水准网闭合差自动解算的新方法

介绍一种在水准测量中独立闭合环或附合路线自动搜索及闭合差自动解算的新方法。该方法将间接平差函数模型转化为条件平差函数模型,利用条件方程式的所有信息,搜索出独立闭合环或附合路线并快速解算出闭合差,与给定的限差进行比较,较好地检验并剔除粗差。最后经过编程实现该方法,用实例验证了该方法的正确性和用之进行观测值质量检核的有效性。     

一种建立在CPN基础上的分类方法在遥感影像分类中的应用研究

对偶神经网络利用了自组织映射近似函数的一种新的映射神经网络,其结构组合了Kohonen的自组织映射和Grossberg的外星(Outstar)结构,网络结构相对简单。本文以对偶神经网络分类方法原理为基础,研究了一种理想化的分类方法,并以MATLAB平台为基础对遥感影像进行分类处理,实验结果表明,其分类总精度为94.17%,分类精度较传统监督分类结果有所提高。     

图形化方式的测量平差程序开发与研究

采用Autolisp[1]及VC++[2]语言编程,按照测量平差[3]的传统模式,在计算机屏幕上绘制控制网草图,用类似于在草图上标注已知数据和观测数据的形式输入数据,然后进行平差计算。程序的使用直观方便,操作简单,容易掌握。本程序能对各种类型的控制网进行严密平差及方差分量估计,并输出平差后的各种信息。     

网络最短路径的地图代数栅格算法

在阐述网络分析和最短路径算法的现状的基础上,以地图代数为理论支撑,介绍了地图代数对于网络元素的表达,探讨另外一种途径的网络最短路径分析—基于栅格数据的最短路径分析,重点讨论了基于地图代数的网络数据模型、栅格路径距离计算方法,在此基础上论述了求取最短路径的栅格方法的具体过程。最后,通过算例证明栅格途径的网络分析有其独特的优势。     

一种工业热源提取方法:利用温度特征模板的BP神经网络

针对年尺度热异常数据提取工业热源的方法存在数量和空间精细化程度不足的问题,使用VIIRS Active Fire数据,提出了一种基于温度特征模板的BP神经网络工业热源提取方法。该方法以京津冀及周边地区为试验区,首先,根据工业热源空间聚集性特征,使用OPTICS算法划分热源对象;其次,根据热源的热辐射特征,构建工业热源与非工业热源温度特征模板;最后,以温度特征模板、热源统计特征等作为参数,使用BP神经网络提取工业热源对象。结果表明：① 本文提出的基于温度特征模板的BP神经网络算法的工业热源提取精度达到了96.31%,与时间滤波、逻辑回归方法相比较,工业热源提取精度分别提高了8.45%、7.53%;② 2015—2020年京津冀及周边地区6省市工业热源数量整体减少了27.46%;河北省工业热源对象数量和热异常点数量年均减少了8.06%和7.44%,相对于其他省市减少幅度最大;山东、天津的工业热源集中度分别提高了25.72%、86.64%,说明两地工业转型升级政策取得较显著成效;③ 唐山、邯郸、吕梁和长治4个城市工业热源对象数量占试验区全部的31.37%,为京津冀及周边地区工业热源主要分布城市;临汾、太原等7个城市工业热源聚集程度和能源消耗程度高于其他城市;北京、周口等11个城市工业热源聚集程度和能源消耗程度低于其他城市;④ 2020年1—5月,京津冀及周边地区工业热异常点数量相对于2019、2021年同期保持不变或增加,新冠疫情对试验区工业热源无显著影响;2020年1、2月武汉工业热异常点数量与2019、2021年同期相比数量减少了66.67%以上,2020年3—5月工业热异常点数量低于2019年同期,2020年1—5月新冠疫情对武汉市工业热源影响显著。该研究反映了京津冀及周边地区工业热源发展的现状及趋势,能够为降低能耗和提高第二产业集中度等相关政策的制定与调整提供有价值的参考。     

基于自适应时序剖分与KNN的短时交通流量预测

在智能交通系统中,准确和高效的短时交通流量预测是交通诱导、管理和控制的前提。由于交通流量动态变化中表现出的时变性和非平稳性特征,其预测难度较大,是交通领域中亟待解决的难题。为提高短时交通流量的预测精度,本文设计与实现了基于自适应时序剖分与KNN（A-TS-KNN）的短时交通流量预测算法。① 基于动态时间规整（Dynamic Time Warping,DTW）动态剖分单日时序为不同的交通模式;② 在不同交通模式,采用互信息法求解每个预测时刻时间延迟的最大阈值,构造不同时间延迟的状态向量,生成交通流量历史数据库;③ 采用十次十折交叉验证的方法求解每个时刻不同时间延迟与不同K值的正交误差结果分布,提取误差最小的正交结果,得到自适应时间延迟与K值的参数组合;④ 采用K个最相似的近邻的距离倒数加权值作为预测结果。对比K近邻（K-nearest neighbors, KNN）、支持向量回归（Support vector regression,SVR）、长短期记忆神经网络（Long-short term memory neural network,LSTM）以及门控递归单元神经网络（Gate recurrent unit neural network,GRU）共4种主流预测模型,A-TS-KNN算法预测精度显著提升;将A-TS-KNN算法用于福州市城市路网中其他交叉路口的短时交通流量预测,结果表现出良好的泛化能力。     

基于时空热点分析的城市交通违法行为特征识别方法

交通违法行为是引发交通事故的重要原因,然而现有研究主要关注交通违法行为的整体特征,缺少面向交通违法治理需求的分析框架。本文基于时空热点分析方法,提出从热点区域时间分布特征和典型时段热点区域空间分布特征两个角度识别交通违法行为特征的分析框架,分别用于支撑局部交通违法热点以及全局违法模式的原因分析和精准治理。基于该方法对福州市的机动车和非机动车（含行人）违法行为特征进行了识别分析,结果表明：机动车和非机动车违法行为在时间维度均呈现出9:00和16:00一日双峰特征,在空间维度呈现出“一片区、多热点”的聚集分布特征。二者也存在明显差异,具体表现为：① 在时间维度,非机动车违法行为呈现出更大的变化幅度,高峰时段与中午低谷时段、工作日与周末的违法行为数量差异均明显高于机动车;② 在空间维度,机动车违法行为在商业中心、医院等重要场所和交通枢纽呈现出聚集特征,分布范围更广,而非机动车违法行为则主要在人流量大且人车混行严重的城市中心路口区域呈现聚集特征;③ 不同违法热点地区产生的原因存在差异,需要有针对性制定治理措施。上述发现表明了本文方法能够全面快速识别交通违法行为特征,可以帮助指导城市交通违法行为动态监测分析系统建设,为持续优化城市交通现场执法警力动态分配以及交通违法行为精准治理提供决策支持。     

The survey of touristry information system

1IntroductionofTouristryinformationSystem(TIS)1.1InformationdemandoftourismTourismisdependentoninfonnahon.FirSt,touriStlyconsumphondependsoninfo~on.Theincreaseofincomeandsparethee,andtheimprovementoftranSPOrtahonstimulatetouriStrydemandofthemasses,whetherthetouriStlydemandcanbe~edintotouriStryconsumphonreliesontheopthehcamechonresultingfromtouriStlySPotSanditScorrespondingseduceandinstallahons,apparenhy,itrelatesnotonlytothedjstinedonandqualityofthetouriStryresourcebutalsotoitSfame.msc…     

区域交通网络分形的DBM特征--交通网络Laplacian分形性质的实证研究

城镇体系在理论状态下的三角点阵格局暗示着现实中的交通网络在一定时空条件下具有ＤＢＭ模型的某些特征。从形态分析和维数对比两个方面论证了区域交通网络扔Ｌａｐｌａｃｉａｎ分形性质,认为可用ＤＢＭ模型模拟城镇体系－交通网络的形成和演化过程,从而揭示其动力学机制。     

人工神经网络在煤层宏观结构解释中的应用

煤层中的宏观结构变化是我国众多煤田中普遍存在的地质现象,它对煤矿生产影响极大,是当前煤矿生产中急需解决的地质构造问题,利用工人神经网络可以解释煤层的分叉,合并及缺失等宏观结构问题,为矿井的采,掘工作的提供准确的地质资料。