排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
随着全球气候变化和人类活动剧增,青藏高原的多年冻土环境逐渐变得越来越脆弱。作为青藏高原最重要的基础设施之一,青藏输电线路已于2011年建成并投入使用。由于恶劣的气候和冻土的冻融作用,青藏输电线路部分区域的稳定性遭到破坏,为了保障输电线路的安全运营,需要对输电杆塔稳定性进行监测。传统监测方法(GPS和水准测量)对输电杆塔形变监测存在局限性。本文使用TerraSAR-X ST模式高分辨率SAR数据,采用考虑温度热膨胀形变模型的时序InSAR方法对青藏高原北麓河地区的输电线路杆塔进行形变监测,获得了输电杆塔和通信铁塔的形变速度、高度和热膨胀。结果证实了高分辨率时序InSAR技术在输变电工程形变监测应用中具有广阔的应用前景。 相似文献
2.
利用卷积神经网络和门控循环单元(Gated recurrent units )神经网络,基于雷达反射率因子和雷电定位数据开展了雷电预报研究。首先构建了引用注意力机制的基于卷积神经网络和门控循环单元神经网络的深度学习模型(Attention ConvGRU);然后将雷达反射率因子数据和对应时间段(6 min)的雷电定位数据处理成图像数据后输入深度学习模型,训练出可预报雷电的模型,包括3种模型:单雷电数据模型、单雷达数据模型和雷电〖CD*2〗雷达双数据模型;最后开展了预报试验和定量评估。综合评估表明,本文建立的雷电预报模型综合预报准确率达到96.74%,虚警率35.83%,关键成功指数(Critical Success Index, CSI)为0.2072。个例分析表明,预报模型对于具有明显移动趋势的雷暴过程(A类雷暴)的预报效果优于不具有明显移动趋势的雷暴过程(B类雷暴),且随着B类雷暴强度减弱模型预报能力逐渐减弱。 相似文献
1