检索结果-南通市图书馆

作者：李海峰哈尔滨工业大学

学位级别：硕士

雷暴大风是一种严重且常见的中小尺度气象灾害天气。雷暴大风天气一般由多个雷暴单体或超级单体构成的狭长状飑线引起,雷暴大风天气具有生成时间短、强度大、破坏力强、变化快、防御困难等特点,常对工农业的生产、人民的生活以及交通运... 详细信息

雷暴大风是一种严重且常见的中小尺度气象灾害天气。雷暴大风天气一般由多个雷暴单体或超级单体构成的狭长状飑线引起,雷暴大风天气具有生成时间短、强度大、破坏力强、变化快、防御困难等特点,常对工农业的生产、人民的生活以及交通运输等行业造成严重的危害。相比于中长尺度的气象灾害现象,雷暴大风的识别和预测十分具有挑战性,气象领域的中外学者对此问题做了大量预报及预警方面的研究。利用机器学习和深度学习方法进行雷暴大风识别的研究,目前仍然处在前沿探索阶段,因此本课题的研究不仅具备较高的学术价值,同时拥有紧迫的现实意义。针对雷暴大风识别任务,本文基于深圳市气象局提供的广东省2015-2017年的雷达回波拼图数据、气象自动观测站数据,构建雷暴大风样本集,并进行雷达回波杂波滤除、噪声样本剔除等数据预处理。本文使用十种基于传统机器学习的雷暴大风识别方法,通过提取雷达组合反射率、垂直液态水含量(VIL)、雷达回波顶高等共十种雷达特征,对雷暴大风区域进行识别。为了减少雷暴大风的误识别率,本文设计基于形态学的飑线分割方法,仅对飑线区域的雷达回波进行雷暴大风识别,在提升识别速度的同时,有效提升雷暴大风的识别率。为充分利用雷暴大风识别问题的时空特性,本课题结合卷积神经网络和循环神经网络的优点,考虑雷达图像的时序因素和空间上下文的关系,设计并实现了四种雷暴大风识别网络模型。分别是简单卷积神经网络模型、空间上下文循环卷积神经网络模型、时间循环卷积神经网络模型,以及综合两种模型优点的时空循环卷积神经网络模型,设计实验对四种模型进行严格的实验对比。同时将深度学习模型,与使用手工提取特征的十种传统机器学习方法进行比较。实验结果表明:本文提出的方法在雷暴大风识别问题上具有较高的识别准确率,针对雷暴大风识别问题设计的网络模型,结合飑线分割方法,在5000个雷暴大风测试样本上的识别准确率达到83.2%,相比气象领域的传统方法有明显优势。本课题利用机器学习和深度学习方法,针对雷暴大风识别问题进行了系统的研究、实验和分析。通过搭建雷暴大风识别展示系统,使雷暴大风识别问题的研究流程化,本文搭建的系统将部署到深圳市气象局,供气象预报人员使用。

关键词：雷达回波雷暴大风识别机器学习深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卫星图像序列的强对流天气预警算法

基于卫星图像序列的强对流天气预警算法

作者：程乾哈尔滨工业大学

学位级别：硕士

气象研究表明,强对流往往是导致暴雨、龙卷风、冰雹等自然灾害的直接原因,这些自然灾害会给人民的生活生产行为带来很大的不便,严重时甚至会危害到人民的生命安全。如果我们能够预测对流云系的发展过程,就可以在一定程度上规避自然灾害... 详细信息

气象研究表明,强对流往往是导致暴雨、龙卷风、冰雹等自然灾害的直接原因,这些自然灾害会给人民的生活生产行为带来很大的不便,严重时甚至会危害到人民的生命安全。如果我们能够预测对流云系的发展过程,就可以在一定程度上规避自然灾害带来的损失。我们可以从卫星云图图像序列中观测到对流的变化过程,为了预测对流云的未来发展形态,我们可以先预测卫星云图的后续变化形态,然后根据预测得到的卫星云图检测强对流。该过程可以抽象为视频预测和图像序列分割两个问题。现有的视频预测算法和图像分割算法应用场景比较广泛,没有针对卫星数据的特点设计特定的模型算法。在视频预测问题中,目前主流方法往往是基于seq2seq结构的,这种结构的一大缺点就是解码器获得的信息仅仅来源于编码器对输入的编码,导致的问题就是随着预测步数增加图像越来越模糊。在图像分割问题中,当前的方法大多是针对单帧图像的并且需要分割的目标是刚体,这些方法没有考虑到图像序列中时序特征对分割效果的作用以及目标是流体的情况。本文针对seq2seq预测框架的不足提出了基于特征金字塔的递推模型。特征金字塔的设计主要是为了融合不同粒度的特征,更加准确地还原图像。为了更好地利用多尺度特征,本文的模型还采用了多尺度目标优化方案并设计了相应的损失函数。递推架构的设计参考了单向语言模型的思路,主要是为了解决预测多步时图像模糊的问题。本文模型的预测结果相较于当前主流方法更加清晰,并且HSS指标提升了0.71%,CSI指标提升了0.51%。强对流云是卫星云图中的一种特殊的云系,它是一种流体,即它在变化过程中会发生大尺度的形变。一般情况下,精确检测对流云需要结合卫星云图的变化过程,因此本文提出使用Seq U-Net模型来解决该问题。Seq U-Net将时序特征引入到了图像分割问题中,模型中使用了卷积-长短期记忆网络来提取时序特征。本文模型结果较之前的模型在POD和CSI指标上分别有0.54和0.21个百分点的提升。

关键词：递推模型特征金字塔时序特征强对流

基于大气运动时空特征建模的超短期风功率预测算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于大气运动时空特征建模的超短期风功率预测算法

作者：陈武桥哈尔滨工业大学

学位级别：硕士

面向非等间隔卫星图像序列的对流云团预报方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向非等间隔卫星图像序列的对流云团预报方法研究

作者：龙永深哈尔滨工业大学

学位级别：硕士

在气象领域，对流云团往往伴随着冰雹、强降雨、雷暴大风等强对流天气，这对人民生产生活以及各地区的经济发展带来了巨大的隐患。随着国家卫星技术的发展，我国在静止气象卫星领域已经取得重大突破，这使得通过卫星图像进行对流云团预... 详细信息

在气象领域，对流云团往往伴随着冰雹、强降雨、雷暴大风等强对流天气，这对人民生产生活以及各地区的经济发展带来了巨大的隐患。随着国家卫星技术的发展，我国在静止气象卫星领域已经取得重大突破，这使得通过卫星图像进行对流云团预报变成一种可行的手段。但是由于卫星本身的设置以及太空数据传输的影响，地面卫星中心所收到的卫星回传图像常为非等时间间隔图像序列，不规律的时间间隔尺度为对流云团预报带来了困难。　　对流云团预报任务本质上是图像序列外推任务与图像语义分割任务相结合，随着深度学习的发展，这两个任务在许多数据集上已经取得了巨大的成功，但在对流预报任务上还未进行深入的研究。在传统外推模型应用中，都是以等时间间隔的历史图像序列作为输入，而本文研究的任务是以非等时间隔的历史图像序列作为输入。这种输入序列的差异为本文的研究任务带来了挑战。　　本文以国产静止气象卫星风云四号A的全圆盘观察数据为研究基础，展开非等间隔卫星图像序列的对流云团预报任务的研究。本文通过基于常微分方程的门控卷积循环神经网络模块，构建出等时间间隔的图像序列，为后续图像外推模型提供了统一时间尺度的图像序列。本文同时提出趋势支流模块，为图像外推提供过去图像序列的时空运动趋势。结合以上两个模块与门控卷积循环神经网络的编码器-解码器架构，构造出基于常微分方程的图像序列外推模型，完成了非等时间间隔卫星图像序列外推任务。实验证明，本文所提模型的效果优于基线模型，并且拥有更高的外推精度和良好的鲁棒性。　　为完成对流云团预报任务，本文构建了三维十字注意力模块，为序列卫星图像分割任务提供了图像的空间变化特征，同时结合短期密集级联网络构建出能够适应序列卫星图像分割任务的模型。然后，结合上文提出的基于常微分方程的图像序列外推模型，本文提出了基于非等时间间隔图像序列特征的对流预报模型。通过该模型本文完成了非等间隔卫星图像序列的对流云团预报任务。实验证明，本文提出的模型在各项指标上优于其他基线模型，证明了本文模型的有效性。最后，本文基于当前研究成果，为东南亚强对流预警监测系统建设项目开发出了一套对流云团预报系统，并用于实际气象预报任务中。

关键词：对流云团预报图像序列外推语义分割神经微分方程

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于嵌入式Linux的机器人控制和交互

基于嵌入式Linux的机器人控制和交互

作者：孔祥基汕头大学

学位级别：硕士

机器人的应用已经迅速扩展到娱乐、家庭、工业、医疗等多个领域。随着集成电路、5G通信、嵌入式等相关技术的进步,人们对于机器人的需求已经不再局限于简单的控制,拥有良好的人机交互能力是机器人发展的核心方向。基于高可靠性、低成本... 详细信息

机器人的应用已经迅速扩展到娱乐、家庭、工业、医疗等多个领域。随着集成电路、5G通信、嵌入式等相关技术的进步,人们对于机器人的需求已经不再局限于简单的控制,拥有良好的人机交互能力是机器人发展的核心方向。基于高可靠性、低成本的机器人控制系统,并融合视觉、听觉等感知技术,来提高机器人的智能交互能力已成为近年来的研究热点。在小型人形机器人领域,低成本的控制器和开源、移植性高、可裁剪性高的操作系统组成的控制系统决定了产品的市场占有率,以及机器人二次迭代更新的速度。因此,本文基于ARM架构的硬件平台,结合嵌入式Linux操作系统以建立高性价比的交互控制系统为主要目标。通过结合其他硬件模块,及开源软件资源,实现机器人的语音交互控制,视觉信息在局域网内的采集压缩传输。论文的主要内容有:1.以ARM架构的S3C2440为硬件核心,移植嵌入式Linux系统及其他开源软件资源,搭建起了一个人形机器人控制系统。2.以搭建的软硬件系统为基础,在嵌入式Linux系统内实现对机器人运动的控制。结合语音识别模块、语音合成模块,实现机器人语音交互控制,完成了语音识别芯片在Linux系统下的驱动开发,及在Linux系统下机器人舵机、语音合成芯片等硬件设备的使用。在此过程中介绍了UART、SPI等通信协议以及Linux系统下字符设备驱动开发、SPI总线设备驱动的开发。3.基于Linux中的v4l2视频应用框架、USB摄像头驱动框架、H264编码、RTP协议等相关技术,并借助无线网卡和USB摄像头,模拟实现机器人视觉信息采集压缩,并通过网络发送至上位机。

关键词：机器人控制嵌入式Linux Linux驱动语音交互视频传输

基于分区混合模式的电影推荐系统的设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分区混合模式的电影推荐系统的设计与实现

作者：李为聪汕头大学

学位级别：硕士

随着互联网的蓬勃发展,数据过载日益严重,实现信息的快速高效挖掘极具价值。近年来兴起的推荐系统融合了信息挖掘和人工智能技术,契合了网络信息挖掘的需求。在传统的推荐系统中,存在着冷启动、数据稀疏以及扩展性等问题,制约着技术的... 详细信息

随着互联网的蓬勃发展,数据过载日益严重,实现信息的快速高效挖掘极具价值。近年来兴起的推荐系统融合了信息挖掘和人工智能技术,契合了网络信息挖掘的需求。在传统的推荐系统中,存在着冷启动、数据稀疏以及扩展性等问题,制约着技术的进一步发展;同时单一的推荐算法效果较差,已经无法满足用户日益增长的需求。针对上述问题,本文在调研了大量推荐系统和大数据处理框架后,提出了一种基于分区混合模式的电影推荐系统,并在Spark分布式平台上搭建实现。相关研究工作如下:（1）针对LFM算法在小样本数据集上的数据稀疏问题,引入了基于TF-IDF的UGC算法进行优化,将UGC和LFM融合处理后作为新的离线推荐算法。实验结果表明,相比于单一的LFM算法,改进后的算法的三项性能评价指标都有一定的提升。因此通过算法融合的方式可以弥补单一算法的缺陷,UGC算法起到了辅助修正LFM算法误差的作用。（2）针对目前Spark生态圈中主流的余弦相似度在线推荐算法所存在的缺陷,引入流形空间中测地线度量,并实现了相应的算法。所提出的新的推荐算法既考虑了数值的差异,也兼顾了电影数据分布的空间结构。实验结果表明,作为信息几何领域与大数据在线推荐领域的一个有益结合,所提出测地线算法的三项性能指标与传统余弦相似度等算法相比具有明显的优势。（3）基于上述改进后的离线和在线推荐算法,严格按照软件工程的思维,从实现和性能两方面综合考虑,设计并搭建了一套完整的、能够与用户友好交互的电影推荐系统。整个推荐系统基于分区混合模式来设计,并由在线推荐区、离线推荐区和热门统计推荐区三大部分组成,具备常用的查看、评分和搜索等基础功能。该系统能够稳定高效地完成预设推荐,验证了分区混合模式应用的可行性和有效性。

关键词：推荐系统 Spark LFM算法 UGC算法测地线算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于生成对抗网络的卫星图像修复方法研究

基于生成对抗网络的卫星图像修复方法研究

作者：李悦城哈尔滨工业大学

学位级别：硕士

卫星由于其自身的机械抖动、所在的太空环境的辐射等因素,生成的图像存在一定的缺陷,例如坏点和坏线等,这些缺陷严重影响卫星图像在辐射传输计算、数值模式预报等方面的应用,因此对卫星图像的修复成为一个重要任务。尽管国内外关于卫星... 详细信息

卫星由于其自身的机械抖动、所在的太空环境的辐射等因素,生成的图像存在一定的缺陷,例如坏点和坏线等,这些缺陷严重影响卫星图像在辐射传输计算、数值模式预报等方面的应用,因此对卫星图像的修复成为一个重要任务。尽管国内外关于卫星图像图像修复已经开展了一些研究工作,目前的效果仍较差强人意。本文针对上述问题,基于国产风云一号卫星采集的卫星图像开展了卫星图像修复研究。当前基于单一显式结构推理的图像修复模型取得不错的修复效果,但这类模型容易因为边缘预测精度不高而出现结构不准确、模糊等问题。本文为了解决这个问题提出了基于多种显式结构推理和生成对抗网络的卫星图像修复模型Structure Connect。Structure Connect模型将图像修复分为两个阶段,先显式地进行边缘和阈值分割图像的推理,之后再结合这些结构信息对图像进行修复。模型中新提出的基于生成对抗网络的阈值分割图像修复网络有助于改善边缘预测网络样本不均衡、连续性差等问题,以提供更加准确的结构信息。实验表明,在不同的噪声比例,阈值分割图像修复网络的修复结果相对于边缘修复网络更加准确,且Structure Connect模型的PSNR比基准模型Edge Connect提升了大约0.2db。为了更好地利用卫星图像具有多个通道的特性进行图像修复,本文提出了基于样例生成对抗网络模型Ex UGANs,该模型采用了多任务学习的框架,在图像修复任务的基础上新增加了额外的参考图片等效映射任务。具体地,Ex UGANs模型设计了一个共享编码器和两个独立解码器的结构,使得编码器更好地学习参考图片的特征表示,以提升模型的泛化能力。同时,为了缓解模型中瓶颈结构的信息损失和输入中缺陷区域跟周围区域的不一致性,本文还在模型中引入了U-Net结构和门控卷积,以帮助模型进行信息补全和信息筛选。实验表明,在不同的噪声比例,Ex UGANs模型的PSNR相对于基准模型Ex GANs提升了大约1.5db,且多个改进均对结果有所提升。

关键词：卫星图像修复生成对抗网络结构推理样例图像修复多任务

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于优化改进算法的压缩感知图像重建研究

基于优化改进算法的压缩感知图像重建研究

作者：王聪汕头大学

学位级别：硕士

世界科技飞速发展的今天,人们逐渐走向了大数据时代。人们对图像信息的需求量越来越大,随之对图像处理技术的要求也越来越高。压缩感知（CS）是一种新型的信号采样技术,该理论利用测量矩阵对信号进行了降维测量,在获取图像的同时对图像... 详细信息

世界科技飞速发展的今天,人们逐渐走向了大数据时代。人们对图像信息的需求量越来越大,随之对图像处理技术的要求也越来越高。压缩感知（CS）是一种新型的信号采样技术,该理论利用测量矩阵对信号进行了降维测量,在获取图像的同时对图像数据进行压缩,减少了图像数据采样量,很大程度的降低了数据传输、处理和存储的要求,为当下大数据量的图像处理技术提供了新的研究思路。然而目前存在的优化算法在重建图像上存在一些问题,所以重建效果不是很好。一方面是重建图像细节信息上有所欠缺,另一方面传统的图像压缩感知重建算法需要人为设置合适的参数,但是参数设置有不确定性,并且需要迭代次数较多,重建用时较长。针对上述问题,论文提出了两种类型的基于深度学习的压缩感知重建网络,利用不同结构的网络优势提升重建的性能,具体研究内容有以下两方面:第一,本文结合残差网络、卷积网络、特征重标定网络和迭代阈值收缩算法,提出了自适应特征提取的残差阈值收缩网络（SRISTA-Net）来重建原始图像。网络中由多个特征提取残差阈值收缩模块组成,它的主要过程是先进行卷积操作、非线性操作和软阈值处理,对ISTA算法中的变换矩阵和涉及到的参数进行学习,挖掘图像稀疏特征,然后进行特征冲标定操作,充分挖掘图像的细节特征,最后统合前一块的输出特征,这种方法能够加快网络训练速度并且提高图像重建质量。一系列实验结果表明,在六种采样率下,SRISTA-Net的图像重建效果较好,重建图像的峰值信噪比都要高于对比算法。第二,本文考虑到测量矩阵是一个固定的矩阵,可能存在不适配网络结构学习的情况,而且像随机高斯矩阵当作测量矩阵时的计算量较大,所以针对测量矩阵的不足,提出了一种自适应采样残差阈值收缩网络。该网络将测量矩阵设计为可学习的,之后改变了图像快速重构的方式,以匹配测量矩阵进行学习。在网络中,还是使用了分支拓扑结构来替换原来的一条通路,使得在重建图像的过程中能够提取更多的图像细节信息,以提高图像重建性能。最后测试阶段将分支拓扑结构合并,变为一条通路,提高了图像重建速度。

关键词：压缩感知图像重建阈值收缩网络深度学习自适应采样结构重新参数化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度序列预测的雷达回波外推算法研究

基于深度序列预测的雷达回波外推算法研究

作者：谢鹏飞哈尔滨工业大学

学位级别：硕士

临近预报是指对当前天气情形进行详细的监测,并对未来2小时内的天气状况进行预报。临近预报的工作重点在于对台风、强降雨、冰雹、雷暴等突发天气进行预测,对当今社会有着重要价值。目前临近预报主要通过对雷达回波图像的分析以及对未... 详细信息

临近预报是指对当前天气情形进行详细的监测,并对未来2小时内的天气状况进行预报。临近预报的工作重点在于对台风、强降雨、冰雹、雷暴等突发天气进行预测,对当今社会有着重要价值。目前临近预报主要通过对雷达回波图像的分析以及对未来雷达回波图像的预测实现,因此临近预报的核心问题即为雷达回波的外推。自上世纪50年代开始人们已经对雷达回波的外推技术进行了研究并逐渐形成了一系列的传统方法,其中光流法因其可以对变化强烈的天气场进行外推而得到了广泛的应用。但光流法的三大假设在雷达回波图像领域不成立,导致其预测图像精度不高,无法满足预测需求,同时其无法利用已有的大量气象数据。随着近年来的深度学习发展,人们陆续提出了一系列基于深度学习的雷达回波外推模型,虽然预测指标有所提升但仍然有着生成图像模糊失真、细节消失的缺点。针对该问题,本论文主要完成了以下两个方面的研究内容:首先,本论文针对现有深度序列外推框架提出三点改进策略。通过对于现有深度序列预测框架的分析指出主要问题在于两点:循环神经网络单元对于时空信息建模能力不足;在提取雷达图像空间特征时存在特征损失。因此本论文提出三点改进策略:降低采样层信息损失;增强采样层性能;增强循环神经网络单元性能。通过对比试验,本论文证明三种改进策略能够提升预测的准确性,提高生成图像的质量。其次,基于三种改进策略对当前框架进行改进后,其结果仍然存在着清晰度不足和细节缺失的问题。因此本论文提出基于EBGAN的雷达回波外推模型,该模型在三种改进策略的基础上引入基于能量的判别器,并将判别器视为可学习的目标函数。该模型利用GAN网络在图像生成领域的优势对雷达回波外推算法生成图像的质量进行优化,以解决预测图像清晰度不足、失真的问题。通过实验,本论文证明该结构的有效性。

关键词：深度学习时间序列模型雷达回波外推生成对抗网络 EBGAN

面向静止卫星图像的对流云监测与预警算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向静止卫星图像的对流云监测与预警算法研究

作者：史晓畅哈尔滨工业大学

学位级别：硕士

近年来气象灾害频繁,暴雨、雷暴、台风等强对流灾害天气对人民的生命财产安全和地区的经济发展造成了严重的威胁,建设强对流灾害天气智能预警能力是防治气象灾害的一种有效手段。强对流灾害天气是由中尺度的强对流云团导致的,对强对流... 详细信息

近年来气象灾害频繁,暴雨、雷暴、台风等强对流灾害天气对人民的生命财产安全和地区的经济发展造成了严重的威胁,建设强对流灾害天气智能预警能力是防治气象灾害的一种有效手段。强对流灾害天气是由中尺度的强对流云团导致的,对强对流云进行实时地监测和预警是提升预警能力的关键。本文以静止气象卫星FY-4A的中国区观测数据为基础,开展对流云监测与预警任务的研究。对流云监测任务是在卫星云图中将对流云覆盖区域分割出来,与语义分割任务本质上是一致的。目前对流云监测业务使用的是传统亮温阈值法,其由于忽略了不同对流系统之间的差异,存在较大的缺陷。本文为了更好地利用对流云边界特征和对流云发展过程的时序性,提出了基于边界特征提取的对流云单帧监测模型和基于时空循环框架的对流云序列监测模型。本文引入对流云边界特征提取模块,用于解决对流云之间边界分离模糊的问题。同时为了获取更好的监测细节,本文利用数据依赖上采样优化分割解码模块。考虑到对流云发展过程的时序特性,利用多尺度时空循环框架将对流云单帧监测模型重构为序列监测模型,充分利用对流云发展过程中的时空特征。在中国区观测数据上进行了大量的实验,结果表明了两种监测模型的有效性。对流云预警任务是卫星云图预测与对流云分割任务的结合体。本文为了更好地利用预测模型中的时空特征,构建了基于时空特征耦合的端到端对流云预警模型,获得了优于两阶段独立模型的预警效果。为了缓解随着预警时间延长导致时空特征损失加剧,本文引入对合算子对空间编码模块进行优化,利用对合算子的空间特异性对时空特征进行优先级加权重组,降低关键特征的损失。同时,利用对流云目标对象表征模块对序列分割解码器进行优化,将对流目标区域语义信息融入到像素级特征表示中,提升了像素级特征表示的丰富度。实验结果表明,时空特征耦合预警框架获得了在0-3h内较好的预警效果,并且基于对合算子和目标对象表征模块的优化进一步提升了在0-3h内的对流云预警效果。

关键词：静止气象卫星对流云监测与预警语义分割图像序列预测