不同观测环境中的多模GNSS数据质量自动化检测方法

受到GNSS轨道位置变化及其多模环境变化等多因素的共同影响,传统GNSS数据质量检测方法出现数据钟差偏差较大,局部GNSS数据实际检测结果与观测结果之间差距较大,无法为使用者提供准确的科学依据。为了解决偏差问题,提出3种优化方法。首先对多模GNSS数据实时轨道及钟差进行计算;然后对不同观测环境中的多模GNSS数据质量进行针对性分析;最后完成数据质量自动化评价输出。通过设计的实验表明,经过提出方法优化后的各项检测指标优化效果明显,检测准确度大幅度提升,稳定性明显改善,整体性能可满足当前不同观测环境下多模GNSS数据之间自动化检测任务,文中方法具有较高的研究价值与市场推广价值。

多源数据融合的高层建筑物三维建模研究

随着无人机的大规模普及,倾斜摄影测量技术应用越来越广泛,但是由于其技术特点,在数据采集过程中受角度、遮蔽等因素的影响,导致三维模型极易出现拉花、扭曲等问题。基于此,探讨了融合机载激光雷达(Light Laser Detection and Ranging,LiDAR)、地面数据采集和倾斜摄影技术的方法,以提高高层建筑物三维建模的精度和细节。机载LiDAR技术通过激光雷达扫描获取点云数据,提供建筑物的几何形状和细节信息,倾斜摄影技术可以提供建筑物纹理信息,与机载LiDAR技术结合可以提高建模的真实感和精度。点面三维激光扫描仪能够有效补充前两项技术的缺失,如补充细节数据。研究融合三种数据源的信息,综合利用它们的优势,为城市规划、建设和管理提供更准确、可靠的数据支持。

基于抗差估计的多GNSS共视基准站数据融合

为了满足远程时间用户对标准时间UTC(NTSC)纳秒级配送的需求,建立了一套标准时间远程复现系统。该系统目前使用的单基准终端服务模式,存在一定的风险,若单个接收机出现故障,会影响得到的本地时间和卫星钟之间偏差(即星站钟差)的准确性。为了解决上述问题,本文提出了一种基于抗差估计的多GNSS共视基准站融合星站钟差的方法。该方法利用中位数绝对值偏差(MAD)对星站钟差数据进行异常值检测,采用IGGⅢ等价权函数的抗差估计方法对多站的星站钟差数据进行融合,输出一组稳定的基准站参考值。通过Matlab仿真,对比MAD法和3-Sigma法的异常值检测性能,对于基准站星站钟差数据,MAD法更加适用。同时,将基于抗差估计的融合法与等权融合法进行对比,前者融合数据的标准差比后者下降0.11~6.65 ns,提高了系统的稳定性。

融合多源空间数据的复杂场景真三维模型构建方法

城市三维模型已经在城市建设、社会服务等诸多领域得到广泛应用,为快速、精确地构建三维城市模型,满足城市精细规划和管理的需求,本文围绕快速、合理、准确地构建真三维模型这一主线,以城市地形和地物为研究对象,提出了由地形到地物、由概略到精细的城市三维模型快速构建方案,实现了城市基础地形、建筑物和其他三维场景的快速建模,并基于Skyline平台对提出的建模思路进行了具体的实现,形成了完整的操作流程。

利用多源数据融合在某铜金属矿山开展三维实体建模的研究

采用3Dmine三维建模软件结合地质数据、工程测量数据、图件矢量化数据等多源数据融合,构建某铜金属矿山多源信息数据库,并建立了该矿的三维地表DTM模型、矿体三维模型、构造模型、岩性模型、井巷工程三维模型以及矿体块体模型等,利用距离幂次反比法对矿体矿石量、金属量、品位等进行了估值,并与矿山储量核实报告获得的结果进行了对比分析。实践表明,所建模型估算的品位、矿石量、金属量结果可靠,可以有效地展示矿山深部矿体、围岩、断层、井巷工程等三维地下空间的可视化,并为矿山深部矿床的探矿设计、开采设计提供有效依据。

自适应多保真数据融合的神经网络模型

数据驱动的深度学习建模在力学、材料等不同学科中得到了较多应用。深度学习建模的精度依赖大量高保真数据。在实际应用中,高保真数据往往是少量且昂贵的,而低保真数据却是成本低廉且数量较多的。当高保真数据量过少时,深度学习建模精度较低。近期发展的多保真深度神经网络,通过融合不同保真度的数据,在高保真数据较少时,依然保持了较高的建模精度。然而,已有的多保真深度神经网络模型的精度较为依赖针对模型参数的正则化调节。当添加的正则化过强时,网络对非线性关联式的拟合能力不足;当添加的正则化强度不够时,在学习多保真数据间的线性关联关系时又会出现过拟合现象。两者都会严重影响模型的预测精度。在缺乏高保真验证数据集时,较难得到最优的正则化系数。为此,通过改进已有多保真网络模型的损失函数,引入一个与线性关联式相关的参数,提出了自适应多保真数据融合的神经网络模型。该模型能根据给定数据自适应地拟合不同保真度数据间的线性或非线性关系,对正则化依赖较小,从而提高了建模的鲁棒性。在多个标准测试案例及实际应用的翼型气动参数的预测中,该模型均能表现出较高的精度和稳定性。

基于多层数据融合的无人机精细化三维建模研究

针对传统倾斜摄影测量三维建模时出现建筑物三维模型精度差、表面纹理不清晰、几何完整性差等问题,提出一种基于无人机多高度影像数据融合的精细化三维建模方法。结合传统倾斜飞行、近距智能环绕、手控环绕及地面手持环绕的多层影像,对传统倾斜摄影测量的倾斜模型进行纹理精细化构建。研究结果表明:通过本方法构建的三维模型较传统倾斜摄影测量构建的倾斜模型在三维模型精度、纹理精细度、几何完整性等方面都得到了显著提升。

基于深度学习的多源空间数据融合技术在实景三维建模中的应用研究

随着城市化进程的加快,实景三维建模在城市管理、环境监测和基础设施管理等领域的应用日益广泛。深度学习技术支撑下,多源空间数据的融合,为实景三维建模带来了创新的解决方案。文中首先对多源空间数据的特性进行了详细分析,并探讨了其在三维建模领域中的应用需求。随后,重点讨论了深度学习技术在数据处理、特征抽取以及模型改进等方面的显著优势。探讨了多种深度学习模型在处理多源数据融合任务中的具体应用,并通过具体案例分析,展示了这些模型在实景三维建模领域的有效性和明显优势。最后,针对目前技术应用所面临的难题,文章提出了具体的优化措施及未来的研究路径。

多源数据融合的城市三维实景建模技术应用分析

城市建设中,以多源数据融合为基础完善建筑物的构建模型,全方位落实三维实景建模实践,对城市现代化发展产生重要作用。本文主要以多源数据融合背景下高效率应用三维实景建模技术为重点进行阐述,首先分析应用城市三维实景建模技术的作用,其次介绍城市三维实景建模数据来源与准备工作,最后从收集无人机测绘数据、优化激光雷达测绘数据、精准筛选数据和加工数据、多方位建模与检验精度几个方面深入说明并探讨实施城市三维实景建模的要点,目的是给相关研究带来条件支持。

实景三维中国中多源数据融合与建模方法研究

针对实景三维中国的多源数据融合建模方法进行了研究,以期解决数据格式的不同,质量的不同,空间一致性的问题以及数据融合的技术挑战。采用数据预处理,标准化,融合算法的选择及优化,融合质量评估的实现策略,给出了一种基于点云和图像及激光扫描进行三维建模的具体方法,最后强调了多源数据融合技术在真实场景三维建模中的重要性和意义。该研究对实现高精度,真实感强的三维模型及在城市规划,地理信息系统,虚拟现实中的广泛应用都有很大的价值。

烟草行业基于多源数据融合建模与应用研究

数据要素已成为驱动经济实现高质量增长与培育新型动能的关键引擎。本文旨在探究如何利用烟草行业的内部数据,并将其与宏观经济指标、人口统计学数据、社会舆情等多种外部数据源相结合,在严格遵守数据隐私保护及法律法规的前提下,应用多模型融合技术构建烟草市场信心指数。这一指数旨在服务于对烟草和茶饮市场的运行状态评估、销售趋势预测、智能投放决策、货源精准配置、品牌建设以及金融信贷等多个应用场景,从而有力支撑数据交易流通场景的构建与发展。

基于多源数据融合的三维实景建模与可视化系统的设计与应用

快速进行三维实景建模与可视化呈现的需求越来越大。以城市园区为应用示例,利用“空-地”融合构建高精度的三维实景模型;采用在Web端进行可视化三维平台系统开发;分析了三维园区地形构建时存在的问题及解决方法,实现了三维园区环境可视化系统。实践验证,系统不仅能够展示更直观、更真实的园区信息,还可以对园区的资源优化与创新发展提供决策支持,有效地提升工作效率,降低工时成本,具有可行性。

定位约束下多传感器节点数据融合数学建模方法

在进行数据融合的过程中,传统传感器由于冗余数据的存在,忽略了节点定位给融合带来的约束便利,从而导致数据融合精准度较低。因此,提出一种定位约束下多传感器节点数据融合数学建模方法。首先,基于最短路径构建传感器节点数据分析模型,对多个节点获取的感知数据进行聚类压缩,去除冗余数据;其次,基于传感器节点数据分析模型提供的基础信息,通过定位方法对传感器节点定位,以获取精确的节点信息位置;最后,利用节点定位作为约束条件,配合传感器数据分析模型的信息,动态调整节点数据融合过程,提高节点数据融合效果。实验结果表明:所提方法的最大误差数据检测数值为27条,而其余两种方法的数据误差较大,其误差相较于该文方法分别多出了58和53条,且节点数据融合的时间保持在2.0 ms内,证明了该文方法的有效性。

微波滤波器的装调融合建模与反演

微波滤波器作为关键的选频装置,在设计制造周期中存在一些突出问题,如设计制造周期数据割裂以及数据缺乏有效利用,从而导致设计制造阶段脱节,降低了设计制造迭代效率。文中提出了一种微波滤波器装调融合建模与反演方法,根据滤波器的设计信息、制造数据以及滤波器机理采用自顶向下的方式构建滤波器知识图谱,利用知识图谱对微波滤波器的数据与机理进行规范化存储;利用机理数据融合建模的方法构建微波滤波器正向演进模型;基于正向演进模型,结合渐进空间映射算法,构建微波滤波器快速装调反演模型。演进与反演实验结果表明,预测电性能与实际电性能基本重合,故障滤波器通过两次装调即可满足设计指标。该方法能够实现微波滤波器设计制造数据的有效关联、微波滤波器性能演进的有效预测以及快速装调反演,提高了设计制造周期数据的利用率,增强了滤波器设计与制造的协同。

基于CIM/SVG的电力系统图模数据融合技术

针对调度主站和电网GIS平台图模数据源不统一、图模规范不一致,导致电力系统输变配拓扑无法贯通及图模维护工作量大的问题,提出了一种基于CIM/SVG的电力系统图模数据融合技术。依据图模交互规范梳理图模校验规则,采用CIM解析图模,运用SVG分析中间结构拓扑。开发图模数据融合系统实现数据维护源头统一,支撑输变配一张网的拓扑贯通与集成应用。通过对多个地市局不同电压等级大量变电站样例图模接入,结果表明所提技术的正确性及可行性,有效解决了输变配图模数据融合的问题。

中文多字体古籍数据集多任务融合识别

针对中文古籍数字化处理中大规模高质量数据集匮乏的问题,本文提出了一种新颖的2级古籍数据集建设方法:一是构建了包含119.5万张图片、覆盖6610个字符类别的多字体古籍单字数据集CACID;二是基于古籍文献内容合成了包含86667列古籍文字图片的古籍篇章数据集CASID,这是目前报道的最大中文古籍合成数据集。本文设计了古籍多任务融合识别模型,并基于所建数据集进行了实验。结果表明,模型的识别准确率从35.62%显著提升至85.52%,验证了涵盖多字体多朝代的中文合成数据在古籍文字识别中的核心作用和良好泛化能力。

基于人工神经网络的多源数据融合技术在浅层纵波速度调查中的应用

微测井是地震勘探中常用的一种近地表纵波速度调查方法,在场地条件和施工成本受限的情况下,该方法得到的速度解释剖面常存在横向分辨率不足的问题。利用静力触探法布设方便、成本低廉的优势,提出一种利用人工神经网络模型关联地层阻力和地层波速的方法,以期通过少量实测微测井实现大范围纵波速度结构的有效预测。该方法的实施流程如下:(1)两两配对静力触探和微测井数据以生成控制点位,以岩性变化为网络分裂条件,输入层神经元接收锥尖阻力、侧摩阻力和深度数据,输出层神经元接收纵波速度,在中间设置多个全连接隐藏层;(2)通过前馈训练机制更新隐藏层神经元参数;(3)将非控制点位的静力触探数据输入到训练好的神经网络模型以获取全区近地表纵波速度结构剖面。在苏北某场地进行方法测试和数据分析,结果证实岩性分层的精细度和训练样本量是决定模型表现的两个关键因素。人工神经网络法预测浅层纵波速度的准确率超过90%,在可靠性、分辨率以及鲁棒性方面都超越了现有的经验公式法,可以辅助判断地下虚反射界面和低降速带分布范围,是提高地震勘探浅层速度调查精度和效率的有益探索。

基于多源数据的精细化三维建模方法研究

三维可视化的地理信息数据在国民经济发展和人民生产生活中发挥着越来越重要的作用,如何快速高效的生产三维模型已成为热点课题。本文提出了利用多源影像数据结合背包式激光雷达对测区进行航飞和点云数据采集,利用GodWork-3D进行空三加密,利用ICP算法进行点云融合,然后将空三结果和融合点云加载至Context Capture Center中进行三维建模,并对模型进行精度评价,实验结果表明,利用多源影像数据与背包式激光雷达数据相结合进行实景三维建模相较于单一的倾斜摄影建模,在纹理和精度上都有较大的提升。

基于流程工业的多元数据融合分析软件设计研究

数据作为流程工业企业生产中的重要信息,通过分析数据可以实现企业的精细化管理。现阶段,流程工业企业的数据类型繁多,对数据分析造成巨大阻碍。基于此,本文以流程工业企业数据融合需求为切入点,对基于流程工业的多元数据融合分析软件加以设计,并在磷石膏行业供需对接领域进行应用分析。本文旨在发挥多元数据融合分析软件的作用,为流程工业企业数据融合分析工作奠定基础,助力企业发展。

离散制造中基于多源多模数据的产品指标联合分析

针对航天产品离散制造过程中,装配过程繁复、制造工艺复杂、技术状态多变等短板给数据管理带来的一系列问题,如多源异构数据集成难、产品状态监测准确性不足等,本文提出一套基于多源多模数据进行产品质量自动分析的常态化流程,以物料清单(BOM)为图谱组织数据,运用数据平台组件,通过单指标成功包络与多指标联合关联分析,实现多批产品质量状态的实时监控和预警,从而精准提升产品质量与一致性。此举为各类产品质量预测与控制提供了理论支撑,并为后续品质分析及复检工作指明方向。