协同Sentinel-1/2多特征优选的甘蔗提取方法

协同多源遥感影像、融合多特征参数是目标地物精确识别的有效方法,但过多的特征参数会造成数据冗余,降低分类精度。该文以岩溶地貌甘蔗种植区为例,使用Sentinel-1,Sentinel-2影像数据以及SRTM数字高程数据提取研究区地物的光谱特征、指数特征、纹理特征、地形特征和极化特征,其中,指数特征考虑了众多遥感传感器少有的红边波段计算的红边指数,纹理特征加入了雷达影像纹理。在实验中设计了6种方案探讨不同影像特征以及基于随机森林优选的最佳特征组合对甘蔗提取的影响。结果表明:在光谱特征叠加不同特征类型对研究区地物进行分类的情况下,不同特征类型重要性排序为光谱特征>指数特征>纹理特征>地形特征>极化特征;6种方案中基于随机森林算法构建的优选特征方案融合了不同特征变量,其甘蔗提取效果最佳,用户精度和生产者精度都高于97%,总体精度为95.49%,Kappa系数为0.94。

建筑沉降监测中水准挂尺观测方法的研究与应用

针对几何水准测量方法在沉降监测中存在的问题,提出挂尺观测的监测方法。介绍挂尺观测的原理与注意事项,结合大量实验及工程应用验证了新方法的可行性。分析应用结果表明,挂尺观测有利于提高观测精度和工作效率,监测标志更易保护,保证了监测数据的连续性。

GPS数据处理科研软件与商业软件对比分析

将GPS数据处理科研软件和商业软件从软件性能、软件选用的模型和基线解算结果精度进行对比分析,指出了两软件具有的共同点和异同点,同时得出一些有益的建议和结论,并对软件发展做出预测。

小波分解层数及分量组合对滑坡预测的影响

针对滑坡变形具有非平稳性、非线性与随机性变化特点,提出将小波分解与RBF神经网络相结合应用于滑坡变形预测。通过实验进行小波分解及不同低频-高频分量组合的预测,着重分析了不同的小波分解层数、分量组合形式以及预测步长对滑坡变形预测的影响。实验分析结果表明:只有选取适当的分解层数、合理的低频-高频分量组合与预测步长,才能得到最优的预测效果。同时也验证了本文方法的正确性,对于滑坡变形预测具有一定的参考意义。

常用对流层区域拟合模型的比较分析

对流层延迟误差,作为CORS系统的主要误差源之一,在高精度定位中必须予以改正。以高精度GPS数据处理软件Bernese 5.0为平台,利用北部湾CORS系统实测数据,比较、分析了目前几种常用的区域对流层改正模型的内插精度,得到了一些有益的结论。

GPS静态观测中数据质量实时检测

在分析观测数据解码以及观测数据质量指标的基础上编制软件,对采集到的原始GPS观测数据进行解码与多路径效应、周跳等质量指标的分析计算,并对质量指标进行直观、实时的图形显示。介绍所写软件在工程实践中的应用,并与TEQC软件进行比较,证明了软件的正确性和可靠性。

基于集合经验模态分解和支持向量机的大坝变形预测方法

受水位、温度等诸多因素共同影响,大坝变形具有随机性和非线性特征,提出了一种基于集合经验模态分解(EEMD)和支持向量机(SVM)的大坝变形预测算法。算法先对大坝位移序列进行集合经验模态分解,有效分离出隐含在时序中的非线性高频波动成分和低频趋势成分;其次根据各分量特点构造不同的SVM进行预测,最后叠加各分量预测值得到预测结果。与BP神经网络模型及传统支持向量机的对比结果表明,所提预测算法具有较强的自适应预测能力,预测精度较高。

各组合模型在GPS高程拟合中的应用研究

针对单一模型自身存在的局限性,提出了最优非负变权GPS高程拟合模型。该模型以最小二乘拟合估计、主成分估计、半参数估计3种单一模型的预测结果为组合预测值,以预测误差平方和最小为目标,通过规划法求解变权系数,并与最优加权组合模型、BP神经网络组合模型进行了对比。结果表明,最优非负变权组合模型能有效综合单一模型的优点,利用动态的权值进行预测,综合精度较高,能够提供更准确的结果,在GPS高程拟合中的应用是可行的。

利用“微课”视频辅助教学的教学方法改革探讨

研究和利用微课进行教学得到了很多高校教师的重视。本文根据课程的特点,将微课视频引入课程的教学中,进行了课堂授课和微课教学相结合的改革探讨,取得了良好的教学效果。

基于校级网络教学平台的教学改革及其建设探讨?

依托所在高校的校级网络教学平台,以测量学网络课程建设与教学为例,进行课程教学改革与实践,并对网络课程建设及增强教学效果的有关问题进行总结分析,最后针对其建设和应用提出一些建议。

浅谈测绘专业英语教学改革

分析测绘专业英语教学改革的必要性,在指出测绘专业英语教学中存在的弊端和不足的基础上,有针对性地提出了一系列改革的建议和措施。

一流课程建设背景下工程测量课程教学改革实践

根据创新型人才培养和金课建设要求,从提升学生能力与课程“两性一度”出发,以工程测量课程为例,找准课程教学存在问题,从优化课程内容增强思政教育、加强信息技术融合、改进课程考核方法等方面开展教学综合改革。改革解决了课程教学的难点,进一步凸显了课程特色,强化了课程教学对专业人才培养目标的支撑。

基于灰色遗传BP神经网络的大坝变形预测

提出了一种基于灰色预测模型的遗传算法优化BP神经网络的组合预测模型。通过对原始大坝序列进行灰色拟合,弱化原始序列的随机扰动影响,增强数据的线性规律,并采用遗传算法优化BP神经网络的连接权值和阈值,之后将灰色拟合后的残差作为优化后的BP神经网络的输入样本进行训练和测试,进而建立灰色遗传BP神经网络预测模型。组合模型充分结合了BP神经网络自适应学习的优点,避免了灰色方法及模型在非线性预测方面的缺陷;同时集成了遗传算法的全局寻优性能,弥补了神经网络容易陷入局部极值点的缺陷。与灰色GM(1,1)和单一BP神经网络对比表明,组合模型能保证较优的局部预测值和较高的全局预测精度,应用于复杂的大坝变形预测中是可行的。

一种整周模糊度快速求解的分组搜索法

针对实际工作中观测条件较差的GPS卫星整周模糊度难以固定的问题,提出了模糊度快速求解的分组搜索法。首先将模糊度分为主模糊度和从模糊度两组,然后在固定主模糊度组的基础上,考虑从模糊度组能否固定。利用实际算例验证了该方法的有效性。

基于遗传算法的杨赤中插值权系数解算

针对杨赤中插值法数学模型解算权系数时存在负权现象,在分析了负权分布规律的基础上,增设非负约束条件,利用遗传算法(GA)在全局范围内求解最优解的性能,研究消除格网DEM插值的负权问题,通过MATLAB编程验证算法的正确性、准确性,并与其加速罚函数法进行了比较。对比显示,遗传算法估值精度、运算速度优于加速罚函数法。

应用最大熵方法改进克里金负权系数

针对基于地统计学的克里金数学模型,利用最大熵原理分析模型系统对空间权重系数的依赖度增设非负约束条件,研究消除构建格网DEM时的负权问题。通过MATLAB编程验证算法的正确性、准确性,并与拟牛顿法、内点算法解算二次规划的结果进行了比较。对比结果显示,最大熵法得到的权系数大小比例与点位关系相适应,且其估值精度优于后两者。

基于GA-PSO-BP的大坝变形监测模型

提出了一种基于GA-PSO混合优化BP神经网络的大坝变形监测模型,将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,利用GA算法的全局性和PSO算法收敛速度快的特点,通过迭代选取最优的粒子作为BP神经网络的连接权值和阈值,以减小网络输出误差,提高其收敛速度和加强网络泛化能力。运用GA-PSO-BP模型对大坝自动监测数据进行预测分析,实验结果表明GA-PSO-BP模型优化了BP神经网络的连接权值和阈值,能有效提高网络训练精度与收敛速度,有效避免早熟收敛,使模型的整体预测效果得到提高。

应用遗传算法解算克里金插值权系数

基于地统计学的克里金数学模型在解算权系数时存在负权现象。本文增设非负约束条件,利用遗传算法在全局范围内求解最优解的性能,分析模型系统对空间权重系数的依赖度,研究消除格网DEM克里金插值的负权问题,并且通过MATLAB验证算法的正确性,提高建模的准确性。

基于遗传算法的小波神经网络模型预测大坝变形

为了提高大坝变形的预测精度,提出一种基于遗传算法的小波神经网络模型。首先通过对BP神经网络隐含层神经元的替换,弥补了网络易收敛于局部极小点的缺陷,增强了函数逼近能力,进而建立了小波神经网络大坝预测模型;再利用该模型对大坝变形训练集进行学习,并运用遗传算法选取全局最优参数。该方法充分利用了小波神经网络强大的非线性预测能力和遗传算法的全局优化搜索功能,弥补了BP神经网络存在的理论缺点。将其与小波神经网络、BP神经网络进行比较,实验结果表明该方法具有更优的局部预测值、更高的全局预测精度,适用于复杂的大坝变形预测。

利用网络教学平台增强工程测量课程教学效果研究

网络教学平台应用于高校教学是一种新的教学方式,是传统教学模式的有益补充。在工程测量课程教学过程中,教师针对课程特点、结合实际教学,利用网络教学平台培养学生主动学习兴趣,提升学生自觉学习能力,增进师生相互交流,提高学生知识掌握水平,充分利用网络教学平台增强课程教学效果。