一种时空混合插值算法及其应用

针对传统的时空克里格算法的精度受到时空变异函数的影响,而时空变异函数理论模型的选择常受主观因素影响和理论半变异函数局限,没有普适性的建模方法;加之参数较多估计困难,致使插值精度不高的问题,该文提出一种普适性的基于广义回归神经网络自适应时空克里格插值变异函数拟合方法,在此基础上建立了广义回归神经网络与时空克里格结合的新颖时空混合插值算法。通过与传统插值方法在民勤县地下水埋深插值中的比较研究表明,该时空混合插值算法的插值精度显著提高,并且是一个普适性的插值法。     

自然样条半参数模型与系统误差估计

采用自然样条逼近的数据处理方法 ,探讨了自然样条半参数回归分析方法。在补偿最小二乘的原则下 ,利用三次样条函数构造补偿项 ,通过广义交叉核实函数自动选取光滑参数。自编程序进行计算 ,得到了回归参数向量和样条函数的补偿最小二乘估计。模拟计算表明 ,该方法适合于回归函数模型误差与测量系统误差的估计     

变异函数参数的直接求解方法研究

将非线性回归理论应用于变异函数中模型参数的拟合,并以高斯模型为例,分别采用了牛顿法、高斯牛顿法、马夸尔特法和共轭梯度法对其参数进行拟合,思路比较清晰,结果比较理想.     

一种优化高斯过程回归的隧道围岩变形预测方法

为准确掌握隧道围岩变形的发展趋势,实现对隧道施工的准确指导,以及规避高斯过程回归(GPR)采用共轭梯度法求取超参数时存在的缺陷,该文提出利用一种改进果蝇优化算法(MFOA)优化GPR,构建MFOA-GPR预测模型.首先,对标准果蝇优化算法(FOA)的味道浓度函数进行修正,拓展求解的范围;同时引入了一个搜索半径动态调整参数,使得算法在迭代寻优过程中动态调节全局搜索能力和局部开发能力;再将改进的果蝇算法直接应用于GPR的超参数寻优.通过两个实际隧道工程算例进行分析和检验,结果表明,MFOA-GPR方法的预测精度最高,多个精度评价指标均优于GPR、FOA-GPR模型,验证了该方法的有效性.     

半变异函数模型参数估计的综合定权法

针对半变异函数参数估计时点对数法定权未能顾及滞后距的影响，可能无法反应滞后距较小几个点重要性的问题，对多项式回归法的权重进行优化。通过平行四边形法则综合点对数和滞后距的影响，给出一种综合定权法。以球面模型为例，通过不同定权方法估计半变异函数模型参数，实验结果表明综合定权法各点权重更合理，克里金估值也更接近实测值。     

3维实验变异函数的计算方法

探讨了3维空间下实验变异函数的计算方法,给出了具体的计算步骤。在搜索域参数中引入了三个容差变量,尽可能多地搜索样品对,确保计算结果具有统计学意义。根据给出的计算方法,运用C#语言开发了3维变异函数计算工具。     

三种综合高程异常的方法

在工程实践中,应用单一方法确定高程异常的问题存在着局限性,提出综合高程异常的三种方法,分别是经典权法、最优权法和最小二乘支持向量机回归法.通过实例验证这三种方法的有效性,最后,分析这三种方法的优缺点.     

顾及异向性的局部径向基函数三维空间插值

针对三维局部径向基函数(radialbasisfunction,RBF)空间插值过程中合理设置待插值点的邻近搜索范围问题,提出了一种依据变异函数分析探索空间异向性的局部径向基函数插值方法。首先,构建采样点的协方差矩阵求解数据的三个轴向;然后,通过旋转变换将数据变换到新的坐标系下,根据地统计中的变异函数计算三个方向的变程,并将三个变程设置为局部搜索椭球体的三个轴;最后,对每个采样点构建节点RBF,通过对待插值点影响范围内的节点RBF进行线性加权组合,求出待插点的属性值。实验结果表明,该方法顾及了空间数据的异向性,计算精度高,插值结果可靠,是一种可行的顾及异向性的三维空间插值方法。     

资源三号卫星全色与多光谱影像融合方法

在处理新型高分辨率遥感卫星影像时,传统的像素级融合方法会引起绿色植被区域较大的光谱扭曲.本文提出一种适合资源三号卫星影像的融合新方法,可以很好地解决此问题.首先对全色图像进行低通滤波并下采样得到退化后的图像HP,利用回归方法建立多光谱影像与图像HP的方程求解回归系数,考虑到绿色植被颜色失真严重,采用NDVI进行分类,分别求取绿地和非绿地的回归系数进行分类融合.试验结果证明,该方法在提高多光谱影像分辨率的同时,尽可能多地保持了光谱信息,特别是绿色植被区域,融合效果要好于其他方法.     

大湾隧道监测数据的处理与分析

大湾隧道是邵怀高速公路重要工程之一,为了确保隧道施工的安全可靠性,对大湾隧道进行了全程监控测量工作.对隧道的水平收敛测量数据和拱顶沉降测量数据进行了处理与分析,运用了对数函数、指数函数和最小二乘法三类回归函数进行了回归分析,比较了三种回归函数,讨论了其对位移预测准确性的影响.回归分析结果表明最小二乘法不仅可以很好地拟合软弱围岩开挖后的初期变形,还可预估围岩的最终变形量,且相关系数高.     

线性规划在摄影测量粗差检测中的应用

在分析以往粗差检测方法的基础上,论述了线性规划、粗差检测,提出粗差检测的新方法一线性规划法.介绍线性规划最佳可行解的基本思想,并以实例说明线性规划在摄影测量粗差检测中的应用.     

基于Bayesian线性规划的影像纹理识别方法

介绍了Bayesian线性规划的基本原理，利用它解决带有不确定性MRF（尔柯夫随机场）参数的影像纹理识别问题，并提出了将不确定性状态参数变成确定性参数的5种选择方法。通过使用实际航空影像的对比识别实验，给出一个合理的选择方法。本方法为解决纹理识别中带有不确定性特征参数的处理提供了新的途径。     

Enhancing group resolution of TM6 based on multi-variate regression model and semi-variogram function

It is well known that Landsat TM images are the most widely used remote sensing data in various fields. Usually, it has 7 different electromagnetic spectrum bands, among which the sixth one has much lower ground resolution compared with the other six bands. Nevertheless, it is useful in the study of rock spectrum reflection, geo-thermal resources exploration, etc. To improve the ground resolution of TM6 to the level as that of the other six bands is a problem. This paper presents an algorithm based on the combination of multi-variate regression model with semi-variogram function which can improve the ground resolution of TM6 by “fusing” the data of other six bands. It includes the following main steps: (1) testing the correlation between TM6 and one of TM1-5, 7. If the correlation coefficient between TM6 and another one is greater than a give threshold value, then select the band to the regression analysis as an argument. (2) calculating the size of the template window within which some parameters needed by the regression model will be calculated; (3) replacing the original pixel values of TM6 by those obtained by regression analysis; (4) using image entropy as a measurement to evaluate the quality of the fused image of TM6. The basic mechanism of the algorithm is discussed and the V C++ program for implemeting this algorithm is also presented. A simple application example is given in the last part of this paper, showing the effectiveness of the algorithm.     

Enhancing group resolution of TM6 based on multi-variate regression model and semi-variogram function

［1］Castleman K R.Digital image processing.Englewood Cliffs,NJ:Prentice Hall,1996 ［2］Carr J R,Miranda F P.Spectral and texture classification of single and multiple band images.Computers & Geosciences,1996,22(8):849～865 ［3］Chen S P,Zhen W.Conciseness of remote sensing mineral resources exploration.Science and Technology Publishing House,1994(in Chinese) ［4］Costanitini M,Farina A,Zirilli F.The fusion of different resolution of SAR images.Proceeding of IEEE,1997,85(1):139～146 ［5］Dong Q,Fang H L.The use of variogram in remotely sensed images.Journal of Remote Sensing and Application,1997,12(1):7～13(in Chinese) ［6］De Jong S M,Burrongh P A.A fractal approach to the classification of Mediterranean vegetation types in remotely sensed images.PE & RS,1995(61):1 041～1 053 ［7］Fang H L,Qian G H.Fusion of ADEOS-AVNIR panchromatic and multispectral image data using principle component analysis.Journal of Remote Sensing and Application,1998,13(3):48～53(in Chinese) ［8］Franklin S E,Wulder M A,Lavigne M B.Automated derivation of geographic window size for use in remote sensing digital image texture analysis.Computers & Geosciences,1996,22(6):665～673 ［9］He J G,Zhu C G.Methods for data fusion between satellite-boarded SAR and multi-satellite remote sensing.Journal of Earth-science Information,1997 (16):29～33(in Chinese) ［10］Jia Y H.A data fusion method for spatial resolution enhancement of remotely sensed multi-spectral images.Journal of Remote Sensing and Application,1997,12(1):19～33(in Chinese) ［11］Jin G L,Qiu Z C.A research on information amount of multi-spectral images.Acta Geodaetica et Cartographica Sinica,1992,21(2):101～107(in Chinese) ［12］Kang Y H.Theories of data fusion.Xi‘an:Xi‘an Electronic University Press,1997(in Chinese) ［13］Li H,et al. Multi-sensor image fusion using the wavelet transform.Graphical Models and Image Processing,1995,27(3):235～244 ［14］Liu J G.Digital image processing of remotely sensed imagery data.Imperial College of Science,Technology and Medicine,1997 ［15］Liu J G,McM J.Moore:Pixel block intensity modulation: adding spatial detail to TM band 6 thermal imagery.Int.J.Remote sensing,1998,19(13):2 477～2 491 ［16］Lou Z,Zhu C G.Multi-variate statistics fusion of TM images.Journal of Aero-computational Technology,1998,28(3):40～42(in Chinese) ［17］Peng W N.Statistical methods for geo-data processing.Wuhan:Wuhan College of Geology,1983(in Chinese) ［18］Richard J R.Remote sensing digital image processing.an introduction,Berlin:Springer-Verlag,1999 ［19］Wang R S.Image understanding.Changsha:National Defense University Press,1995(in Chinese) ［20］Winkler G.Image analysis.Random Fields and Dynamic Monte Carlo Methods (A Mathematical Introduction),Berlin:Springer-Verlag,1995     

引入模型误差的线性回归模型

在线性回归模型中,经常出现病态问题,严重影响计算结果的精度.文中提出一种引入模型误差求解部分参数的方法,此方法可以改变病态问题,提高部分参数的求解精度,且通过算例检验这种方法的可行性,并探讨它的使用范围.     

基于二次多项式的AOD数据融合方法

针对Aqua和Terra MODIS AOD数据利用线性回归算法拟合结果不够精确的问题,本文提出了二次多项式回归算法对其进行拟合,二次多项式是指这个多项式的项数超过1,且最高次方数为2。采用二次多项式回归和线性回归算法分别对2015年随机选择的一天和4-6月的AOD数据进行拟合,并将两种方法拟合的结果进行对比分析。研究结果显示,针对同一组Aqua和Terra MODIS AOD数据的拟合,二次多项式回归方法拟合得到的RMSE、MAE、R值比线性回归拟合方法得到的值精度都要高很多,说明二次多项式回归拟合方法在Aqua和Terra MODIS AOD数据的拟合方面优于线性回归方法的拟合,证明了二次多项式回归拟合方法适用于此方面的研究,而且能够提升Aqua和Terra MODIS AOD数据拟合结果的精度。     

高层建筑倾斜变形数据处理

沉降测量是建筑物变形分析的重要手段,本文介绍用线性回归和平面回归方法对建筑物倾斜进行变形分析,对线性回归和平面回归的适用性作了说明,并结合实例说明了在建筑物倾斜变形分析中运用线性回归分析法和平面回归分析法的实用性和可靠性。     

基于BP神经网络的霍普菲尔德模型改进研究

为了分析对流层延迟的时空变化规律、提高对流层延迟的改正精度,利用BP神经网络处理非线性问题的优势,改进传统的霍普菲尔德模型得到一种新的融合模型(Hop+BP模型)。分别对比Hop+BP模型与传统的霍普菲尔德模型、多元线性回归模型、BP神经网络等模型的计算结果,得到如下结论:霍普菲尔德模型存在一个明显的系统误差,精度较低;多元线性回归的预测精度有所提高,但是其本质是将数据强制拟合,缺少物理解释,难以推广使用;传统的BP神经网络的计算精度较之霍普菲尔德模型有80%的提高,但存在明显的不稳定性;Hop+BP模型具有预测精度高、稳定性好等优点,预测中误差为1.1cm,明显优于传统方法。     

一次范数最小估计的两种算法

测量数据服从正态分布情况下,最小二乘估计具有最优统计性质,如果测量数据受到粗差干扰而偏离正态分布,就会使最小二乘估计的最优性受到严重冲击,而且估计失实。然而,若采用一次范数最小估计,则所得结果比较好。介绍一次范数最小估计(L1估计)的两种算法——选权迭代法和线性规划法,并通过Matlab模拟实验比较这两种方法的优缺点,证明L1估计的良好抗差性。     

利用GIS与线性规划学校最优学区划分

利用运筹学线性规划方法,在GIS软件支持下进行中小学最优学区划分。以就近入学为目标,依据学校、居民点及道路网络构建最优学区划分的整型规划模型,利用ArcGIS 10软件开发了最优学区划分工具。实验表明,优化模型能获得最优目标,且效率较高,所开发的优化工具使用简便,实用性强。