简介:针对LIDAR点云数据中建筑物和植被难以快速分类的问题,提出了应用FCM(FuzzyC-Mean)模糊聚类的方法对离散机载激光点云数据进行建筑物和植被分类的方法.首先针对机载点云数据的特点采用了平面投影的Delaunay构网方法进行点云的三角网重构,然后根据三角网的法向矢量信息的属性不同,利用FCM方法和改进的方位矩阵方法对其进行模糊聚类,进而实现建筑物和植被等不同属性的点云分类.该方法可快速将点云进行分类,且分类结果可用不同颜色进行空间显示.在此基础上,采用IDL(Interfacedescriptionlanguage)语言编制了三维激光点云可视化分类软件LIDARVIEW.并应用该软件对某区域的机载点云数据进行了分类实验.实验结果表明:(1)基于平面投影的Delaunay构网方法特别适合机载LIDAR点云数据的快速构网,且该方法构网速度快、效率高;(2)应用FCM模糊群聚的方法和改进的方位矩阵方法适用于机载LIDAR数据的植被和建筑物分类,分类速度快且效果好;(3)FCM模糊群聚方法对机载LIDAR数据的群聚分类结果可靠、合理,具有较强的通用性和推广性.
简介:造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。
简介:为全面掌握潘家口水库水污染的真实状况,支撑库区近年来开展的水环境综合治理工作。本研究基于2016年10月11日高分一号卫星数据和实测数据,和潘家口水库30个实测水质样本,建立了叶绿素a和溶解氧的遥感估算模型,精度评价结果表明,叶绿素a和溶解氧估算模型总体平均相对误差为19.1%,可满足库区水质监测评估需要;试验期内根据遥感模拟结果发现,水库上游水质情况相对较好,中下游水质情况相对较差,库区水质情况与库区投饵网箱数量、周边生活污水排放量和工矿区污染源密切相关。本研究为库区水环境治理工作积累了一期关键的空间全覆盖的水质遥感监测成果,同时也可为未来库区水质业务化监测提供新的技术手段。
简介:海上风机监测异常数据实时处理,对于风机结构体系功能与安全状态的分析评价,具有十分重要的意义。但现阶段对于异常数据实时处理方法的研究还有待完善。本文结合风机实时监测数据特点,采用具有自动调整参数功能的AR(n)模型预测算法进行异常数据实时处理,对处理机制进行了分析。应用该方法对某海上风机实时采集风速及多种传感器监测数据进行了处理,讨论了该方法的精度及处理效率,验证了该方法对于处理风机异常监测数据的有效性和适用性。