融合多源数据快速构建大规模实景三维建筑白模方法研究

针对传统的大规模城市级实景三维建模费用高、生产周期长、数据量大等问题,本文采用以高分辨率立体卫星影像为主,综合利用已有二维形式表达的基础地理实体、DEM、TDOM等数据构建城市级实景三维建筑白模的方法,并通过基于北京三号国际合作星立体卫星影像在哈尔滨主城区开展的建筑白模生产试验验证了该方法的有效性——可大幅度提高生产效率、降低生产成本,为支撑城市级实景三维大范围、深层次、全民化的应用赋能。

融合多源数据的城市三维建模方法探索

为发挥多源数据的优势,弥补单一数据的局限性,本文探索多源数据融合的关键技术,提出了一种多源数据的融合建模方法。利用该方法实现了陕西某大院城市实体三维重建,分别构建LOD1—LOD3级别的城市模型,并结合实测控制点成果对建模成果精度及模型精细度进行了评价。结果表明:该方法能够高效地实现多源数据融合建模;融合数据建模成果在模型精细度和成果精度上都有提高;多源融合数据构建的不同细节程度的城市模型精度均符合CityGML对于城市实体的要求。

基于熵权法融合多源数据的桥梁安全评估

在保证经济效益与结构安全性的基础上,通过对海量监测数据进行分析并对桥梁结构运营情况做出准确评估,是评定桥梁健康状况、分析病害原因、提出相应的维修和加固方法的前提。本文在设置底层指标权重时考虑到强度储备法的局限性,引入熵权法进行底层指标权重分析,实现了多源数据融合的底层指标权重设置方法,通过无量纲评价以及变权综合原理获得结构挠度指标评分为桥梁后续养护提供参考。将该方法应用于预应力混凝土连续梁桥中,结果表明该评估方法客观、合理,具有一定的工程实用性。

融合多源数据与元胞传输模型的高速公路交通状态估计方法

针对高速公路管控和决策应对交通状态进行准确、可靠和精细化估计的需求,本文提出了一种基于多源数据+元胞传输模型(Multi-Source Data Cell Transmission Model,MD-CTM)的交通状态估计方法。该方法针对传统CTM模型要求元胞长度必须一致的局限性,提出了一种元胞长度划分的优化方法,能够灵活调整元胞长度和数量。同时,应用卡尔曼滤波技术,将ETC门架流量、稀疏视频检测器流量和样本车辆平均速度数据融合,并与CTM模型相结合,实现高速公路元胞级交通状态估计。为了验证本文提出方法的有效性和准确性,我们利用VISSIM软件构建了长度5 km的高速公路仿真场景。仿真案例结果表明,本文提出的MD-CTM模型能够较为准确地反映不同流量需求下交通流状态的时空演化特征,且相较于CTM模型,其元胞密度估计精度提高12.59%~36.26%。此外,本文选取了成都市绕城高速路段实际场景,对模型的运行效果进行了展示。

融合多源数据的城市青年聚集空间特征分析

从关注城市青年群体的视角入手,融合夜光遥感数据、兴趣点(POI)和社交媒体签到数据等多源地理大数据以及城市控制性详细规划成果,利用核密度分析、叠加分析和空间耦合分析等方法,分析武汉城市青年聚集的空间特征。分析结果表明,主城区内夜光遥感数据强度与微博签到密度的空间耦合性较高,青年聚集特征差异明显,青年聚集区内存在城市配套不匹配问题,说明夜光遥感数据与微博签到数据在城市空间结构和年轻人口分布研究中有较好的适用性。最后,结合控制性详细规划成果和遥感影像,提出针对问题区域的设施优化建议,为武汉市进一步优化空间规划格局和人居环境提供参考。

基于门控循环网络融合多源数据的风电齿轮箱状态预警方法

多源数据融合是风电齿轮箱状态预警的有效方法,针对现有机器学习方法在融合风电多源数据时未考虑时序信息导致状态预警精度不高的问题,提出基于门控循环(GRU)网络融合多源数据的风电齿轮箱状态预警方法。首先,选择对环境影响不敏感的风电齿轮箱油液压力作为状态预警模型的预测量,采用相关系数法选择与油液压力关联密切的数据采集与监控(SCADA)参数作为预警模型的输入量;然后,通过GRU的链式结构和门函数对SCADA参数的时序特征进行融合,得出预测值并计算残差;最后,根据残差的变化趋势进行风电齿轮箱状态预警。某风场运行数据状态预警结果表明所提方法的有效性。

利用集合深度学习方法融合多源数据开发全国能见度网格数据

能见度对于生产生活安排具有重要的指导意义,目前我国的能见度监测网络站点覆盖相对稀疏,观测数据具有空间离散性和局地性。利用集合深度学习模型融合多源数据估计能见度,该集合模型包括了深度神经网络模型、随机森林模型、梯度强化模型和广义线性模型四种机器学习器,融合了气象观测、大气成分观测、模式模拟和土地利用类型等多源数据,并利用Barnes客观分析进一步消除深度学习融合误差,开发出空间连续的能见度网格数据集。该数据的空间分辨率为12km,经过独立样本评估,融合数据的R^2为0.61。相比较于空间插值和线性模型等方法,提出的方法具有更好的准确度,且具有很好的空间解析力,可进一步用于开发更高分辨率数据。该方法具有较高的计算效率和较好的数据兼容性,可以部署于业务化平台中可靠运行。

融合多源数据的三维建模方法及精度分析

以地面相机影像、低空无人机影像和地面三维激光点云数据为融合对象,研究空地影像融合、低空影像融合地面三维激光点云和低空影像融合三维白模进行三维建模的方法,并对其三维建模精度和建模效果进行综合分析。这3种融合方法进行三维建模丰富了三维模型的色彩纹理信息,提高了三维模型的几何结构精度,能满足较大场景的三维实景模型的建模要求,为数字化古建筑(古文物)保护提供具有较高价值的参考数据。

基于多源数据融合的农产品气候品质评价模型研究

以新疆麦盖提灰枣为例,在基于气象观测资料开展气候品质评价的基础上,将FY-4A卫星遥感数据、高分辨率多源融合实况格点产品(ART-1km、CLDAS-V2.0、Laps)应用于农产品气候品质评价,研制了点面结合的网格化农产品气候品质评价模型,阐述了基于多源数据融合的农产品气候品质评价方法。结果表明,该方法可明显提高农产品气候品质评价结论的可靠性和精细化程度,同时可解决无观测资料地区农产品气候品质评价问题。

多源数据融合在行政区域界线争议处理中的探索与应用

行政区域界线精准落地对资源保护利用及国家长治久安至关重要。随着城市化进程加快及优化调整举措推进,界线争议时有发生,给相关部门日常事务管理带来了诸多挑战。依据高精度行政区域界线勘定工作中争议处理原则与程序,探讨和分析了多源数据融合分析方法在争议解决中的应用,并结合具体案例,重点论述了高精度多源数据融合方法在不同区域(山区、城区)类型争议处理中的可操作性。实践表明,多源数据融合为稳定研判争议解决方案提供了有效的数据支撑,争议界线落地后为行业部门事务管理提供了强有力的法定依据。

基于交叉注意力的多源数据融合的气体泄漏检测

为解决单一传感器在管道气体泄漏检测时容易出现误报、漏报的问题,及时预警并反馈泄漏状况,提出一种基于交叉注意力的多源数据融合管道泄漏检测方法。首先,利用预训练的ShuffleNetV2模型提取热像仪数据的空间特征;然后,结合一维卷积神经网络(1DCNN)和双向门控循环单元(BiGRU),构建1DCNN-BiGRU模型,以提取气体传感器数据的时序特征;最后,运用交叉注意力捕获数据的时空关联性得到2个数据源的特征表示,通过残差方式进行特征连接后输入到分类层中,得到识别结果。结果表明:所构建的多源数据融合模型(SCGA)对气体识别准确率为99.22%,损失值在0~0.04内波动;与仅使用气体传感器数据的支持向量机(SVM)、1DCNN、BiGRU模型相比,准确率至少提升4.12%;与仅使用热图像传感器数据的MobileNetV3、ShuffleNetV2、ResNet18模型相比,准确率至少提升1.14%;与将时序特征和空间特征直接拼接的多源数据融合模型(SCG)相比,准确率提升1%。SCGA模型对气体识别具有较高精度。

基于点云的多源数据融合技术

三维激光扫描技术是一门逆向工程应用技术,凭借其高速、全面且高自动化的特点,显示出了强大的不可替代性。三维点云数据有着其多样化、精度高、数据完整的优点。多源数据融合技术使不同设备获取的点云数据、影像数据、空载数据能够相互弥补,提高不同场景环境下的作业效率,完善数据的结构和精度质量,使空、地、水下三维数据的一体化成为可能。通过对不同射程多台三维激光扫描仪的数据进行相对精度分析、调整和融合,并对不同融合方法获取的多源融合数据进行精度验证,探索一种多源数据融合的方法,形成多源数据融合的通用技术流程。为多种载体三维激光扫描技术的数据和影像数据的融合方法研究奠定基础。

基于多源数据融合与xAPI的学习数据模型研究

文章基于大数据应用技术,研究多源异构学习行为数据的融合统一模型。首先,通过比较分析法,提出基于决策级融合的多源异构学习行为数据的融合方法;其次,运用文献研究法,提出通过提取学习对象、学习日期、学习场景、内容维度、学习行为、数据来源等六大学习行为数据,表征多源异构学习行为数据的共同特性,构建多源异构学习行为数据的融合模型;最后,基于新一代学习技术规范(Experience API,xAPI),提出描述融合数据的格式规则,形成融合统一的学习数据模型。

基于多源数据融合和深度学习的智慧校园分析模型

为解决传统校园管理中数据分散、信息孤岛等问题,提出一种基于“多源数据融合+深度学习”的智慧校园分析模型。利用多源数据融合技术,整合不同来源的数据,通过物联网设备、传感器、社交媒体等方面,提供更全面、准确的校园信息,通过深度学习技术实现对学校运营、学生学习、教学效果等方面的综合分析。模型的核心特点包括数据融合、深度学习模型的应用以及对学校各层面智能决策的支持,利用卷积神经网络(CNN)中的ResNet(Residual Network)模型,通过整合来自学生信息管理、图书馆管理、人脸识别等多个系统的数据,进行全面分析,引入了残差学习,通过跳过连接(skip connection)解决了深度网络训练中的梯度消失和梯度爆炸问题。详细介绍了数据融合、深度学习算法应用以及智慧校园分析模型的设计,并通过实际案例分析验证了其有效性,准确率达到了95%。该模型旨在提高校园管理效率、优化资源配置,并提升教学和学生服务质量。

多源数据加权融合的城市建成区改进指数评估

针对多源数据提取建成区的研究大多集中在等权融合方向,缺乏考虑不同数据源包含的信息量差异的问题,通过多源数据加权融合方法对前人的城市建成区提取指数进行改进,以改善不同质量级数据直接融合导致建成区提取不准确的问题。首先,构建融合夜间灯光数据、NDVI数据、路网数据和POI数据的改进PREANI指数;其次,融入不透水面数据和温度数据构建无权指数UCI和有权指数WCI;最后,选择迭代法和动态阈值法提取建成区,并对3种指数分别进行评估。结果表明:改进PREANI的Kappa系数为0.80,UCI融入温度和不透水面数据将Kappa系数提高至0.83;WCI提取的建成区轮廓更准确,在增强城乡建成区细部对比、提升边缘地物区分能力方面表现良好,其Kappa系数、查全率、查准率和F1分数均在0.85以上。

基于多源数据融合的流行病组合预测方法

为了改善传统流行病预测模型普遍存在的准确度低、泛化性弱、结构单一、非线性处理能力差、预测时间长等问题,研究基于多源数据融合的流行病组合预测方法。将采集到的流行病多源数据进行归一化和主成分分析技术特征选择,结合ARIMA模型、灰色GM模型和BPNN神经网络,构建一个ARIMA-GM-BPNN流行病组合预测模型,将前两种预测模型的拟合值作为BPNN神经网络的输入,进行模型训练,将数据充分融合后,综合不同预测模型的优点,获取最优流行病组合预测模型,对未来流行病的发病率和发病趋势进行预测。实验表明该方法组合模型拟合效果很好,流行病发病率预测值与真实值接近,预测趋势也十分吻合,提高预测精度和泛化能力,可以为流行病的预测和防治工作提供可靠的数据支持。

基于多源数据融合的分布式光伏聚合超短期预测方法

分布式光伏聚合发电的超短期预测是支撑其功率快速调节的前提保障,由于规模化接入的分布式光伏容量小、分布广,其发电时序特性差异性大、非平稳性强,导致其超短期预测精度难以保证。为此,文章提出基于多源数据融合的分布式光伏聚合超短期预测方法。该方法基于变分模态分解法,充分挖掘分布式光伏聚合发电非平稳性特性,并采用核主成分分析法对引发光伏发电非平稳性的影响因素即温度、湿度、光照、云量等多源数据进行量化解析,同时结合改进的长短期记忆神经网络,创建了多源数据融合方法,实现了分布式光伏聚合发电超短期预测。仿真结果表明,该方法有效提升了模型的预测精度。与传统方法相比,提出的预测方法对随机性波动严重的光伏超短期预测具有显著优势。

多源数据融合的用户画像识别与推荐实证研究

[目的/意义]构建多源数据融合获得细粒度的用户画像标签,加强和提升服务场景的用户画像识别与精准推荐,对于洞察用户需求、开展群体精准营销、提高用户忠诚度等有着重要的参考意义。[方法/过程]融入服务场景构建多源数据融合的用户画像识别与推荐分析框架,以用户价值模型RFM重构表征用户行为的RFCLS标签,采用LDA模型提取用户资源使用偏好的文本语义标签,继而将用户属性、用户行为和资源使用偏好等多源异构数据汇聚成用户画像标签体系后,选取随机森林模型对不同标签组合展开用户画像识别的模型训练和分类性能评估。[结果/结论]实证研究表明,与单一的数值型或者文本型画像标签体系相比,多源数据融合的用户画像模型提升了用户画像识别和分类的精准度,有效支撑高校图书馆开展更为针对性的营销服务策略和个体精准化服务推荐。

基于多源检测数据融合的高速铁路路基沉降诊断研究

高速铁路路基区段受环境变化、地下水开采等因素影响,可能会产生较大幅度的沉降,其中不均匀沉降对高速铁路运行安全、舒适和耐久性影响较大,因此,快速、有效地诊断运营高速铁路路基沉降非常重要。基于列车轨道动态检测数据、车载晃车仪检测数据、台账信息等多源数据,研究不均匀沉降区段的轨道不平顺波长、幅值特征,建立轨道不平顺特征、列车运行速度和列车加速度之间的关联;同时,充分发挥不同数据源的优势,提取波长因子、幅值因子、车体动力响应因子、竖曲线因子、劣化率因子等能够反映路基不均匀沉降特征的指标。利用多源异构数据融合方法,统一各指标当量值,确定各指标融合权重,最终构建高速铁路路基沉降综合评价指标,建立相应计算公式。研究结果表明,路基不均匀沉降会引起较大幅值的轨道几何长波不平顺,进而导致车体加速度超限,并可以通过车载式晃车仪检测;同一区段轨道长波不平顺呈现趋势劣化时能侧面反映沉降的发生,但竖曲线是预先设计的坡度,对路基沉降诊断有一定干扰。路基沉降综合评价指标可以采用百分制,根据现场实践经验,以超过60分作为沉降发生的评判标准。通过3条高速铁路的实际验证,表明本方法能够有效发现路基沉降区段,及时提示工务部门精准维修。

智能化多源多维大数据融合设计在卫生应急中的应用

目的/意义针对来源复杂、标准多样的多源多维大数据,提出不同业务应用场景的数据治理和融合技术。方法/过程以多源多维大数据融合在应对重大突发公共卫生事件的实践为例,重点阐述多源多维大数据融合面临的挑战、应用架构设计、技术集成、实施路径、应用场景等内容,分析应用效果和存在的不足。结果/结论通过智能化多源多维大数据融合技术的设计,实现对千亿级别高频次更新的实时监听、读取、治理和交互关联,探索有效应对突发公共应急事件的智慧化路径。