基于深度学习的城市遥感图像处理系统设计与实现

城市绿化对于城市生态至关重要,因此如何监管和保护绿化资源成为环境保护、城市绿化规划等领域的重要课题。随着深度学习引入遥感技术,自动化绿化监管成为一个主流方向。基于语义分割网络模型开发了一种绿化信息提取系统,可以自动标注城市遥感图像中的绿地,并进行城市绿化面积的计算和相关数据的存储。同时使用SRGAN实现低分辨率遥感图像的4倍分辨率提升并增加纹理和细节。该系统可帮助政府或企业分析绿化分布情况,同时经济便捷地获取高分辨遥感图像。

基于VAR模型的多元时间序列预测研究

为了研究因果序列使用VAR模型对多元时间序列预测的影响,选择2014年1月1日至2014年4年30日的中国银行数据的五组时间序列,即开盘价、最高价、最低价、关盘价和成交量进行多元预测,前期进行格兰杰因果性检验发现前四组序列存在因果关系,成交量序列与前四组关系不大。基于此,实验提出采用VAR+ARIMA模型和纯VAR模型对中国银行数据进行预测。结果表明:因果序列采用VAR模型预测效果,比非因果序列预测效果更佳。并且非因果序列预测会影响原因果序列预测的拟合效果。