基于分区间泛化Kriging近似模型的船舶局部结构形状优化

为提高Kriging近似模型在船舶结构性能多维度响应预测方面的适用性,对常规Kriging近似模型进行分区间泛化改进:一是对设计样本点的各个维度(分量)进行划区,并在每一个分区间内采用最优拉丁超立方(OLhd)取样;二是引入比例系数w1组合高斯与指数型相关函数提高模型对数据的泛化能力,从而在每个划分的区间内建立泛化的Kriging近似模型。通过SCH测试函数,验证了构造的分区间泛化Kriging模型有效性。结合参数化建模和改进Kriging近似模型对某过渡肘板和舱口角隅边界进行形状优化,优化第一阶段由改进的近似模型通过多岛遗传算法得到全局初步的最优解,第二阶段在初步解的基础上缩小优化变量范围,由少量的FEM计算即可在小范围内搜寻到精确的最优设计变量。结果表明:分区间泛化Kriging近似模型在预测多维度响应时较常规Kriging模型预测精度更高;分阶段的形状优化流程在保证极小误差和缩小计算成本的情况下能够得到理想的应力分布和重量优化结果,有助于船舶结构的轻量化研究。     

基于多源数据的主体功能区划分方法——以广州市为例

以广州市为例,基于城市感知数据、遥感影像等多源数据,采用卷积神经网络对遥感影像进行了语义提取,将提取结果与兴趣点（Points of Interest）样方密度的功能用地识别结果进行补充校验,根据政策和规划文件建立功能用地与主体功能区之间的关联,利用信息熵分析广州市功能用地混合程度,以辅助判别主体功能区,最终得到广州市主体功能区划分结果。将划分结果与《广州市主体功能区规划（2008—2020年）》和《广州市城市总体规划（2017—2035年）》草案对比验证,结果表明文章所提出的方法精准度较高,并能体现广州市空间格局形态,反映主体功能区实际分布情况。     

SegNet在从低空无人机影像中提取会仙岩溶湿地地物信息中的应用

以广西桂林会仙国家湿地公园核心区为研究区,结合SegNet和低空无人机影像,构建会仙岩溶湿地地物信息提取模型,探讨多分类SegNet模型与融合单分类和双分类SegNet模型分类结果的差别,分析epoch参数设置对模型分类精度的影响。研究结果表明,多分类SegNet模型对会仙岩溶湿地地物的分类结果的Kappa系数和F1分数分别为0.59和0.67,融合单分类和双分类SegNet模型分类结果的Kappa系数和F1分数分别为0.68和0.79;与多分类SegNet模型分类结果精度相比,融合多个单分类和双分类SegNet模型分类结果的F1分数明显增大。因此,融合多个单分类和双分类的SegNet模型更适用于提取会仙岩溶湿地地物信息;构建更优的会仙岩溶湿地地物提取SegNet模型,设置epoch值为10相对更合适。     

虚拟地理环境中基于多模式的多人动作捕捉方法

虚拟地理环境对人类理解、探索地理现象以及发现地理现象之间的联系起到很重要的作用。在基于VR技术的虚拟地理环境中更高效,更自然的交互对虚拟地理环境系统的可用性以及理解、探索地理现象的效率至关重要。当前,人机交互中更自然便捷的交互依赖于动作捕捉技术,而现有的基于单种捕捉模式的动作捕捉方式,易受到遮挡、定位漂移等的影响,捕捉精度受到限制,并只能捕捉单个人的动作,不能满足虚拟地理环境对动作捕捉技术提出的特殊需求。针对单种模式的动作捕捉设备应用于虚拟地理环境受到的限制,本文分析了虚拟地理环境系统中的交互需求以及其对动作捕捉技术提出的特殊需求,创新性的提出了一种基于多种动作捕捉模式以捕捉多人动作的方法。本文方法集中于如何融合基于多种模式的多台设备的动作数据,描述了多人动作捕捉框架及其涉及到的技术,在动作捕捉效果上具有明显提升,能够捕捉多人动作,并开发了原型系统对此方法进行了验证。     

基于圆柱多段拟合的隧道中轴线提取方法研究

提出基于圆柱多段拟合的隧道中轴线提取方法。首先对隧道点云数据进行预处理，并将点云按隧道走向分成不同区段；然后对各区段依据轴线与表面点云法线垂直关系，提取精度较低的中轴线；最后对各区段利用圆柱多段拟合，提取精度较高的中轴线。实验表明，隧道中轴线的提取在一定的采样区间具有较高的稳定性，对直线和弯曲的圆形隧道有良好的适用性，算法可靠，精度较高。     

北京城市绿化的时空动态分析

城市绿化覆盖是城市生态系统的重要组成部分,合理的绿化率和绿化布局可以改善城市环境,提高城市人居适宜性。研究中将2005、2010、2015年北京市土地利用（LUC）数据中的城市居民用地作为城区范围,应用Landsat 5、GF-1影像数据和MODIS产品,利用支持向量机的监督分类方法,提取了2005、2010、2015年的北京市城市绿化覆盖数据,并获取了同期的植被指数（NDVI）数据;继而以城市绿化覆盖率、绿化覆盖均匀度和植被指数为评价指标,在公里栅格和行政区2个尺度上探讨了北京市城市绿化覆盖的空间分布格局和时间变化动态特征。研究表明：① 3个指标在空间和时间2个维度、区县和栅格2个尺度上都表现一致。这反映北京市过去10年中,在绿化面积增加的同时,绿化的空间布局得到优化改善,绿化的质量得到提高。② 2005-2015年,北京市城市绿化覆盖面积由518.93 km² 增加到1405.54 km²,绿化覆盖率由39.9%增加到49.13%,绿化覆盖均匀度由0.598增加到0.653,植被指数由0.42增加至0.5。③ 北京市城市绿化建设存在明显的时空差异。中心城区绿化建设缓慢,成效不明显;重大绿化建设成果主要集中在城市边缘地区和远郊区县。城市绿化改善过程主要发生在2005-2010年。     

基于陆海统筹的我国围填海管理

文章对比分析日本、荷兰和韩国以及我国的围填海管理情况,提出我国在围填海管理方面缺少专门法律、相关规划亟须协调和衔接、海洋管理存在交叉或缺位以及公众参与程度较低等问题;根据陆海统筹的理论内涵,分别从主管部门、规划和资源市场3个维度,对我国围填海管理进行统筹分析;基于陆海统筹建立围填海管理制度框架,重点从规划计划、项目审批、监督检查和后评估等方面加强制度建设,以期优化陆海资源配置和科学管理围填海。     

基于多变量LSTM神经网络的地下水水位预测

为解决以往模型未考虑地下水位相关影响因素的问题，探讨长短期记忆（LSTM）神经网络在地下水位预测中的应用，利用长短期记忆神经网络，采用多变量输入的方式，构建了基于多变量LSTM神经网络的地下水水位预测模型。以泰安市岱岳区J1号监测井为例，采用2001-2014年地下水水位动态监测资料与相关影响因素数据，利用多变量LSTM神经网络对2015-2016年地下水位进行预测，并与单变量LSTM神经网络和反向传播（BP）神经网络进行对比。研究结果表明：以相关影响变量为输入的BP神经网络无法考虑时序变化规律，预测均方根误差最大，为2.399 3；以地下水位为变量输入的单变量LSTM神经网络仅能根据时序变化作出相应预测，无法考虑相关变量影响，预测均方根误差为2.102 2；基于多变量输入的LSTM神经网络的预测精度显著高于单变量LSTM神经网络和BP神经网络，预测均方根误差最小，仅为1.919 1。总体上，多变量LSTM神经网络地下水位预测模型仅在某些峰值处误差较大，但总体预测效果较为理想。