基于BP网络的复合地形因子提取研究

针对复合地形因子现有提取方法过程叠加繁琐、计算量大等问题,利用BP神经网络自适应性好、泛化能力强的优势创建了复合地形因子提取的BP神经网络法。以黄土高原DEM为数据源,选取复合地形复杂度指标为研究对象,采用控制变量法优选网络结构,结合Levenberg-Marquardt算法改进网络收敛速度与精度,优化样本库以克服过拟合问题,获取了综合性能最优泛化模型。实验结果表明,BP神经网络法较传统方法功效显著,拟合优度达到0.99,命中率达到99.98%,均方差为2.91×10^-5,残差最大绝对值为0.16,平均绝对百分比误差为2.95%,模型提取10次结果标准差最大值为0.14;BP网络用于复合地形因子提取有效可行,为快速提取复合地形因子提供了新途径。     

栅格DEM坡体因子融合方法北大核心CSCD

坡体是自然地形实体的基本组成单元,利用综合性坡体因子分析和挖掘地形隐含信息,有助于区域地形地貌分析及规划利用。本文针对当前坡体综合表达因子(LS)未顾及坡宽因子的缺陷,采用归一化几何运算法将坡长(L)、坡度(S)、坡宽(W)进行融合,获取了一种新的坡体融合因子LSW。以DEM为数据源、黄土高原某小流域局部范围为典型研究区,在提取L、S、W及LS因子的基础上,分别以L×S×W、L+S+W、LS×W及LS+W共4种方式进行融合试验。结果表明,L+S+W融合方式获取的坡体LSW因子标准差矩阵均值最小,为0.234 4,有效平衡了各单地形因子对融合坡体因子LSW的贡献度,信息熵值计算分析也实证了L+S+W融合方式具有最优性。