检索结果-南通市图书馆

长沙理工大学学报(自然科学版) 2024年

作者：周访滨杨自强朱衍哲马国伟钟绍平长沙理工大学交通运输工程学院长沙理工大学特殊环境道路工程湖南省重点实验室

【目的】解决现有地形复杂度误差评价方法主观性强、缺少误差解析式的问题。【方法】利用误差传播定律推导了局部高差（local relief，LRE）、局部标准差（local standard deviation，LSD）、局部褶皱度（local rugosity，LRU）和局部... 详细信息

【目的】解决现有地形复杂度误差评价方法主观性强、缺少误差解析式的问题。【方法】利用误差传播定律推导了局部高差（local relief，LRE）、局部标准差（local standard deviation，LSD）、局部褶皱度（local rugosity，LRU）和局部全曲率（local total curvature，LTC）的中误差表达式，依据复合地形因子误差传递规律构建了复合地形复杂度指标提取的误差估计模型（error estimation model for CTCI，CEEM）。通过模拟DEM实验验证了该模型的有效性，并采用三个不同地貌区域的实体DEM进行CEEM泛化实验。【结果】不同噪声影响下，CEEM平均误差、均方差、残差和平均绝对百分比误差最大值分别为-2.1×10-3、7.99×10-6、8.4×10-3和22.8%，绝对系数均在0.961以上，CEEM整体误差微小；不同地貌类型的地形复杂度提取误差存在差异，实验统计结果表明误差大小依次为高山、中山、丘陵。【结论】CEEM模型能定量化描述地形复杂度的提取误差，可为不同复杂地形地貌区域提取CTCI提供参考。

关键词：数字地形分析栅格DEM 误差估计模型误差传播定律复合地形复杂度指标

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于BP网络的复合地形因子提取研究

引用

测绘科学 2023年第1期48卷 227-235页

作者：周访滨马国伟谢财昌杨自强钟绍平长沙理工大学交通运输工程学院长沙410114 长沙理工大学特殊环境道路工程湖南省重点实验室长沙410114

针对复合地形因子现有提取方法过程叠加繁琐、计算量大等问题,利用BP神经网络自适应性好、泛化能力强的优势创建了复合地形因子提取的BP神经网络法。以黄土高原DEM为数据源,选取复合地形复杂度指标为研究对象,采用控制变量法优选网络结... 详细信息

针对复合地形因子现有提取方法过程叠加繁琐、计算量大等问题,利用BP神经网络自适应性好、泛化能力强的优势创建了复合地形因子提取的BP神经网络法。以黄土高原DEM为数据源,选取复合地形复杂度指标为研究对象,采用控制变量法优选网络结构,结合Levenberg-Marquardt算法改进网络收敛速度与精度,优化样本库以克服过拟合问题,获取了综合性能最优泛化模型。实验结果表明,BP神经网络法较传统方法功效显著,拟合优度达到0.99,命中率达到99.98%,均方差为2.91×10^(-5),残差最大绝对值为0.16,平均绝对百分比误差为2.95%,模型提取10次结果标准差最大值为0.14;BP网络用于复合地形因子提取有效可行,为快速提取复合地形因子提供了新途径。

关键词：数字地形分析栅格DEM 地形因子 BP神经网络复合地形复杂度指标

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：