检索结果-南通市图书馆

顾及PWV的广西地区多尺度PM_(2.5)浓度预测

在线全文

学校读者我要写书评

暂无评论

桂林理工大学学报 2024年第1期44卷 90-95页

作者：谢劭峰张亚博黄良珂魏朋志张继洪唐友兵桂林理工大学测绘地理信息学院广西桂林541006 桂林理工大学广西空间信息与测绘重点实验室广西桂林541006

针对现有的雾霾预测方法较少考虑可降水量的影响,且大部分预测方法都没有对模型回归残差进行有效处理因而预测精度不是很高的问题,利用广西南宁、桂林、梧州和百色四市2017年的PM_(2.5)日均值数据,结合大气污染物、气象因子和大气可降水... 详细信息

针对现有的雾霾预测方法较少考虑可降水量的影响,且大部分预测方法都没有对模型回归残差进行有效处理因而预测精度不是很高的问题,利用广西南宁、桂林、梧州和百色四市2017年的PM_(2.5)日均值数据,结合大气污染物、气象因子和大气可降水量PWV等因素,分别建立全年和分季度的ARIMA模型对该地区PM_(2.5)日均浓度进行短期预测,并将ARIMA模型预测残差分别用前馈神经网络径向基函数RBF和多层感知器MLP进行拟合,以达到优化ARIMA模型的目的。结果表明,除桂林外,分季度ARIMA模型预测效果优于全年ARIMA模型,季度ARIMA-MLP神经网络预测精度优于分季度ARIMA模型,表明该类模型可以用于区域PM_(2.5)浓度预测。

关键词： PM_(2.5) PWV ARIMA 前馈神经网络

在线全文

学校读者我要写书评

暂无评论

基于SSA-ELM算法的基坑地表沉降预测

桂林理工大学学报 2024年

作者：刘银涛任超桂林理工大学测绘地理信息学院桂林理工大学广西空间信息与测绘重点实验室

针对传统的极限学习机算法(ELM)在进行深基坑的地表沉降预测时易陷入局部极小、网络结构中参数选取不准确以及预测精度不佳等问题,提出了一种基于麻雀搜索算法(SSA)优化极限学习机算法的基坑的地表沉降预测模型,根据麻雀搜索算法收敛速... 详细信息

针对传统的极限学习机算法(ELM)在进行深基坑的地表沉降预测时易陷入局部极小、网络结构中参数选取不准确以及预测精度不佳等问题,提出了一种基于麻雀搜索算法(SSA)优化极限学习机算法的基坑的地表沉降预测模型,根据麻雀搜索算法收敛速度快、寻优能力与稳定性较强等特点,对极限学习机算法中的连接权值与阈值进行优化,并将优化后的模型应用于基坑的地表沉降预测。将麻雀搜索算法优化后的极限学习机算法(SSA-ELM)与传统的ELM算法、 GA-ELM、 PSO-ELM算法进行预测精度对比。实验结果表明:SSA-ELM算法的预测精度高于传统的ELM算法、 GA-ELM算法、 PSO-ELM三组算法,且SSA-ELM算法稳定性更强,在基坑的地表沉降预测方面效果更好,实现了提高预测精度的目的,具有一定的可行性和实用性。

关键词：极限学习机基坑沉降预测麻雀搜索算法优化

基于可解释机器学习模型的南宁市野火灾害易发性研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

科学技术与工程 2024年第2期24卷 858-870页

作者：岳韦霆任超梁月吉郭玥张胜国桂林理工大学测绘地理信息学院桂林541006 广西空间信息与测绘重点实验室桂林541006

野火易发性评价对野火灾害的前期预防以及灾害管理决策的制定至关重要。目前野火易发性的研究主要集中于提高模型的预测精度,而往往忽略对模型的内部决策机制进行解释分析。为此,构建了一种基于可解释机器学习的野火易发性模型,并详细... 详细信息

野火易发性评价对野火灾害的前期预防以及灾害管理决策的制定至关重要。目前野火易发性的研究主要集中于提高模型的预测精度,而往往忽略对模型的内部决策机制进行解释分析。为此,构建了一种基于可解释机器学习的野火易发性模型,并详细分析了各因子对野火易发性预测结果的影响。以南宁市历史野火样本为基础,综合考虑样本的空间分布特征,选取高程、归一化植被指数(normalized difference vegetation index, NDVI)、年均降雨和平均气温等18项评价因子,利用分类和回归树(calssification and regression tree, CART)、随机森林(random forest, RF)、轻量的梯度提升机(light gradient boosting machine, LGBM)和极致梯度提升(extreme gradient boosting, XGBoost)4种机器学习模型构建野火易发性预测模型。基于性能最优的易发性模型,运用沙普利加和解释(shapley additive explanations, SHAP)方法完成特征全局性解释、依赖性分析和典型样本的局部性分析。结果表明:XGBoost较其他模型拥有更优的预测性能,其极高易发区位于南宁市西北部、东部及南部,占全域面积的39.113%;野火灾害易发性主要受NDVI、年均降雨、土壤类型等9项因子的影响;对典型历史野火样本的局部性解释结果可为南宁市指定区域的野火灾害的治理提供针对性参考和指导。

关键词：野火灾害野火易发性评价机器学习模型 SHAP 模型解释

在线全文

学校读者我要写书评

暂无评论

激光雷达主反射镜支撑结构设计与实现

激光与光电子学进展 2024年

作者：周国清高轲吴金煌宋乃回贾国帅周祥徐嘉盛桂林理工大学广西空间信息与测绘重点实验室天津大学微电子学院桂林理工大学机械与控制工程学院桂林理工大学测绘地理信息学院

为满足机载测深B-LiDAR光机系统中反射镜在不同工况下的面形误差，本文提出了一个新的，被称为“反射镜间柔性支撑结构”，通过柔性结构改变反射镜与支撑结构之间的力学关系，来减少反射镜的变形量。本文先通过Zemax制作出光学系统并导... 详细信息

为满足机载测深B-LiDAR光机系统中反射镜在不同工况下的面形误差，本文提出了一个新的，被称为“反射镜间柔性支撑结构”，通过柔性结构改变反射镜与支撑结构之间的力学关系，来减少反射镜的变形量。本文先通过Zemax制作出光学系统并导出到Solidworks制作光机三维模型，再根据实际使用工况通过Ansys对三种结构进行刚度测试和面形分析。根据分析结果可知：使用环形薄圆筒的支撑结构的一阶频率高达331.06Hz；热力耦合作用下镜面变形PV值为37.25nm,RMS值为14.52nm。在1g加速度激励下，反射镜最大加速度响应为4.32g。在随机振动下，反射镜组件最大加速度均方根值达到4.7grms，支撑结构柔性装置的最大应力为21.3MPa,力学特性良好。设计了最大接收视场验证实验、光学系统远距离回波接收实验和机载水深测量实验，可以很好的完成回波接收。综合这些分析：本文设计的反射镜支撑结构，柔性结构稳定可靠，能用于机载测水B-LiDAR系统。

关键词：仪器,测量与计量激光雷达光机系统支撑结构有限元分析

2015年3月特大磁暴期间中国区域电离层TEC NeuralProphet预报模型研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

地球物理学报 2024年第2期67卷 452-460页

作者：马彬黄玲吴晗楼益栋章红平陈德忠王高阳黄良珂桂林理工大学测绘地理信息学院桂林541006 广西空间信息与测绘重点实验室桂林541006 武汉大学卫星导航定位技术研究中心武汉430079 山东省第一地质矿产勘查院济南250014

延迟是全球卫星导航定位中重要的误差源之一,提高电离层TEC建模和预报精度对改善卫星导航定位精度至关重要.本文构建了以太阳辐射通量指数F_(10.7)、地磁活动指数Dst、地理坐标和中国科学院(Chinese Academy of Sciences,CAS)GIM数据为... 详细信息

延迟是全球卫星导航定位中重要的误差源之一,提高电离层TEC建模和预报精度对改善卫星导航定位精度至关重要.本文构建了以太阳辐射通量指数F_(10.7)、地磁活动指数Dst、地理坐标和中国科学院(Chinese Academy of Sciences,CAS)GIM数据为输入参数的NeuralProphet神经网络模型(NP模型),实现在2015年3月特大磁暴期中国区域电离层TEC短期预报.为验证NP模型的预报精度,本文同时构建了长短期记忆神经网络(Long Short-term Memory Neural Network,LSTM)模型进行对比分析.结果统计分析表明,NP模型在磁暴期(2015年DOY076-078)TEC预报值RMSE和RD分别为0.83 TECU和3.13%,绝对和相对精度较LSTM模型分别提高1.49 TECU和10.25%;且NP模型RMSE优于1.5 TECU的比例达97.24%,远高于LSTM模型.NP模型预报值与CAS具有较好一致性和无偏性,偏差均值仅为-0.01 TECU,而LSTM模型预报值的均值偏大,偏差均值为1.49 TECU.从低纬到中纬度的三个纬度带内,NP模型RMSE分别为1.12、0.83和0.44 TECU,精度比LSTM模型提高1.94、1.56和1.23 TECU.整体上,在磁暴期NP模型预报性能明显优于LSTM模型,能够精细描述中国区域电离层TEC时空变化.

关键词：电离层TEC NeuralProphet神经网络 LSTM神经网络短期预报磁暴期

在线全文

学校读者我要写书评

暂无评论

基于色彩信息差异的无人机道路点云提取

桂林理工大学学报 2024年

作者：宋晓辉赵钦蔡耀君唐诗华吕富强桂林理工大学广西空间信息与测绘重点实验室桂林理工大学测绘地理信息学院广西壮族自治区信息中心(广西壮族自治区大数据研究院)

针对无人机道路点云提取过程复杂，提取精度不高等问题，提出一种基于色彩信息差异的无人机道路点云提取方法。首先，采用CSF算法将原始道路点云的地面点和非地面点进行分离，提取出目标点云，再将密集点云中的3个色彩信息值进行三维坐... 详细信息

针对无人机道路点云提取过程复杂，提取精度不高等问题，提出一种基于色彩信息差异的无人机道路点云提取方法。首先，采用CSF算法将原始道路点云的地面点和非地面点进行分离，提取出目标点云，再将密集点云中的3个色彩信息值进行三维坐标的构建，结合DBSCAN进行基于色彩信息差异的无人机道路点云提取，根据道路点云所对应的簇类号，提取出道路点云。最后，再次利用DBSCAN算法，对道路点云进行三维密度的聚类，优化所提取的道路点云数据，得到最终的道路点云。实验结果表明：本文方法提取道路点云数量的正确率为98.19%，完整度为92.20%，总体质量为90.66%，可以有效的提取无人机获取的道路点云。

关键词：无人机道路点云布料模拟滤波 DBSCAN 色彩信息

基于多尺度和加权坐标注意力的轻量化红外道路场景检测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用 2024年第6期44卷 1927-1934页

作者：程小辉黄云天张瑞芳桂林理工大学信息科学与工程学院广西桂林541006 广西嵌入式技术与智能系统重点实验室(桂林理工大学) 广西桂林541006 桂林理工大学机械与控制工程学院广西桂林541006

针对道路场景下红外目标遮挡、缺乏纹理细节而导致目标误检、漏检的问题,提出一种基于多尺度和加权坐标注意力的轻量化红外道路场景检测模型(MSC-YOLO)。以YOLOv7-tiny作为基线模型,首先,在MobileNetV3的不同中间特征层引入多尺度金字... 详细信息

针对道路场景下红外目标遮挡、缺乏纹理细节而导致目标误检、漏检的问题,提出一种基于多尺度和加权坐标注意力的轻量化红外道路场景检测模型(MSC-YOLO)。以YOLOv7-tiny作为基线模型,首先,在MobileNetV3的不同中间特征层引入多尺度金字塔模块PSA(Pyramid Split Attention),设计一种多尺度特征提取的轻量化主干提取网络MSM-Net(Multi-Scale Mobile Network),解决固定大小卷积核造成的特征污染问题,提高对于不同尺度目标的细粒度提取能力;其次,在特征融合网络融入加权坐标注意力(WCA)机制,叠加从中间特征图垂直和水平空间方向上获取的目标位置信息,增强目标特征在不同维度上的融合能力;最后,替换定位损失函数为高效交并比(EIoU),分别计算预测框和真实框的长、宽影响因子,提高收敛速度。在Flir数据集上进行验证实验,与YOLOv7-tiny模型相比,在mAP(IoU=0.5)仅降低0.7个百分点的前提下,MSC-YOLO的参数量减少67.3%,浮点运算次数减少54.6%,模型大小减小60.5%,帧率在RTA 2080Ti上达到101,在检测性能和轻量化上达到平衡,满足红外道路场景的实时检测需求。

关键词：红外道路场景检测多尺度加权坐标注意力轻量化定位损失函数

基于空间尺度效应的山东省PM_(2.5)浓度时空变化及空间分异地理探测

在线全文

学校读者我要写书评

暂无评论

环境科学 2024年第5期45卷 2596-2612页

作者：徐勇韦梦新邹滨郭振东李沈鑫中南大学地球科学与信息物理学院长沙410083 桂林理工大学测绘地理信息学院桂林541006

基于PM_(2.5)遥感数据,采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验,分析2000~2021年山东省PM_(2.5)浓度时空变化特征,结合地理探测器,在省-市-县三级空间尺度上探测影响山东省PM_(2.5)浓度空间分异的影响因子影响力.结果表... 详细信息

基于PM_(2.5)遥感数据,采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验,分析2000~2021年山东省PM_(2.5)浓度时空变化特征,结合地理探测器,在省-市-县三级空间尺度上探测影响山东省PM_(2.5)浓度空间分异的影响因子影响力.结果表明:①时间上,2000~2021年山东省ρ(PM_(2.5))均值在38.15~88.63μg·m^(−3)之间,略微高于《环境空气质量标准》中可吸入颗粒物的二级标准限值(35μg·m^(−3)).在年际尺度上,2013年是ρ(PM_(2.5))变化的峰值年,其值为83.36μg·m^(−3),据此将山东省PM_(2.5)浓度变化趋势分为两个阶段:持续上升和快速下降阶段.在季节尺度上,PM_(2.5)浓度呈现“夏低冬高,春秋居中”分布特征和先降后升的“U”型变化规律.②空间上,山东省PM_(2.5)浓度呈现出“西高东低”的空间分布格局,PM_(2.5)浓度高值区分布山东省西部地区,低值区则分布在东部半岛地区.PM_(2.5)浓度空间变化趋势呈现显著的空间异质性,极显著下降的区域主要分布在东部半岛地区.③因子探测结果表明,气候因子是影响山东省PM_(2.5)浓度空间分异的重要影响因素,平均气温对山东省PM_(2.5)浓度空间分异的影响最高,q值为0.512.省-市-县多尺度探测结果显示,影响PM_(2.5)浓度空间分异的影响因子及其影响力在不同空间尺度上具有差异性.省级尺度上,平均气温、日照时数和坡度是影响PM_(2.5)浓度空间分异的主要影响因子;市级尺度上,降水、高程和相对湿度是影响PM_(2.5)空间分异的主要影响因子;县级尺度上,降水、平均气温和日照时数是影响PM_(2.5)浓度空间分异的主要影响因子.

关键词：山东省 PM_(2.5)浓度多尺度时空变化地理探测器影响因素

在线全文

学校读者我要写书评

暂无评论

西南地区植被NPP对多尺度气象干旱的响应

水土保持学报 2024年第3期38卷 335-344页

作者：靖娟利孙佳荟赵婷付宝苇桂林理工大学测绘地理信息学院广西桂林541006 生态时空大数据感知服务重点实验室广西桂林541006

[目的]为研究植被对不同时间尺度干旱的响应机理,明确西南地区极端干旱事件频发对植被生长产生严重的负面影响。[方法]基于西南地区2001—2019年的NPP数据和1~24个月连续尺度的SPEI数据,采用相关分析法、最大值合成法及显著性检验等方... 详细信息

[目的]为研究植被对不同时间尺度干旱的响应机理,明确西南地区极端干旱事件频发对植被生长产生严重的负面影响。[方法]基于西南地区2001—2019年的NPP数据和1~24个月连续尺度的SPEI数据,采用相关分析法、最大值合成法及显著性检验等方法探究西南地区不同地貌类型植被NPP对多尺度SPEI的响应特征,并分析不同植被类型NPP对多尺度SPEI响应的差异性。[结果](1)在年际、季节及生长季尺度,植被NPP与1~24个月尺度SPEI的响应均以1-3月尺度占主导,表明植被NPP对短期干旱变化具有较好的响应,不同地貌分区响应时间表现出差异性。(2)空间上,植被NPP与1~24个月尺度SPEI的最大相关系数呈明显的异质性和季节性差异。年际相关性表现出从东南—西北呈显著正相关—显著负相关的变化趋势,季节相关性表现为夏季均以显著负相关占主导,春季、秋季和冬季均以显著正相关占主导,表明西南地区的夏季温度高且湿润,使植被生长受限,生长季正、负相关关系的区域面积比例相差不大,且呈显著正相关面积最大的地区为广西丘陵,呈显著负相关面积最大的地区为若尔盖高原。(3)不同植被类型NPP对1~24个月尺度SPEI的响应具有一定差异,尽管草地、灌丛、林地对SPEI的响应特征基本相似,但所有植被类型NPP在夏季随SPEI尺度的缩短呈负相关趋势越强烈。表明在夏季高温干旱条件下,各种植被类型都更易受到干旱的影响。[结论]研究结果为西南地区生态系统的保护和修复提供有效的科学支撑,同时,为防灾减灾及应对气候变化提供重要的理论依据,有助于制定更具针对性的政策和措施,推动西南地区的可持续发展。

关键词：西南地区 NPP SPEI 气象干旱干旱响应相关分析

维普期刊数据库博看期刊