基于深度学习的气象资料迹线识别

气象历史资料数字化是中国气象局“气候变化应对工程”的重要建设内容之一。气象历史资料数字化主要内容是完成珍贵纸质气象资料中字符和迹线信息的数字化处理,建立历史长序列气象资料数据集。气象自记纸记录的迹线信息是气象历史资料的重要内容,气象资料迹线信息的准确跟踪和提取是实现气象历史资料数字化的重要环节。然而,由于纸质气象资料存放时间长,气象迹线识别面临迹线记录模糊或迹线晕染等问题。传统的图像分割和迹线提取算法依赖局部或单一的图像特征,无法有效识别复杂背景中的气象迹线信息,特别是变化的、模糊的、晕染的迹线。为了解决上述问题,本文提出了一种基于深度学习模型的气象资料迹线自动识别方法。该方法结合传统算法和U-network (U-net)语义分割网络自动提取不同尺度的光谱和空间特征,实现气象迹线的高精度识别。本文以达因型风自记纸为例,以《地面气象观测规范》为依据,对不同台站、不同年份的3200多张达因风自记纸进行迹线识别验证,风向迹线平均识别正确率达95%,风速迹线平均识别正确率达95.5%。 结果表明该方法能够准确识别迹线,高度还原了气象迹线信息。该方法适用于风、气压、温度、湿度等气象资料迹线自动识别业务化处理,能够大大减少工作量和降低人工成本,为气象预报预测业务和科研工作提供基础数据支撑。     

改进YOLOv5的多车辆目标实时检测及跟踪算法

多车辆目标跟踪时间主要花费在车辆检测模块和对每个车辆表观特征提取模块,一般情况下,车辆检测和车辆表观特征提取是在不同的神经网络中进行的,且一张图中的车辆目标越多,对车辆表观特征提取耗费时间的也越多,推理时间也相应变长。针对这一问题,基于经典的Tracking-By-Detection模式,提出一种改进的YOLO模型：在YOLO网络中添加ReID特征识别模块,使YOLO在输出目标位置信息的同时输出目标特征信息,以提高算法的跟踪速度。针对车辆间彼此覆盖的情况,提出一种基于动态IOU阈值的非极大抑制算法,以提高算法的跟踪精度。最后将YOLO输出的信息进行数据匹配,从而实现多目标跟踪。在UA-DETRAC数据集上验证改进模型的有效性,实验结果表明,将YOLOv5网络进行改进后运用在目标跟踪算法中,相对于经典的YOLO+DeepSORT跟踪模型,在车辆密集的情景下平均推理时间减少了17%;在改进后的网络上添加动态IOU阈值非极大抑制,跟踪精度提高了3.9个百分点。改进后的模型有较好的实时性与跟踪准确率。     

面向光伏电站识别的深度实例分割方法

针对遥感图像上光伏电站边界精细提取的难点,在传统分割网络上添加逐像素的类别信息约束,提出了一种融合逐像素置信度模块的两分支深度实例分割网络。该网络通过四个损失结构和两个分支结构来实现,纵向上保证了网络每一层的语义信息,横向上保证了目标检测分支和分割分支的信息共享,提升了网络对于光伏电站边界的识别能力。采用国产GF-1数据进行新疆光伏电站提取实验,结果表明基于该方法进行光伏电站检测的准确率在召回率为89.5%的情况下达到83.4%,该方法可以为新疆光伏电站动态监测提供支撑。     

基于卷积神经网络-双向长短期记忆网络的人体活动识别方法

针对人体活动传感器数据的时序性特点,以及当前机器学习算法过度依赖手工特征提取的问题,提出了一种融合卷积神经网络和双向长短期记忆网络的深度学习模型(convolutional neural network-bidirectional long short term memory network,CNN-BiLSTM)进行...     

悬挂式深基坑地下连续墙支护数值模拟及工程优化

现场监测难以预测基坑和围护结构后期变形规律,为提前预判并规避基坑破坏风险,采用数值模拟方法预测基坑变形及围护结构工作状态。依托南京市和燕路过江通道八卦洲明挖段实际工程,针对悬挂式地下连续墙深基坑支护方式,动态模拟基坑开挖,研究地连墙墙体深层水平位移和墙体弯矩变化规律,对比监测数据验证模拟合理性。改变悬挂式地下连续墙厚度及埋深,发现地连墙厚度增大可减小深层水平位移,但对抗弯性能要求较大;增大墙体埋深可减小水平位移和墙体弯矩,但超过一定深度影响减小,通过寻求墙体厚度及埋深合理值,优化施工方案。     

季冻区地铁车站深基坑支护体系合理性分析

为研究季节性冻土区地铁基坑由冻胀引起的支护体系的受力变形问题,基于呼和浩特1号线某车站深基坑工程,利用COMSOL Multiphysics软件进行二次开发,开展温度场、水分场和应力场耦合模拟,重点研究越冬地铁深基坑地下连续墙的水平位移以及内支撑轴力的变化。通过模拟改变内支撑纵向间距对原支护体系受力变形的影响来对结构进行优化,并对优化方案的适用性进行评价。结果表明：冻胀变形主要集中在0.45H（H为基坑深度）范围内,该范围内基坑围护结构需加强处理;地下连续墙和8m间隔的内支撑支护是较为合理的支护方式。研究成果可对呼和浩特地区修建地铁车站深基坑支护工程提供参考。     

多特征融合的道路场景语义分割算法

为提升道路场景语义分割的性能以及实际应用性,本文将传统的图像处理算法与深度学习技术相结合,提出了一种多特征融合的轻量级道路场景语义分割网络模型。该模型首先利用颜色空间转化、图像均衡化、边缘检测等算法来对图像多种特征信息进行增强;其次,以深度可分离卷积为基本单元搭建高效率特征提取结构,对特征增强后的图像进行信息融合和提取,并结合跳层上采样操作完成初步分割;最后,引入边缘检测支路来对分割图像的目标边界信息进行细化,保障网络高精度分割。通过实验结果表明,所提网络在分割精度、计算效率上得到了较好的平衡,同时,在实际变电站道路场景应用中,该网络也能实现高效语义分割,为巡检机器人提供有效的道路信息。     

基于DBN-LSTM的滚动轴承剩余寿命预测模型

针对滚动轴承退化数据的复杂性和传统的寿命预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,提出了一种基于融合深度置信神经网络（deep belief neural , DBN）和长短时记忆神经网络（long-short term memory , LSTM）的剩余寿命预测模型。该模型首先采用带通滤波降噪对滚动轴承振动数据进行去噪,然后依据均方根特征和峭度特征在轴承全寿命周期内的趋势图确定模型的预测起始点;其次利用优化后的4层DBN网络完成深度特征提取并用于LSTM的训练与测试。通过轴承全寿命周期试验证明提出模型的可靠性,并且与传统LSTM、BP(back propagation)神经网络和DBN-BP模型的预测结果进行对比,验证了本文模型的有效性。     

光学遥感影像土地利用分类方法综述

土地是实现经济社会高质量发展的基础性资源,光学遥感影像以时间、空间、光谱等特有的优势为土地利用变化的发现、识别、分析提供了很好的支持,利用光学遥感技术提取土地利用变化信息已经成为重要的研究领域。论文以近年来土地利用分类相关文献为基础,分别从数据源、处理流程、处理精度、计算效率等角度对土地利用分类应用较为广泛的目视解译、监督分类、非监督分类、深度学习等四类方法进行了分析和总结。最后展望了光学遥感影像土地利用分类方法的发展方向     

被动区溶洞对地铁车站深基坑稳定性的影响

为研究被动区溶洞对地铁车站深基坑稳定性影响规律,依托大连某地铁车站深基坑工程,基于弹性地基梁理论和尖点突变理论建立了被动区溶洞侧板最小安全厚度表达式,并进行了工程计算。采用FLAC3D软件建立数值模型,分别模拟了被动区溶洞不同侧板厚度、长度、埋深对基坑稳定性的影响。以桩体最大水平位移的模拟结果为具体数据,应用灰色关联分析法对影响基坑稳定的各因素进行了敏感性分析。结果表明：以溶洞侧板厚度为指标,根据数值模拟结果验证了被动区溶洞侧板最小安全厚度表达式的合理性,并可将溶洞侧板厚度对基坑稳定性的影响分为平缓区、明显区和剧烈区,剧烈区内的溶洞须对其进行加固处理;随着溶洞长度的增大,桩体最大水平位移和地表最大沉降位移的增值将加速增大;溶洞埋深与桩体嵌固深度相同时,桩体最大水平位移和地表最大沉降位移变化剧烈,应采取相应的处理措施;在影响基坑稳定性的各因素中,敏感性大小排序为：溶洞长度＞溶洞侧板厚度＞溶洞埋深。可见,在施工前通过理论分析、数值计算、统计分析等方法研究被动区溶洞对基坑稳定性的影响是必要的。