因传统方法单一使用遥感影像或兴趣点(point of interest,POI)数据识别城市功能区时,存在城市特征信息利用不完全、识别精度不高的问题,提出利用POI数据、遥感影像等多源数据,并将自然特征和人文特征相结合,采用基于掩膜区域卷积神经网...因传统方法单一使用遥感影像或兴趣点(point of interest,POI)数据识别城市功能区时,存在城市特征信息利用不完全、识别精度不高的问题,提出利用POI数据、遥感影像等多源数据,并将自然特征和人文特征相结合,采用基于掩膜区域卷积神经网络和样方密度法(mask region based convolutional neural network and quadrat density method,Mask R-CNN-QDM)模型识别城市功能区的方法。首先基于遥感影像采用Mask R-CNN模型识别建筑物,然后将识别结果与POI数据进行补充校验,得到结合自然特征和人文特征的分类结果,再引入面积要素对分类结果进行赋分,以计算样方密度,并采用随机抽样方式对所提方法功能区的识别精度进行评价。研究结果表明,Mask R-CNN-QDM模型的识别精确度高达0.900,平均Kappa系数为0.802,说明该方法能较好地区分单一城市功能区和混合城市功能区。展开更多
板条状结构的设计域具有较大的长宽比,常规的拓扑优化方法无法获得清晰的、周期性的拓扑形式或求解困难。以结构的最小柔度为目标函数,单元相对密度为设计变量,构建周期性拓扑优化问题的数学模型。提出一种基于变密度理论固体各向同性...板条状结构的设计域具有较大的长宽比,常规的拓扑优化方法无法获得清晰的、周期性的拓扑形式或求解困难。以结构的最小柔度为目标函数,单元相对密度为设计变量,构建周期性拓扑优化问题的数学模型。提出一种基于变密度理论固体各向同性微结构材料惩罚模型法(Solid isotropic microstructures with penalization,SIMP)的周期性拓扑优化的方法。在数学模型中设置额外的约束条件,保证优化结构可以得到周期性的拓扑形式。通过优化准则法推导出虚拟子域设计变量的迭代公式,利用体积约束计算出拉格朗日乘子。引入过滤函数解决拓扑优化容易出现数值计算不稳定,导致棋盘格、网格依赖性等问题。利用所提出的方法,通过平面矩形悬臂梁结构算例,获得平面矩形悬臂梁结构的周期性拓扑形式。结果表明,在优化过程中,出现周期性的孔洞。随着迭代次数的增加,孔洞数目没有增加,说明该方法具有较强的稳健性。子域数目取值不同时,均可以得到具有周期性的拓扑形式,且具有良好的一致性。展开更多
文摘因传统方法单一使用遥感影像或兴趣点(point of interest,POI)数据识别城市功能区时,存在城市特征信息利用不完全、识别精度不高的问题,提出利用POI数据、遥感影像等多源数据,并将自然特征和人文特征相结合,采用基于掩膜区域卷积神经网络和样方密度法(mask region based convolutional neural network and quadrat density method,Mask R-CNN-QDM)模型识别城市功能区的方法。首先基于遥感影像采用Mask R-CNN模型识别建筑物,然后将识别结果与POI数据进行补充校验,得到结合自然特征和人文特征的分类结果,再引入面积要素对分类结果进行赋分,以计算样方密度,并采用随机抽样方式对所提方法功能区的识别精度进行评价。研究结果表明,Mask R-CNN-QDM模型的识别精确度高达0.900,平均Kappa系数为0.802,说明该方法能较好地区分单一城市功能区和混合城市功能区。
文摘板条状结构的设计域具有较大的长宽比,常规的拓扑优化方法无法获得清晰的、周期性的拓扑形式或求解困难。以结构的最小柔度为目标函数,单元相对密度为设计变量,构建周期性拓扑优化问题的数学模型。提出一种基于变密度理论固体各向同性微结构材料惩罚模型法(Solid isotropic microstructures with penalization,SIMP)的周期性拓扑优化的方法。在数学模型中设置额外的约束条件,保证优化结构可以得到周期性的拓扑形式。通过优化准则法推导出虚拟子域设计变量的迭代公式,利用体积约束计算出拉格朗日乘子。引入过滤函数解决拓扑优化容易出现数值计算不稳定,导致棋盘格、网格依赖性等问题。利用所提出的方法,通过平面矩形悬臂梁结构算例,获得平面矩形悬臂梁结构的周期性拓扑形式。结果表明,在优化过程中,出现周期性的孔洞。随着迭代次数的增加,孔洞数目没有增加,说明该方法具有较强的稳健性。子域数目取值不同时,均可以得到具有周期性的拓扑形式,且具有良好的一致性。