传统法与深度学习级联结合的近实时火点监测

针对山火监测精度和时效性不足的问题,提出一种级联传统法的多通道卷积神经网络(Multichannel Convolutional Neural Network,MCNN)近实时火点监测算法。首先,结合最大类间方差和空间上下文法,利用背景亮温空间信息差异筛选出潜在火点。然后,采用集成学习思想构建三个卷积神经网络通道,各通道分别输入光谱信息、空间上下文信息及时间地理信息特征的不同组合,同时,通过粒子群优化算法搜索各通道的最佳权重,获取三个通道的火点联合预测概率,实现火点准确识别。结果表明,相比于单通道卷积神经网络(Convolutional Neural Network,CNN)模型,MCNN精确度达到0.88,漏报率降低0.16,并且较日本气象厅官方产品漏报率降低0.06,且实验中模型运行平均耗时172 s。因此,文章提出的MCNN模型可实现较高精度的近实时火点监测,为火灾应急处理提供科学依据。

探究国土空间规划建设下的土地资源管理

文章主要以国土空间规划建设下的土地资源管理为重点,首先对国土空间规划建设下土地资源管理的意义分析,其次阐述土地资源管理存在的问题,最后提出科学管理土地资源、健全土地资源管理体系、加强信息化管理建设、推动土地资源可持续利用等几个方面深入说明并探讨,旨在为相关研究提供参考资料。

基于迭代学习的输电线路风险态势感知系统设计

为了提升风险态势感知效果,充分利用电力资源,利用迭代学习算法较强适应性及输出结果逼近理想结果的特点,设计基于迭代学习的输电线路风险态势感知系统。经数据处理模块建立负载均衡调度映射方案后,利用萤火虫算法分配输电线路风险信息;构建风险态势感知模块,使用迭代学习算法,依据分配后的线路风险信息建立输电线路风险态势感知跟踪器,实现输电线路风险态势感知。实例分析结果表明:当信息量达到10000时,系统的最小迁移代价数值为0.19,信息分配能力强,风险态势感知能力卓越,资源利用较充分。系统感知的输电线路运行情况评分与实际评分完全相同,可以准确感知输电线路风险态势,为相关研究提供参考。