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   

基于改进的BP神经网络构建区域精密对流层延迟模型   总被引：4，自引：0，他引：4       下载免费PDF全文

肖恭伟  欧吉坤  刘国林  张红星 《地球物理学报》2018,61(8):3139-3148

利用神经网络算法挖掘海量数据的规律已成为科技发展的一种趋势，本文针对卫星信号的天顶对流层延迟进行建模.对流层延迟是影响卫星定位精度的重要因素之一，建立精密区域对流层模型对高精度定位有着重要的意义.对区域测站对流层延迟数据的分析，考虑到实时建模中传统BP（Back Propagation）神经网络计算量大，易出现"过拟合"现象、不稳定等因素，通过改进的BP神经网络建立了区域精密对流层模型.详细介绍了新模型的建立过程，并与常用的对流层区域实时模型进行了对比.还讨论了建模测站数目对预报精度的影响.相比现有的其他对流层延迟模型，基于改进的BP神经网络构建的区域精密对流层延迟模型无论在拟合和预报方面都有较好的精度，且随着测站数目的增加模型精度趋于平稳.改进的模型参数较少，可以进行实时的区域精密对流层延迟改正；需要播发的信息量小，适用于连续运行参考站系统（Continuously Operating Reference Stations，CORS）的应用.研究表明：改进的BP神经网络模型能够更好的充分利用大规模历史数据描述卫星信号对流层延迟的空间分布情况，适用于实时大区域精密对流层建模.基于日本地区2005年近1000多个测站的NCAR（National Center Atmospheric Research）对流层数据进行区域对流层延迟建模，结果表明改进的BP神经网络模型在拟合和预报精度上都有较大提升，RMSE（Root Mean Square Error）分别为：7.83 mm和8.52 mm，而四参数模型拟合、预报RMSE分别18.03 mm和16.60 mm.  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   

地震油气储层的小样本卷积神经网络学习与预测   总被引：2，自引：0，他引：2       下载免费PDF全文

林年添  张栋  张凯  王守进  付超  张建彬  张冲 《地球物理学报》2018,61(10):4110-4125

地震储层预测是油气勘探的重要组成部分，但完成该项工作往往需要经历多个环节，而多工序或长周期的研究分析降低了勘探效率.基于油气藏分布规律及其在地震响应上所具有的特点，本文引入卷积神经网络深度学习方法，用于智能提取、分类并识别地震油气特征.卷积神经网络所具有的强适用性、强泛化能力，使之可以在小样本条件下，对未解释地震数据体进行全局优化提取特征并加以分类，即利用有限的已知含油气井段信息构建卷积核，以地震数据为驱动，借助卷积神经网络提取、识别蕴藏其中的地震油气特征.将本方案应用于模型数据及实际数据的验算，取得了预期效果.通过与实际钻井信息及基于多波地震数据机器学习所预测结果对比，本方案利用实际数据所演算结果与实际情况有较高的吻合度.表明本方案具有一定的可行性，为缩短相关环节的周期提供了一种新的途径.  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