创新创业教育与专业教育相融合的测绘工程专业人才培养模式探讨     

王浩宇  刘立龙  黄良珂  谢劭峰 《测绘通报》2017,(4):149-152

以培养符合社会需求的人才为目标,将创新创业教育与人才培养体系、专业课程体系、专业课程体系、教学和实践平台深度融合,从而构建了多学科交叉、整合优化教学和实践资源,集业务素养、创新创业教育、产学研结合等为一体的高度融合的人才培养体系,培养具备较强的创新创业能力的应用型测绘类人才。  相似文献   

基于MLP神经网络的大气加权平均温度模型     

谢劭峰  曾印  张继洪  张亚博  熊思 《大地测量与地球动力学》2022,42(11):1105-1110

以中国西南地区2015~2017年探空数据为实验数据,使用多层感知器（MLP）神经网络回归方法建立西南地区的加权平均温度(T_m)模型。将气象参数（地表温度、水汽压）和非气象参数（高程、纬度和年积日）作为模型输入因子,由数值积分法计算得到的T_m作为学习目标,通过神经网络模型进行迭代训练从而得到中国西南地区的T_m。以2018年探空站T_m数据为参考值,对MLP模型精度进行验证,并与Bevis模型和GPT3模型进行对比分析。结果表明,MLP模型的年均RMSE和年均bias分别为1.99 K和0.15 K,比Bevis模型、GPT3模型年均RMSE分别降低1.36 K(40.6%)和1.51 K(43.1%),年均bias分别下降0.70 K（82.4%）和1.04 K（87.4%）,且该模型在中国西南区域不同高程、纬度和季节的精度与稳定性优于Bevis模型和GPT3模型。  相似文献   

基于WPA-WOA-BP神经网络的PM2.5浓度预测     

谢劭峰  赵云  李国弘  周志浩  黄良珂 《大地测量与地球动力学》2021,41(1):12-16

针对传统BP神经网络存在的学习速度慢、易陷入局部极值等问题,利用鲸鱼优化算法(WOA)以及狼群算法(WPA)混合优化BP神经网络的权值和阈值,构建WPA-WOA-BP神经网络模型,并对PM2.5浓度进行预测.实验结果证明,WPA-WOA-BP神经网络模型预测稳定性高,可用于PM2.5浓度的预测,且预测精度优于BP神经网...  相似文献   

利用AO-SVR模型预测PM_2.5浓度     

孟春阳  谢劭峰  魏朋志  唐友兵  张亚博  熊思 《大地测量与地球动力学》2023,(3):269-274

针对支持向量回归(support vector regression, SVR)模型无法主动选取最优参数和核函数等问题,采用天鹰算法(aquila optimizer, AO)对其进行优化,构建天鹰算法优化支持向量回归模型(AO-SVR)。分别构建AO-SVR、SVR、灰狼算法优化支持向量回归(GWO-SVR)、鲸鱼算法优化支持向量回归(WOA-SVR)4种模型,使用2020-01-01～30拉萨、乌鲁木齐、长春、武汉、上海5市的大气污染物、气象因素以及天顶对流层延迟(zenith tropospheric delay, ZTD)的小时数据,分别预测5市2020-01-31的PM_2.5浓度变化。结果表明,AO-SVR模型的适用性更好,其中,上海的预测值最贴近实际观测值。  相似文献   

PSO-BP神经网络大气加权平均温度模型构建     

曾印  谢劭峰  孟春阳  张继洪  廖发圣 《测绘科学》2023,(5):113-119

针对现有T_m模型建模方法多为基于最小二乘线性回归方法以致于模型精度有待提高的问题，该文以中国西北地区2015—2017年的24个探空站的探空数据作为实验数据，在中国西北地区使用粒子群优化BP神经网络(PSO-BP)回归方法建立大气加权平均温度(T_m)模型：将地表温度、水气压、纬度、高程和时间变化等影响因素作为模型输入因子，将数值积分法所计算得到的T_m作为学习目标，利用神经网络模型进行迭代训练得到中国西北地区的T_m。以2018年探空站T_m数据为参考值，对PSO-BP模型精度进行验证，并与Bevis模型、GPT3模型和中国西部地区T_m模型进行比较。结果表明，PSO-BP模型的年均RMSE和年均bias分别为2.71 K和0.35 K,相比Bevis模型、GPT3模型和中国西部地区T_m模型年均RMSE分别降低了1.36 K(33.4%)、1.81 K(39.5%)和1.78 K(39.1%),年均bias分别下降了0.70 K(87.7%)...  相似文献   

中国区域大气加权平均温度垂直递减率格网模型EI北大核心CSCD     

谢劭峰  王义杰  黄良珂  彭华  黎峻宇  刘立龙 《测绘学报》2023,(2):206-217

大气加权平均温度(T m)是全球导航卫星系统(GNSS)反演大气水汽(PWV)的关键参数。然而,已有经验T m模型难以捕获T m的日周期变化,限制了其在高时间分辨率GNSS-PWV监测中的应用。利用大气再分析资料可获取高时间分辨率的T m信息,但需使用高精度的T m垂直递减率模型对其进行高程改正。针对已有T m垂直递减率模型建模仅使用单一格网点数据等不足,本文引入滑动窗口算法,利用2012—2016年的MERRA-2再分析资料建立了顾及时变垂直递减率的中国区域水平分辨率分别为1°×1.25°、2°×2.5°和4°×5°的T m垂直递减率格网模型(简称“CTm-H1、CTm-H2和CTm-H3模型”)。联合2017年的MERRA-2、GGOS大气格网数据和探空站资料,对CTm-H模型进行精度检验,并与中国区域统一的T m垂直递减率模型(简称“统一模型”)进行比较分析。结果表明:①以MERRA-2格网数据为参考值,通过CTm-H模型将MERRA-2地表格网数据改正到分层格网数据各层高度处检验,CTm-H 3个模型性能相当,在两种T m数据高程差异较大时,CTm-H模型表现出显著的优势,相比于统一模型,精度(RMS值)整体提高了30%。②以探空站资料为参考值,通过CTm-H模型将MERRA-2地表格网数据和GGOS大气格网产品分别改正到探空站高度处检验,与统一模型相比,CTm-H 3个模型的精度整体分别提高了3%和5%,且CTm-H和统一模型的精度相比于未顾及垂直改正提升较大,尤其在中国西部地区表现出显著的优势。总体而言,CTm-H 3个模型在中国区域均具有较高的精度,不需要实测气象参数即可提供中国区域近地空间范围内(本文指0~10 km的高程范围)任意位置实时高精度的T m高程改正值,因此,它在中国区域的实时高精度GNSS水汽探测中具有重要的应用。  相似文献