排序方式： 共有7条查询结果，搜索用时 0 毫秒
1
1.
青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括：① 使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R2分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;② 分析了降水量预测精度的空间分布特征,将各模型的R2在青藏高原地区内插值,分析R2的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R2较低,在气候稳定、降水规律性明显的地区R2较高,且LSTM模型R2≥0.6的空间范围远大于传统模型;③ 分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。 相似文献
2.
深度学习在高分辨率遥感影像冬油菜提取中的应用 总被引：2，自引：0，他引：2
近年来,深度学习在基于高分辨率遥感影像的农作物种植信息提取领域应用广泛。本文充分利用油菜在盛花期的光谱特征,提出了基于深度学习理论的单时相高分辨率遥感影像油菜分布提取方法。以2016年湖北省沙洋县作为研究区域,获取油菜盛花时期高分一号（GF-1）影像,并以沙洋县为基础影像,通过手工标记制作油菜训练样本。设计两种深度学习框架模型,一种以卷积神经网络（CNN）为框架,构建一维卷积神经网络（1D-CNN）模型,第二种以循环神经网络（RNN）为框架,组合门控循环单元（GRU）模型,训练标准样本模型,完成油菜分类提取。最后,与传统支持向量机（SVM）、随机森林（RF）方法进行了结果对比。试验结果表明,本文设计的基于深度学习CNN和RNN模型提取的冬油菜空间分布精度和面积精度皆优于其他两种方法,为进一步实现冬油菜提取自动化提供试验基础。 相似文献
3.
Phuong Thao Thi Ngo Mahdi Panahi Khabat Khosravi Omid Ghorbanzadeh Narges Kariminejad Artemi Cerda Saro Lee 《地学前缘(英文版)》2021,12(2):505-519
The identification of landslide-prone areas is an essential step in landslide hazard assessment and mitigation of landslide-related losses.In this study,we applied two novel deep learning algorithms,the recurrent neural network(RNN)and convolutional neural network(CNN),for national-scale landslide susceptibility mapping of Iran.We prepared a dataset comprising 4069 historical landslide locations and 11 conditioning factors(altitude,slope degree,profile curvature,distance to river,aspect,plan curvature,distance to road,distance to fault,rainfall,geology and land-sue)to construct a geospatial database and divided the data into the training and the testing dataset.We then developed RNN and CNN algorithms to generate landslide susceptibility maps of Iran using the training dataset.We calculated the receiver operating characteristic(ROC)curve and used the area under the curve(AUC)for the quantitative evaluation of the landslide susceptibility maps using the testing dataset.Better performance in both the training and testing phases was provided by the RNN algorithm(AUC=0.88)than by the CNN algorithm(AUC=0.85).Finally,we calculated areas of susceptibility for each province and found that 6%and 14%of the land area of Iran is very highly and highly susceptible to future landslide events,respectively,with the highest susceptibility in Chaharmahal and Bakhtiari Province(33.8%).About 31%of cities of Iran are located in areas with high and very high landslide susceptibility.The results of the present study will be useful for the development of landslide hazard mitigation strategies. 相似文献
4.
基于RNN的空气污染时空预报模型研究 总被引：2，自引：0，他引：2
针对空气污染物时间序列中包含缺失值以及现有时间序列预报模型缺乏对时序特征状态建模的问题,该文构建了基于缺失值处理算法和RNN(循环神经网络)的时空预报框架。对空气污染物时序数据设计了3种缺失值处理算法(前向递补、均值替代和权重衰减),用缺失标签和缺失时长对缺失值建模,并在此基础上搭建含有全连接层与LSTM层的深度循环神经网络(DRNN)用于时空预报。使用深度全连接神经网络(DFNN)作为DRNN的对照,用京津冀区域的空气质量和气象数据训练模型,并比较不同模型的预测精度。通过实验,比较了3种缺失值处理方法的效果,结果表明,LSTM在空气污染时空序列预测上的表现优于传统的全连接神经网络层,证实了提出的基于深度学习的时空预报框架的有效性。 相似文献
5.
在大数据和人工智能背景下,基于已有的传统地质找矿模型建立与应用基础,提出基于循环神经网络的找矿模型构建与预测方法,实现对地质数据的深入分析和理解。针对地质找矿模型构建与预测的需求,结合数据清洗理论,对传统地质找矿模型进行归纳与总结,建立地质找矿知识库,为深度学习算法提供训练数据。通过分类算法研究,综合对比结果的准确率与分类所用时间,最终选用RNN分类算法对找矿概念模型进行分类。在建立研究区找矿模型中,通过关键词与控矿要素完成模型匹配,利用模型计算对模型匹配结果进行数据分析,实现区域地质找矿模型的构建与矿产资源的预测评价和分析。以大水金矿为例,快速准确地实现了找矿模型的构建,有效地对矿产资源预测工作提供了指导,验证了该方法的可行性。 相似文献
6.
目标检测是基于视觉的目标定位关键技术。针对现有车轮检测方法对环境敏感问题,本文提出一种并联式融合循环神经网络和Faster R-CNN的车轮检测模型FusionRNN,借助RNN能够处理时序和CNN能够提取空间域隐性特征的优点,可提高实时性,减少参数量,使模型表达能力更强,同时具备分析序列化向量间语义关系和识别车轮几何特征的能力。该模型能在由激光雷达扫描得到的车轮三维点云投影图中准确检测出车轮位置,为基于AGV自动停车系统搬运车辆提供准确稳定的车辆位置信息。 相似文献
7.
选取华南地区深圳市、西南地区攀枝花市两个不同气候区的当地医院上呼吸道感染发病逐日就诊病例数据和同期气象数据，采用随机森林方法和RNN（Recurrent neural network）深度学习方法，通过对两地上呼吸道感染发病特征及其与气象条件关系进行细致研究，分别构建了两地上呼吸道感染发病风险预测模型。研究结果表明：(1)深圳市上呼吸道感染就诊人数峰值每年出现在6-8月期间，谷值出现在1-2月期间，呈现以热不舒适的效应为主；而攀枝花市上呼吸道感染就诊人数峰值则出现在每年11月到次年的1月期间，谷值出现在每年3-7月期间，呈现以冷不舒适效应为主。(2)逐日平均气温的变化对两地上呼吸道感染发病的影响最明显，当日平均气温高于25℃或者低于10℃时，两地上呼吸道感染发病风险明显上升。(3)日平均风速影响次之，它与日平均相对湿度和日平均气温一起，通过对气候舒适度产生影响，进而影响上人群上呼吸道感染发病情况。(4)在对上呼吸道感染与气象要素关联性分析及预测方法优选的基础上，基于RNN深度学习方法构建的两城市上呼吸道感染发病风险预测模型，可为当地相关疾病风险预测及防控提供重要科技支持。 相似文献
1