高铁桥墩沉降的通用渐进分解长期预测网络模型

高铁桥墩不均匀沉降是导致轨道不平顺的潜在原因之一,准确预测桥墩沉降对于确保铁路建设和运营的可靠性和安全性具有重要意义。目前,常规时间序列领域的多数预测模型仅在预处理良好且没有缺失的数据集上进行测试,而在高铁桥墩沉降的真实场景中,沉降数据相较于其他领域存在观测频次少且不等时距,以及沉降规律复杂多变的问题,造成长期预测困难。为此,本文提出一种高铁桥墩沉降的通用渐进分解长期预测网络(GPDLPnet),摒弃传统的预处理思想,将预处理过程嵌入网络结构,在网络训练过程中实现渐进预处理。首先,GPDLPnet在每轮迭代中利用改进对角掩码自注意力模块分析沉降数据中的缺失模式。然后,通过改进完全自适应噪声集合经验模态分解模块将沉降数据分解并重构为高频、低频和趋势子分量,将子分量作为BiLSTM-RSA-Resnet预测模块的特征输入。最后,输出递归预测结果,从而实现高铁桥墩沉降的长期预测。结合实际工程数据,将数据划分为高频观测和低频观测两类典型的观测模式进行试验,在3~4个月的预测中GPDLPnet均表现出良好的预测性能,并在精度指标上优于其他7种模型。

新工科背景下面向智能测绘的无人机测绘课程群开发路径研究

随着新工科建设和智能化测绘的不断推进,测绘类相关高校应及时对测绘类专业的课程进行改革,但目前大多开设无人机测绘相关课程的测绘类高校教学重点没有突出新工科背景下面向智能测绘的相关技术在无人机测绘中的应用,该文从教学内容、实践教学方式、考核方式三方面出发,对相关教学体系进行改革,以期能够推进新时代无人机测绘课程群的开发进度,培养更多符合时代要求的测绘学科人才。

KU-Net:改进U-Net的高分辨率遥感影像建筑物提取方法

针对遥感影像背景复杂导致的建筑物提取结果存在边界模糊、小目标漏检、地物误检等问题,提出一种基于改进U-Net的建筑物提取网络KU-Net(Keep border U-Net)。该网络在U-Net的基础上加入空洞空间金字塔池化和含注意力机制的横向连接模块,其中,空间空洞金字塔池化能够提升模型的感受野,横向连接模块对不同层级的跳跃连接特征进行融合,缓解特征丢失的情况,从而进一步提高精度。实验结果表明,该方法相比于其他对比方法,提取结果更为清晰准确,对边缘有较好的保持效果,定量结果更优。

基于倾斜摄影测量点云的建筑物单体提取

建筑物单体提取是三维重建关键环节。通过传统过绿指数法分类植被点,再提取单体,存在大量建筑物点被错分为植被点问题,难以保证获取的建筑物单体有较好的完整性。针对该问题,提出了一种改进的建筑物单体提取算法。首先结合点云过绿指数、法向量信息分类出植被点;然后考虑被错分的建筑物点和植被点在空间密度分布上的差异性,采用空间密度检测将错分点识别并重新分类为非植被点;最后通过密度聚类将建筑物单体分割,得到较为完整的建筑物单体。用植被分布差异较大的两组数据进行实验,结果表明本文改进的方法能更为完整地提取建筑物单体,有效避免了过绿指数过度错分现象,在正确性波动较小的情况下,完整性和质量精度明显优于过绿指数法。

基于优化小波分量的高铁桥墩沉降异常探测方法

针对高铁桥墩沉降数据中传统异常值探测方法存在探测结果不理想的情况,提出一种基于优化小波分量的高铁桥墩沉降异常值探测方法。所提方法在拉依达准则法的基础上,通过优化小波分量降低小波分量中的噪声影响并充分利用小波分量中的有效信息。利用模拟实验数据和工程实例数据进行实验,并与拉依达准则法、IQR法、MAD法以及4种传统小波组合方法进行对比分析。实验结果表明,文中所提方法相较于单一异常值探测方法和其它小波组合方法能够探测出更多的异常值,且探测结果更加可靠。

高速铁路桥墩沉降监测数据粗差探测方法研究

在对高速铁路沉降变形监测数据进行分析时,对监测数据中的粗差进行探测至关重要。本文介绍粗差探测常用的t检验法、狄克松判别法,提出一种基于极限误差的粗差探测方法,用这3种方法分别对高速铁路实测沉降监测数据的粗差进行分析,并对分析结果进行了比较,对各方法的适用性进行了探讨。研究结果表明,基于极限误差的粗差探测方法可获得较为满意的结果。

高铁桥墩沉降预测方法研究

提出一种自回归模型参数的稳健最小二乘估计方法,分别采用最小二乘(LS)和稳健最小二乘(RLS)的自回归模型、自适应过滤法及灰色预测法对高铁桥墩沉降数据进行模拟与预测,比较每种方法的优缺点及存在的不足,并结合工程实际数据,表明该方法更适用于高铁桥墩沉降预测。

总体最小二乘平差方法在GPS高程拟合中的应用研究

由于最小二乘(LS)进行GPS高程拟合参数估计未考虑系数矩阵误差,尝试采用总体最小二乘(TLS)平差方法进行参数估计。在TLS平差的粗差探测方法进行粗差剔除的基础上,对TLS平差方法在GPS高程拟合中求解的参数及其精度进行分析,通过与LS的对比表明,混合总体最小二乘的拟合结果最为合理。

自由测站法在高速铁路CPⅢ平面网测量中的应用

在高速铁路的建设中,精密工程测量至关重要。而高速铁路测量的核心技术之一—高精度的CPIII平面网测量,由于控制点地理位置的限制,采用常规控制测量方法难以建立。因此,需要研究不在控制点上设站仍然可以建立高精度CPⅢ平面网的方法,而自由测站法能够很好地满足建网要求。介绍利用自由测站法进行CPIII平面网的建立原理、平差计算和精度评定等,通过对自由测站法的研究及高速铁路工程案例的分析,得出运用自由测站法能够建立高精度的CPⅢ平面网的结论。

总体最小二乘法在曲线拟合中的应用

针对自变量与因变量很少完全服从线性模型的实际,并克服常规最小二乘法处理曲线拟合中忽视自变量的误差的不足,提出总体最小二乘法拟合曲线,同时顾及了自变量和因变量的误差,提高了拟合的可靠性。算例结果表明,总体最小二乘法曲线拟合效果优于常规最小二乘法。

结合改进Laplacian能量和参数自适应双通道ULPCNN的遥感影像融合方法

融合SAR影像的后向散射信息和光学影像的光谱信息是提高土地覆盖分类精度的重要手段之一,其中多尺度变换是一种有效的融合方法。然而,多尺度变换方法的融合规则通常根据局部特征信息和脉冲耦合神经网络模型进行设计,存在结构信息和细节信息提取能力有限,以及脉冲耦合神经网络参数设置复杂和空间相关性差等问题。为此,本文提出一种结合改进Laplacian能量和参数自适应双通道单位连接脉冲耦合神经网络(ULPCNN)的遥感影像融合方法。该方法混合成分替换方法和多尺度变换方法,首先对多光谱影像进行IHS变换得到亮度分量I,将亮度分量I与SAR影像通过非下采样剪切波变换(NSST)分解得到高低频子带。然后对低频子带采用结合加权局部能量和八邻域修正拉普拉斯加权和的融合规则,同时对高频子带采用参数自适应双通道ULPCNN的融合规则,将高频子带的多尺度形态梯度作为链接强度,并根据OTSU阈值和影像强度来实现其他参数的自适应表示。最后依次进行NSST重建和IHS逆变换得到融合影像,并选择随机森林分类器对融合影像进行土地覆盖分类。试验结果表明,本文方法相较于13种其他方法在11个融合评价指标和土地覆盖分类精度上总体表现最佳,土地覆盖分类的总体精度和Kappa系数在区域1中比原多光谱影像分别提高了8.350%和0.107,在区域2中比原多光谱影像分别提高了6.896%和0.091。

成都市土地集约利用与城市化协调发展研究

在构建城市土地集约利用与城市化协调发展评价模型的基础上,分析2001-2010年成都市城市土地集约利用与城市化进程的协调程度,以期为成都市城市的可持续发展、和谐社会的构建和科学发展观的实践提供决策。研究结果表明,在城市化进程中,要处理好保护土地与发展城市化二者之间的关系,既要保证城市化进程顺利进行,又要节约用地,提高土地特别是城市土地的集约化利用程度。

高分辨率遥感图像场景线性回归分类

线性回归分类是图像识别领域中一种简单而有效的分类方法,目前通常采用最小二乘方法对分类模型进行参数估计。然而,同一场景中不同的遥感图像相对应位置的灰度值不完全相同,而且遥感图像还可能包含椒盐噪声和高斯噪声,这些均会造成遥感图像场景分类精度的降低。为了解决这一问题,笔者提出采用稳健加权总体最小二乘方法对线性回归分类模型的参数进行估计。采用两组高分辨率遥感图像场景数据进行实验,将该方法与最小二乘方法、稳健最小二乘方法和加权总体最小二乘方法进行比较评估。实验结果表明,稳健加权总体最小二乘方法能够同时考虑观测向量和系数矩阵的误差,能够有效减少椒盐噪声和较大高斯噪声的影响,从而获得更高的总体分类精度。

一种稳健加权总体最小二乘的新方法

在测绘地理信息实践中，可能会遇到系数矩阵含有误差的情况，如果此时采用传统的最小二乘（LS）方法进行参数估计显然是不恰当的。为了弥补这个缺陷，在顾及权阵的前提下，采用同时考虑观测向量和系数矩阵误差的加权总体最小二乘（WTLS）方法被认为是更可取的。然而，该方法虽然考虑了系数矩阵存在误差的情况，但对于观测向量和系数矩阵中均可能存在的粗差却没有考虑，致使结果较大地偏离真实值。本文研究加权总体最小二乘的抗差估计方法，并将该方法成功应用在测绘地理信息学科的两个相关方面。

基于长短期记忆神经网络的城市交通速度预测

交通速度预测在智能交通系统中起着重要的作用,准确、快速的交通速度预测有利于及时掌握城市道路交通状况,能够有效实行交通诱导。针对交通速度具有极强的周期性,在工作日和非工作日之间存在较大差异,导致预测精度不高的问题,分别选取公开的工作日和非工作日交通速度数据,构建基于长短期记忆神经网络的城市交通速度预测模型。实验验证采用广州市20条路段的交通数据,结果表明,区分工作日和非工作日的平均绝对百分比误差、平均绝对误差和均方根误差的平均值比不区分均要小,说明区分工作日和非工作日可以有效地提高交通速度的预测精度。

地方政府违法占用耕地行为的博弈分析

为了解释当前地方政府违法占用耕地的原因,以及应该如何减少这种行为以确保我国粮食安全,构建了地方政府是否违法占用耕地行为的单人博弈模型进行分析,得出的结论是:地方政府从违法占用耕地中获得的收益远远大于违法行为的成本及所受到的处罚,"违法"是地方政府为了实现自身利益最大化的最优选择,这也是其违法占用耕地的主要原因。要想减少地方政府违法占用耕地行为,应该减少地方政府违法占用耕地的收益及增加其违法占用耕地的成本。

基于优先级和语义邻近度的地表覆盖数据升尺度方法

地表覆盖类别数据尺度上推方法中仍以众数选择或比例占优为原则,但这2种原则都存在一定的缺陷,比如在多个众数的情况下随机选取会使地图信息很大程度上失真。为了更好地保持尺度综合前后地物类别空间信息,将地表覆盖类别优先准则和语义邻近规则引入到尺度上推方法中,在众数聚合规则上考虑类别优先级和语义邻近度,建立一种新的地表覆盖类别数据升尺度方法。该方法通过设定类别优先级和语义邻近度,计算得到粗尺度上对应空间位置的类别,从而完成地表覆盖类别数据的尺度综合。实验结果表明,在众数聚合方法基础上,加入类别优先级和语义邻近度,能够较好地保持尺度综合前后地物空间分布的一致性,地图相似度也相对较高。

基于马尔科夫链的曲线拟合法在尾矿坝沉降预测中的应用

为了对尾矿坝进行高效准确的沉降预测,笔者提出一种基于马尔科夫链的曲线拟合法。将曲线拟合法中的指数曲线法和Logistic曲线法分别与马尔科夫链构建组合预测模型,在保留曲线拟合法建模简单、易于操作的优势的基础上,提高模型的预测精度。结合尾矿坝沉降监测数据,并与传统的曲线拟合法、后向传播神经网络、基于遗传算法的后向传播神经网络进行比较。实验结果表明,提出的方法预测误差小,预测精度明显优于传统预测方法。

基于遥感生态指数的生态环境质量评价——以黎川县为例

随着城镇化建设的不断推进,生态环境问题受到越来越多的关注。通过生态环境质量评价可以发现城镇化建设对生态环境的影响,进而采取积极的措施以实现人与自然的可持续协调发展。遥感生态指数因具有客观、快速、准确地提取多种地表信息的能力在生态环境质量评价中被广泛采用。因此通过获取2004年和2014年的遥感影像,采用遥感生态指数对黎川县进行生态环境质量评价。研究结果表明:2004—2014年黎川县整体生态环境质量略微变好,但不同等级的分化程度有所增加,其RSEI均值从0.69增加至0.73,标准差从0.10提升至0.14。

基于GF-2遥感影像的面向对象分类方法比较研究

基于eCognition软件分别采用K-最近邻(KNN)分类、支持向量机(SVM)分类和CART决策树分类对GF-2遥感影像进行面向对象分类,并对3种分类方法的结果进行比较分析。结果表明:K-最近邻分类在影像准确性、复杂多样性、影像光谱混淆以及分布边界模糊等方面具有较高的识别能力。