航拍图像跨数据域特征迁移道路提取方法     

王舒洋  慕晓冬  贺浩  杨东方  马晨晖 《测绘学报》2020,49(5):611-621

针对传统道路提取方法应用于新数据泛化能力不足的问题,研究了通过特征迁移和编解码网络实现跨数据域的道路提取方法。首先,构建了基于编解码网络的道路提取基本模型,用于实现单一数据来源的道路提取任务。然后,基于道路提取网络结构和循环一致性原则,提出了用于跨数据域图像特征迁移的循环生成对抗网络,使目标域图像映射入源域特征空间。使用预训练的道路提取模型处理特征迁移后的目标域图像,即可实现跨数据域道路提取任务。试验结果表明,本文所提方法能够拓展道路提取网络的泛化能力,准确有效地提取跨数据域图像中的道路目标。相较于未特征迁移的结果,本文所提方法大幅改善了道路提取指标,使得F1提升了50%以上。本文方法不需要目标域的标注信息,也不需要对道路提取网络进行微调训练,而只需训练由目标域向源域的特征迁移模型,所耗时间和人力成本较低,因而具有良好的应用价值。  相似文献   

Comparison of local and global approximators in multivariate chaotic forecasting of daily streamflow     

Hakan Tongal 《水文科学杂志》2020,65(7):1129-1144

ABSTRACT

Although it is conceptually assumed that global models are relatively ineffective in modelling the highly unstable structure of chaotic hydrologic dynamics, there is not a detailed study of comparing the performances of local and global models in a hydrological context, especially with new emerging machine learning models. In this study, the performance of a local model (k-nearest neighbour, k-nn) and, as global models, several recent machine learning models – artificial neural network (ANN), least square-support vector regression (LS-SVR), random forest (RF), M5 model tree (M5), multivariate adaptive regression splines (MARS) – was analysed in multivariate chaotic forecasting of streamflow. The models were developed for Australia’s largest river, the River Murray. The results indicate that the k-nn model was more successful than the global models in capturing the streamflow dynamics. Furthermore, coupled with the multivariate phase-space, it was shown that the global models can be successfully used for obtaining reliable uncertainty estimates for streamflow.  相似文献   

Deep echo state network: a novel machine learning approach to model dew point temperature using meteorological variables     

Meysam Alizamir  Sungwon Kim  Ozgur Kisi  Mohammad Zounemat-Kermani 《水文科学杂志》2020,65(7):1173-1190

ABSTRACT

The potential of different models – deep echo state network (DeepESN), extreme learning machine (ELM), extra tree (ET), and regression tree (RT) – in estimating dew point temperature by using meteorological variables is investigated. The variables consist of daily records of average air temperature, atmospheric pressure, relative humidity, wind speed, solar radiation, and dew point temperature (T_dew) from Seoul and Incheon stations, Republic of Korea. Evaluation of the model performance shows that the models with five and three-input variables yielded better accuracy than the other models in these two stations, respectively. In terms of root-mean-square error, there was significant increase in accuracy when using the DeepESN model compared to the ELM (18%), ET (58%), and RT (64%) models at Seoul station and the ELM (12%), ET (23%), and RT (49%) models at Incheon. The results show that the proposed DeepESN model performed better than the other models in forecasting T_dew values.  相似文献   

基于深度学习技术的地震实时流数据自动处理辅助工具开发     

赵明  廖诗荣  黄玲珠 《地震地磁观测与研究》2020,41(2):165-171

以JOPENS系统实时流接收为基础,应用Redis共享内存技术和近年来发展较快的深度学习震相自动识别技术,设计一套可7×24小时不间断稳定接收并实时识别连续地震流数据中P、S震相的系统,为地震台网实时数据处理提供一套辅助工具,并在福建省地震局测震台网128个台站的实时数据流上进行测试。该工具由Redis实时数据流共享模块与深度学习震相到时自动拾取、MSDP震相格式转换3个模块组成,可以实时接收并自动识别台网地震连续波形,生成P、S震相报告,并可导入MSDP人机交互工具进一步处理,在一定程度上可以减轻人工处理工作量。  相似文献   

机器学习在气象领域的应用现状与展望     

杜智涛  姜明波  杜晓勇  周育峰  王鹏宇  张志标 《气象科技》2021,49(6):930-941

机器学习是人工智能的核心，是使计算机具有智能的根本途径之一。随着以深度学习为代表的机器学习算法取得突破，人工智能呈现了加速发展的趋势，在各行业取得了广泛的应用。机器学习在计算效率、准确性、可移植性、协同性、灵活性、易用性等方面具有较大的优势，下一步将有可能改变传统的气象观测模式，加速和改善气象观测数据的处理，改善数值天气预报质量以及推进地球科学的交叉融合。为更好地推动人工智能相关技术在气象领域的应用，本文从气象观探测、数值预报、危险天气识别与预警和卫星资料处理等方面对机器学习算法的应用现状进行了整理。  相似文献   

基于多源空间数据和随机森林模型的长沙市茶颜悦色门店选址与预测研究     

黄钦  杨波  徐新创  郝汉舟  梁莉莉  王敏 《地球信息科学学报》2022,24(4):723-737

茶颜悦色作为中国本土奶茶品牌,将中国传统茶文化与时尚元素相结合,融入浓郁中国风,成为来长旅游者打卡必喝的一种奶茶饮品。探索其空间分布并对其门店选址适宜性进行评估对于优化门店布局、促进经济发展和提升旅游服务水平等具有重要的实际意义。本文基于高德地图API爬取长沙市茶颜悦色POI,运用平均最近邻指数、地理集中指数、不平衡指数、标准差椭圆、核密度估计等方法分析其空间格局,在此基础上融合多源异构空间数据选取一系列影响其空间分布的指示因子并运用随机森林模型对其门店布局适宜性开展实证研究。分析结果表明：① 长沙市茶颜悦色空间分布整体上为集聚型(ANN=0.354,G=40.283),围绕城市核心商圈集聚分布,形成了“一超多核”的空间格局;② 随机森林模型优化后的平均测试精度为92.18%,OOB测试精度为93.45%,其评价结果能够准确反映长沙市茶颜悦色门店选址适宜性与空间分布的异质性;③ 茶颜悦色选址适宜性结果表明,长沙市核心商圈内适宜性概率整体较高,存在明显的高值集聚现象,符合弗里德曼“中心-外围”理论。若将各商圈抽象为不同等级的中心地,其所提供的服务职能和影响范围受到空间距离衰减作用的影响,在空间分布上符合地理学第一定律;④ 特征重要性排序结果显示竞争环境、交通区位和社会经济发展因素对模型的贡献率较大,这与最小差异化准则强调集聚效应和传统商业选址强调区位选择相得益彰,因此在进行门店选址时可以重点考虑此类因素。本研究融合多源空间数据运用数据挖掘技术解决选址问题的方法和结论可以为茶颜悦色门店选址和空间布局提供参考和借鉴。  相似文献   

增强型遥感影像SRGAN算法及其在三维重建精度提升中的应用     

闵杰  张永生  于英  吕可枫  王自全  张磊 《地球信息科学学报》2022,24(8):1631-1644

遥感影像是地形测绘、三维重建等任务的主要数据源之一,分辨率影响着被测目标在影像上的表示能力,对后期三维模型的定位精度及重建效果起着重要作用。针对遥感影像像幅较大且目标特征表现复杂、细节丰富的特点,结合实景三维模型重建的需求,提出了一种增强型遥感影像SRGAN算法。克服了传统方法进行超分重建时易出现边缘效应、产生模糊重建的情况,改进了简单卷积网络仅能提取影像中较为浅层的特征信息,无法在提高分辨率的同时保留影像丰富细节的局限。本文所提算法在生成模型中使用密集剩余残差块进行深层特征提取,在判别模型中引入多尺度判别思想,从而保证遥感影像重建时特征纹理、细节信息、高频目标的完整与精确。实验构建不同时间、不同类型区域的遥感影像数据集,在此基础上将本文算法与Bicubic、SRGAN、ESRGAN算法进行对比分析,在超分重建中PSNR较对比算法提升约3个单位,渗透指数PI更趋向且稳定于1,SSIM与清晰度指标Q同样得到较好改善;在三维重建中影像密集匹配点数量得到提升,同时误差减少,模型精细程度和定位精度得到提高。结果表明,本文算法适用于遥感影像超分辨率重建问题,并在实景三维模型重建中对精度的提升表现较好。  相似文献   

基于YOLOv5算法的飞机类型光学遥感识别     

龙怡灿  雷蓉  董杨  李东子  赵琛琛 《地球信息科学学报》2022,24(3):572-582

飞机类型检测是遥感影像分析领域的研究热点,在机场监控和情报分析等应用中起着重要的作用。其中,深度学习方法作为遥感影像分析领域广泛应用的手段之一,在飞机类型检测任务中仍面临许多问题,如使用未公开的自制数据集、实验复现困难、无法验证泛化能力等。同时,光学遥感影像易受光照条件、云雨变化等因素影响,使检测任务更加困难。为了解决这些问题,本文首先利用MTARSI数据集对样本进行筛选,再结合Google Earth等开源方法收集飞机影像,采用随机旋转、改变亮度等方法构建新的飞机类型检测数据集。其次,采用YOLOv5作为基础网络框架,针对其多层卷积和池化操作可能会削弱或完全丢失飞机特征的问题,进行多尺度优化训练,有效检测飞机类型特征。最后,利用跨数据集验证模型的泛化能力。实验结果表明,本文方法能准确、有效地检测出光学遥感影像中的飞机的具体类型,具有较强的鲁棒性和泛化能力,跨数据集进行飞机类型检测正确率达到82.12%,可为智能化的飞机目标语义分析、星上应用等研究提供技术支撑。  相似文献   

基于街景图像的可解释性城市感知模型研究方法     

刘智谦  吕建军  姚尧  张嘉琪  寇世浩  关庆锋 《地球信息科学学报》2022,24(10):2045-2057

理解城市环境对人类感知的影响,对城市合理规划及布局具有重要的人文参考价值。城市环境是一个动态变化的复杂系统,具有空间异质性的特点。由于研究方法的限制,在复杂的城市环境中,以往基于街景图像的城市感知研究难以全面精细地分析环境关键要素对人类感知的影响。本研究以武汉市中心为研究区,首先利用全卷积神经网络将街景图像分割为城市地物类型,耦合感知打分数据和随机森林算法建立6类城市感知模型;然后基于沙普利值方法分解在随机森林模型中各类城市地物对人类感知的影响,并识别城市环境关键要素;最后结合分解结果,探究在非线性模型中沙普利值方法的适用性和优势。结果表明：沙普利值方法能够有效考虑环境异质性,精确地定量表示在不同场景中各类地物对人类感知的影响;城市高楼、天空、绿地空间是对人类感知影响最大的3类地物,且地物的体积和分布与其对人类感知的影响有关,图像占比大、分布连续的地物对人类感知的影响比图像占比小、分布离散的地物对人类感知的影响大;受城市环境空间异质性的影响,主要地物类型对各类感知的影响程度和形式有显著不同;高楼与人类感知为非线性关系,且具有明显的单调递增或递减的形式;绿地空间与积极感知呈非线性关系,与消极感知呈线性递减的关系。基于可解释性方法,本研究主要分析城市环境关键要素对人类感知的影响特点,探究了城市感知模型中的可解释性问题,能够为城市感知相关研究提供方法参考和理论依据,同时也可为城市规划和景观设计提供参考。  相似文献   

Advanced prediction of tunnel boring machine performance based on big data     

Jinhui Li  Pengxi Li  Dong Guo  Xu Li  Zuyu Chen 《地学前缘(英文版)》2021,12(1):331-338

Predicting the performance of a tunneling boring machine is vitally important to avoid any possible accidents during tunneling boring.The prediction is not straightforward due to the uncertain geological conditions and the complex rock-machine interactions.Based on the big data obtained from the 72.1 km long tunnel in the Yin-Song Diversion Project in China,this study developed a machine learning model to predict the TBM performance in a real-time manner.The total thrust and the cutterhead torque during a stable period in a boring cycle was predicted in advance by using the machine-returned parameters in the rising period.A long short-term memory model was developed and its accuracy was evaluated.The results show that the variation in the total thrust and cutterhead torque with various geological conditions can be well reflected by the proposed model.This real-time predication shows superior performance than the classical theoretical model in which only a single value can be obtained based on the single measurement of the rock properties.To improve the accuracy of the model a filtering process was proposed.Results indicate that filtering the unnecessary parameters can enhance both the accuracy and the computational efficiency.Finally,the data deficiency was discussed by assuming a parameter was missing.It is found that the missing of a key parameter can significantly reduce the accuracy of the model,while the supplement of a parameter that highly-correlated with the missing one can improve the prediction.  相似文献