟合精度和预报效果及比较实用的预报时效.     

卫星面降水估计人工神经网络方法

介绍了人工神经网络原理和卫星云图估计降水的原理.从GMS红外卫星云图资料中抽取12个降水云图特征量,构造了网络结构为12-98-7的降水估计人工神经网络模型,并用1993年的小时地面雨量资料和GMS数字云图资料对神经网络模型进行训练,用1992和1994年资料对该神经网络模型分别进行测试.在日面降水估计试验中,地面雨量计值和卫星估计降水之间的相关系数分别为0.94和0.97,相对误差分别为41%和32%.