基于地理信息的OED-RF草海水深反演

为充分利用已有数据提高浅水区水深反演的精度,并快速选择机器学习模型中的参数,选取贵州省草海为研究区,在BP神经网络模型和随机森林模型(RF)中加入地理信息(GEO),采用正交试验设计法(OED)选取GEO+RF模型较优参数,并与多波段对数线性模型、GEO+BP神经网络模型和GEO+RF模型进行对比。结果表明:相较于文中所对比的模型,提出的GEO和OED-RF模型反演精度最高,实测水深-反演水深散点图点位最为集中,反演水深图与实测水深图基本一致。说明GEO和OED-RF模型能有效提升试验效率、选出较优参数并提高浅水区水深反演精度,可为相似区域水资源遥感监测与分析提供参考。

探究工程测量过程中精度的影响因素及控制

随着科学技术的飞速发展,现代工程测量有了更先进的测量方法。然而,无论采用何种测量方法,工程测量精度都会受到各种因素的影响。如果这些影响因素得不到合理的控制,必然会给工程质量带来很大的影响。工程测量贯穿了现代工程项目建设全过程,从工程项目最初的规划、决策、设计、施工、竣工每一个阶段都离不开工程测量作业,工程测量的精度直接影响到工程建设水平。下文分析了影响测量数据准确性的相关影响因素,并在此基础上提出了相应的控制策略,以全面提高工程测量作业水平,确保工程质量。

岭估计在二次曲面高程拟合模型数据处理中的应用

在测量工作中,由于参数过多、观测结构不合理等各种原因,会导致各参数之间存在近似线性关系,此时经典的最小二乘模型解算结果会失真。本文通过二次曲面高程拟合模型着重讨论岭估计在最小二乘模型失效的情况下解算结果的可靠性,总结岭参数的求解方法,并验证其解算的可靠性。