一种基于核学习的储集层渗透率预测新方法   总被引：2，自引：1，他引：2  

杨斌  匡立春  施泽进  孙中春 《物探化探计算技术》2005,27(2):119-123

基于核学习的支持向量机,是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法,具有完备的理论基础。这里提出了核学习技术在储集层非均质特性描述中渗透率参数预测的新用途。在复杂地层中,基于支持向量机的智能和自适应模式识别能力而建立了常规测井多参数信息输入的渗透率预测模型,然后对实际油田储集层渗透率进行了预测。与常规线性回归模型预测结果相对比,所提出的方法更易于使用,很少受不确定因素的影响,并具有较强的信息整合能力以及更高的预测准确性和可信度。  相似文献   

Computer-assisted teaching and learning in photogrammetry     

Joachim Höhle 《ISPRS Journal of Photogrammetry and Remote Sensing》1997,52(6):266-276

The advanced personal computer models, new storage media such as CD-ROMs, new authoring tools and especially the Internet will influence the production of learning software for photogrammetry. Some examples of learning programs are presented, including experience from the development and use of these programs in the education of land surveyors. They demonstrate the progress made over the years as well as the potential and possibilities of computer-assisted teaching and learning in photogrammetry.  相似文献   

Internet teaching foundation for the Remote Sensing Core Curriculum program     

T.W. Foresman  T. Cary  T. Shupin  R. Eastman  J.E. Estes  N. Faust  J.R. Jensen  K.K. Kemp 《ISPRS Journal of Photogrammetry and Remote Sensing》1997,52(6):294-300

The Remote Sensing Core Curriculum (RSCC) was initiated in 1993 to meet the demands for a college-level set of resources to enhance the quality of education across national and international campuses. The American Society of Photogrammetry and Remote Sensing adopted the RSCC in 1996 to sustain support of this educational initiative for its membership and collegiate community. A series of volumes, containing lectures, exercises, and data, is being created by expert contributors to address the different technical fields of remote sensing. The RSCC program is designed to operate on the Internet taking full advantage of the World Wide Web (WWW) technology for distance learning. The issues of curriculum development related to the educational setting, with demands on faculty, students, and facilities, is considered to understand the new paradigms for WW-influenced computer-aided learning. The WWW is shown to be especially appropriate for facilitating remote sensing education with requirements for addressing image data sets and multimedia learning tools. The RSCC is located at http://www.umbc.edu/rscc  相似文献   

应用IAP9L-AGCM对2002年中国夏季气候的预测及效果检验   总被引：10，自引：0，他引：10  

郎咸梅  王会军  周广庆  姜大膀 《南京气象学院学报》2004,27(1):29-35

利用中科院大气所9层大气环流格点模式(IAP9L—AGCM)和IAP—ENSO预测系统对2002年中国夏季气候进行实时集合预测及其检验。结果显示，IAP9L—AGCM较好地预测出了2002年夏季我国大范围旱涝的分布形势，如华南、我国西部多雨，黄河和长江流域之间大范围干旱等；850hPa减弱的夏季风、青藏高原辐散中心以及北太平洋上空的异常气旋性环流中心亦被较好地预报出来；不足的是，模式对降水异常细致分布的预测能力有限。预测结果还表明，该模式对夏季(6—8月)平均降水的预报技巧要高于月平均状况，且月平均预报的准确度从6—8月依次递减。  相似文献   

Web Use in Geographical and Environmental Education: An International Survey at the Primary and Secondary Level   总被引：2，自引：0，他引：2  

Lea Houtsonen  Ilta-Kanerva Kankaanrinta  Antti Rehunen 《GeoJournal》2004,60(2):165-174

This article aims to study Web use and Web-based co-operation and collaboration in geographical and environmental education at the primary and secondary level around the world. Recent trends and future opportunities and challenges are taken into account. The theoretical part of the study considers Web use and different forms of Web-based co-operation. Web use and co-operation in education are classified as co-operative learning, collaborative learning or communal learning. Web use in geographical and environmental education is noted to be growing in significance. Web-based co-operation at any level of intensity is associated with many opportunities and challenges. The empirical part of this study involves a survey of geographical and environmental education researchers in various countries about their views of Web use in education. The results of this survey indicate that the Web in general finds minimal use in geographical and environmental education. As access to the Web is limited and only some pupils can use it, co-operation, particularly collaborative learning on the Web, is still rare in geographical and environmental education. The most often used application is e-mail. Researchers recognise the potential of the Web to enhance local, national and international co-operation, and to facilitate a better understanding of geographical and environmental issues at the grass-root level. Web-based learning can also help to increase and deepen the pupils' cultural understanding. Before that, however, problems in access, costs and teacher training must be solved. This revised version was published online in August 2006 with corrections to the Cover Date.  相似文献   

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究     

符海月  张祎婷 《地球信息科学学报》2019,21(7):1132-1142

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。  相似文献   

基于EEMD和ARIMA的海温预测模型研究          下载免费PDF全文

张莹  谭艳春  彭发定  廖杏杰  余昱昕 《海洋学研究》2019,37(1):9-14

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。  相似文献   

一种多层特征融合的道路场景实时分割方法     

周继苗  李必军  陈世增 《测绘通报》2020,(1):10-15

道路场景理解是自动驾驶领域中重要模块之一，它可以提供关于道路更丰富的信息，对于建立高精度地图和实时规划都具有重要作用。其中，语义分割可以为图像每个像素赋予类别信息，是自动驾驶场景理解中最常用的方法。但是，目前常用的语义分割算法在速度和精度上大都不能达到很好的平衡。本文在MobileNetV2的基础上，提出了一种多层次特征融合的方法，使得网络可以在实时运行的同时保证精度满足实际应用的需求，并在Cityscapes数据集上进行了试验验证和分析。  相似文献   

复杂卫星图像中的小目标船舶识别   总被引：1，自引：1，他引：0  

姚红革  王诚  喻钧  白小军  李蔚 《遥感学报》2020,24(2):116-125

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别。同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响。实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别。同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98%和18.17%,所训练的模型具有良好的泛化能力和鲁棒性。  相似文献   

基于深度残差网络的机载LiDAR点云分类     

赵传  郭海涛  卢俊  余东行  张保明 《测绘学报》2020,49(2):202-213

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。  相似文献