基于小波变换与神经网络的石羊河流域夏季地温预测模型研究   总被引：1，自引：1，他引：0  

贾东于  李开明  聂晓英  袁春霞  李清峰  高福元 《冰川冻土》2020,42(2):412-422

地温变化在气候反馈效应中起着重要作用， 理解地温及其与影响因素之间的时空关系对预测全球温度变化至关重要。利用1998 - 2017年石羊河流域的逐日常规气象观测资料， 采用小波分析结合BP（Back Propagation）神经网络构建了石羊河流域夏季地温预报模型， 结果表明： 日平均地温预测效果在不同站点均为最佳， 其中预测值和观测值的相关系数均大于0.87， 3 ℃以内的预测概率均大于84%。其中， 民勤地区地温预测效果最好， 预测值和观测值的相关系数达到0.91， 3 ℃以内的预测概率达到86%。日最高地温的预测值与观测值的相关系数高于0.8， 但误差平方和、 标准差较大。永昌地区日最高地温的模拟效果最好， 3 ℃以内的预测概率达到83%。日最低地温的预测与观测值的平均相关系数高于0.66， 3 ℃以内的预报概率高于83%， 但预测值略低。其中， 武威地区日最低地温的预测效果最好， 预测值与观测值的相关系数为0.72， 3 ℃以内的预测概率达到94%。研究成果可为有效弥补干旱、 半干旱区地温观测资料缺失和探讨其与局地气候的关系提供一些参考。  相似文献   

基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物     

刘懿兰  黄晓霞  李红旮  柳泽  陈崇  王新歌 《地球信息科学学报》2019,21(2):259-268

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。  相似文献   

基于深度学习理论的无人机影像分类     

阳成 《北京测绘》2020,(4):481-484

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。  相似文献   

直线特征辅助的靠岸舰船检测     

余东行  郭海涛  赵传  李道纪  张保明 《测绘科学技术学报》2019,36(3)

针对靠岸舰船难以检测的问题,提出了一种直线特征辅助的靠岸舰船检测方法。首先利用高精度的卷积神经网络目标检测算法YOLOv3对影像进行粗检测,获取可能存在舰船目标的区域作为兴趣区域;然后提取影像的直线特征,将直线的方向作为确定舰船方向的辅助信息;最后利用具有一定角度的滑动窗口遍历兴趣区域获取候选目标,并对侯选目标进行二次分类和识别得到最终检测结果。利用不同港口的遥感影像进行实验的结果表明,提出方法能够有效检测港口内多种方向和并列停靠的舰船目标。  相似文献   

结合主成分分析的BP神经网络模型的教学质量评价方法研究     

刘亚文  周军其 《测绘地理信息》2019,44(5):107-109

  相似文献   

混沌理论在跨海大桥变形预测中的应用     

张艳兰  魏永飞 《测绘与空间地理信息》2019,42(9)

  相似文献   

基于改进自组织神经网络的遥感图像分类研究     

王晨安  李浩  李靖 《地理空间信息》2019,17(2)

引入SOM自组织神经网络来提高影像分类的精度,针对神经网络中神经元距离选择问题,提出迭代训练方式来确定阈值的方法。以福州市乌龙江与台江下游交汇口土地利用类型作为实例,使用Landsat5遥感卫星数据作为实验影像材料,利用改进神经网络获得的仿真结果可以准确地对原始图像进行分类,实验结果 Kappa系数达到0.9,精度能够满足遥感影像分类要求。  相似文献   

A-FPN算法及其在遥感图像船舶检测中的应用     

于野  艾华  贺小军  于树海  钟兴  朱瑞飞 《遥感学报》2020,24(2):107-115

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。  相似文献   

基于广义回归神经网络的全球表层海水1°×1°二氧化碳分压数据推演     

钟国荣  李学刚  曲宝晓  王彦俊  袁华茂  宋金明 《海洋学报》2020,42(10):70-79

表层海水二氧化碳分压是评估海洋碳源汇强度的关键参数，但其实测数据较少、时空分布极不均匀，导致二氧化碳交换通量的估算有很大的不确定性，海洋源汇特征就不能确切获取。为了解决这个难题，在收集的表层大洋二氧化碳地图(Surface Ocean CO₂ Atlas，SOCAT)实测数据集基础上，运用广义回归神经网络建立二氧化碳分压与经纬度、时间、温度、盐度和叶绿素浓度间的非线性关系，构建了1998?2018年间全球1°×1°经纬度的表层海水二氧化碳分压格点数据，其标准误差为16.93 μatm，平均相对误差为2.97%，优于现有研究中的前反馈神经网络、自组织映射神经网络和机器学习算法等方法。根据构建的数据所绘制的全球表层海水二氧化碳分压的分布与现有研究有较好的一致性。  相似文献   

基于大数据分析下的气候模型     

张宸豪  冯曦  冯卫兵  刘涛  丁坤 《海洋科学》2020,44(10):1-11

为研究全球变暖与极寒天气间的关系，对加拿大13个省代表性测站10年的观测数据进行时空变化趋势分析，采用经验正交函数（EOF）寻找海洋表面温度历史数据的变化规律。另外利用BP神经网络建立了年平均温度、日降水量与地球吸热、散热、海表面温度、当地纬度间的关系，预测未来25年气候的变化，并建立了“极寒天气”与气候变化的关系模型。研究表明：高纬度地区温度、降水量普遍较低，同经度地区的温度差异较小且降水量变化不大；加拿大地区温度呈周期性变化，符合北半球的季节变化特征；北大西洋的东部与其他海洋的温度是反相关的，西太平洋南北回归线附近的海洋表面温度升高；“极寒天气”出现频率与气候变化有一定关系，局地极寒现象与全球变暖的大趋势并不矛盾。本研究为人们认识和理解“全球变暖”提供了一个新的思路。  相似文献