基于多源时序NDVI的稀土矿区土地毁损与恢复过程分析

为分析稀土开采的时空分布及矿区土地毁损与恢复过程,该文以岭北稀土矿区为例,以1990—2016年的HJ-1B CCD、Landsat 5和Landsat 8遥感数据为数据源,结合回归分析法、遥感时序NDVI分析方法,对岭北稀土矿区的稀土开采状况及土地毁损与恢复情况进行分析。为减少不同数据由于传感器自身原因而带来的NDVI误差,采用回归分析法构建HJ-1B CCD、Landsat5/8数据的NDVI转换方程并利用均方根误差对转换方程的精度进行检验。结果表明:HJ-1B CCD、Landsat5/8数据的NDVI影像对应转换方程的R2值均超过0.9以及模拟影像与真实影像之间的均方根误差值均小于0.05,说明HJ-1B CCD、Landsat5/8的NDVI数据之间存在较为显著的线性正相关,所求的转换方程具有较高精度,可以消除数据来源差异对NDVI的影响;稀土开采时空分布分析表明岭北稀土矿区在2001—2004年、2006年的开采面积较大,均超过1 km^2,其中2006的开采面积最大,达到2.546 1 km^2;稀土开采在空间分布上较为分散,不仅增加了监管的困难,造成了资源的浪费,还一定程度上增加了治理困难;土地毁损与恢复分析表明受到人为扰动的区域占矿区总面积的54.59%,其中受森林砍伐扰动影响的面积最大,为86.5341 km^2;稀土开采扰动的土地面积为11.354 4 km^2,其植被恢复的平均加权时长为11年。其中复垦恢复的面积为5.004 9 km^2,仍有6.349 5 km^2的区域植被未恢复,急需治理。该研究能较好的反映稀土干扰下的土地毁损与恢复过程,为岭北稀土矿区的生态环境治理及矿区的可持续发展提供借鉴。

多源时序国产卫星影像的森林火灾动态监测——以四川省木里县及其周边林区为例

四川省木里县及周边林区是全国林火最为高发和易发区之一,近两年连续发生了扑火人员重大伤亡的事件。利用时序国产卫星影像、无人机影像和现场勘查数据等,从监测火灾蔓延时空过程的角度,对该区林火热点进行了动态监测,并分析了重点火场火灾发展过程,结果表明:以国产GF-4卫星影像为主,辅助以2 m/8 m光学卫星星座影像,可较好地监测林火热点;研究提出林火热点判定阈值为白天亮温值T≥360 K或夜间亮温值T≥330 K;监测发现了该区3月30日至4月6日间共6处火场的25次林火事件,并重点反演了①号木里和②号西昌火灾发展的时空过程。通过将卫星监测热点与现场勘查热点、无人机影像解译热点对比,表明在火灾早期和中期卫星林火热点监测精度可达89%。建议利用时序国产多源卫星影像对该区林火进行持续监测,并结合权威部门现场勘查数据适时发布预警信息,避免造成重大生命财产损失。

数字孪生装配线时序数据预测及评估方法研究

孪生装配线连续不断地产生多源时序数据,需对数据进行学习和预测以发挥其潜在价值。在数据采集过程中,由于传感器异常或通信中断会产生隐蔽的数据异常点,会降低数据预测的准确性。在数据预处理过程中,针对异常点的隐蔽问题,提出了一种差分异常点检测算法,实现了异常点的快速定位;将预处理数据导入LSTM(Long Short Term Memory,LSTM)进行了训练;针对模型预测性能的评估,提出了一种针对数值型数据预测精度评估的布尔计算方法。以某断路器孪生装配线的设备综合效率及生产节拍等多源时序数据预测为例,对差分异常点检测算法及布尔计算方法进行了实验,验证了方法的有效性。

基于FDA-LSTM的冷轧过程多源异构时序数据处理及颤振预测

冷连轧颤振诱发机理复杂多变,颤振问题的解决需要通过大数据驱动的信息挖掘对机理模型进行补充。该研究针对某冷连轧机现场采集的工艺参数及振动数据,通过函数型数据分析(functional data analysis,FDA)方法进行预处理,实现多源异构时序数据的频率协同;采用SelectKBest算法对影响颤振的多种工艺参数进行特征选择,筛选出与振动相关性较强的因素,构造样本空间;基于长短时记忆(long short-term memory,LSTM)神经网络建立振动能量值的预测模型,并与径向基函数(radial basis function,RBF)神经网络、循环神经网络(recurrent neural network,RNN)模型进行比较。结果表明,LSTM模型具有较高的预测精度,同时采用阈值法验证该模型能有效地预测颤振的发生。

基于窥孔结构LSTM的电力系统跳闸故障诊断

跳闸是输电和配电电力系统中普遍存在的故障.目前一般采用基于继电保护动作和电气元件动作的保护方法应对跳闸故障.然而,这些面向电气保护的方法在处理跳闸故障时存在滞后性.因此,提前预测跳闸故障对处理隐藏问题和电力恢复起着至关重要的作用.本文提出一种基于多源时序数据的电力系统跳闸故障预测方法,使用窥孔长短时记忆网络(LSTM)提取多源数据的时间特征,缓解了循环神经网络(RNN)在长时间序列上的梯度消失问题.模型在三层栅极上添加窥孔连接结构使得单个单元能够查看上一阶段的LSTM单元状态以此强化网络时序记忆能力;使用参数归一化等L2正则措施缓解故障预测中的过拟合问题对结果的影响;引入支持向量机分类器提高总体模型的泛化能力和鲁棒性.实验结果表明,与现有的数据挖掘方法相比,所提方法具有分类准确性高的优点.最后,对实际应用进行讨论,证明了所提方法在实际场景中的可行性.

大城市近郊区产业类型对就业人口流动的差异化影响—以武汉市为例

文章以武汉市为例,利用手机信令数据、土地利用数据及遥感影像数据等多源时序大数据,识别近郊区主要就业中心及其主导产业,并提出从就业人口流动的数量、强度和方向3个方面构建就业人口流动评价指标体系。首先通过净活跃度与总活跃度测度就业人口流动的数量,并结合全局莫兰指数、Getis-ord Gi*指数识别就业人口流动的空间特征,然后采用就业人口流动强度识别不同产业类型对就业人口流动强度影响的差异,最后通过标准差椭圆识别不同产业类型对就业人口流动方向及范围影响的差异。研究表明:武汉市近郊区整体呈现就业人口向近郊区各就业中心流动的趋势,但各就业中心间就业人口活跃度差异较为显著。光芯屏端网、生物医药及信息技术产业是武汉市近郊区就业人口流动强度最大的产业,吸引范围主要涵盖高等院校密集的地区;汽车制造和服务业就业人口流动强度较大,但其吸引范围相对较小;航运物流与航空物流产业发展迅捷,其就业人口流动强度正逐步增强,受地理区位制约,其就业吸引范围最广;建筑业、装备制造业、智能制造业就业人口流动强度则呈现逐年减弱的趋势,部分地区甚至出现人口净流出的现象,其就业吸引范围也较小。