-
公开(公告)号：CN117825414A
公开(公告)日：2024-04-05
申请号：CN202311752912.X
申请日：2023-12-20
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于单频信号的伪距和载波相位观测值的GNSS‑IR高时间分辨率土壤湿度监测方法，属于GNSS干涉反射遥感及土壤湿度监测技术领域。本发明方法通过GNSS地基接收机获取观测值和星历文件，提取单波段的载波相位、伪距以及卫星仰角、方位角；然后线性组合单波段的载波相位和伪距并计算多路径误差，经L‑S频谱分析诊断单频组合信号后优选可用卫星；截取反演仰角附近一定数量的单频组合多路径误差作为输入，经等权最小二乘法计算各卫星相位差；统一相位差与土壤湿度的时间分辨率，等权融合同一时间下的多星相位差，有效结合多方位卫星信号所携带的地表土壤湿度信息，根据一元线性回归原理构建土壤湿度监测模型，实现高时间分辨率下的土壤湿度监测。
-
Patent Agency Ranking
公开(公告)号：CN115439327A
公开(公告)日：2022-12-06
申请号：CN202211159057.7
申请日：2022-09-22
Applicant: 桂林理工大学
Abstract: 本发明涉及无人机影像拼接技术领域，具体涉及一种改进SURF无人机影像快速拼接方法，在影像预处理阶段采用DP‑DnCNN降噪模型对无人机影像进行初步降噪处理，继续采用RW‑IAMF算法对输出影像进行二次修正提升待拼接影像的质量；然后根据无人机影像的航向重叠率及旁向重叠率信息，确定待拼接影像的重叠区域，最后采用FAST特征检测算法替换传统SURF算法的特征检测阶段，对待拼接影像进行特征点快速检测，有效提升影像特征检测的效率，同时对传统SURF算法特征描述阶段进行模板改进，同时引入灰度信息参与特征描述符计算，减小了算法的计算量，有效提升了特征描述的效率，进而提升影像拼接的速度。
-
公开(公告)号：CN115014432A
公开(公告)日：2022-09-06
申请号：CN202210506435.8
申请日：2022-05-10
Applicant: 桂林理工大学
Abstract: 本发明涉及滑坡监测技术领域，具体涉及一种基于多发育因子获取与融合分析的滑坡早期预警监测方法，首先通过遥感的方式对滑坡体进行大范围普查，然后锁定可疑区域并且进行详查，核查可疑区域内的可疑或潜在滑坡体，监测所述可疑区域，采集监测区域的岩性、坡度、形变、降雨及土壤湿度作为滑坡发育因子数据，将滑坡发育因子数据融合处理与历史数据进行比较分析，最后根据分析结果确定滑坡危险等级并且发出预警信息，实现滑坡体的早期预警与防治，同时提高滑坡监测的精确度，降低监测成本。
-
公开(公告)号：CN117825415A
公开(公告)日：2024-04-05
申请号：CN202311752915.3
申请日：2023-12-20
Applicant: 桂林理工大学
Abstract: 本发明公开了一种顾及异常值探测和修正的GNSS双频组合观测值土壤湿度监测方法，属于GNSS干涉反射遥感及土壤湿度监测技术领域。本发明方法通过大地测量型接收机获取GNSS观测数据，提取伪距、载波相位、高度角、方位角和历元；线性组合GNSS双频观测值，利用低通滤波去除电离层延迟后得到双频组合多路径误差；截取大于待求参数个数的多路径误差，经间接平差求解各卫星的原始相位延迟；结合基于最小协方差行列式稳健估计和移动平均滤波探测并修正异常相位，提高相位延迟的质量；最后构建多星线性回归土壤湿度监测模型，实现多卫星的地表土壤湿度信息有效结合，顾及测站环境因素影响，又构建多星非线性土壤湿度监测模型进行对比，共同实现土壤湿度动态监测。
-
公开(公告)号：CN116992363A
公开(公告)日：2023-11-03
申请号：CN202310835083.5
申请日：2023-07-10
Applicant: 桂林理工大学
IPC: G06F18/243 , G06F18/24 , G06F18/214 , G06F18/20 , G06N20/20
Abstract: 本发明涉及预测技术领域，具体涉及一种季节性野火易发性评价方法，首先通过收集及筛选历史野火样本，再利用CF算法构建全季节的CF野火易发性模型，基于此划定负样本选取区域并整合正负样本；其次，对不同时期内的正负样本划分训练集和测试集，基于XGBoost模型构建年度和不同季度的野火易发性预测模型，利用多个评价指标比较分析其合理性和预测性能；最后，利用SHAP全局解释性方法分析不同季节的易发性模型中因子影响程度差异，了解不同季节野火发生的概率以及可能的原因，从而提前采取相应的预防措施，以降低野火的发生率和危害，克服现有的机器学习方法进行各季节野火易发性预测时模型可解释性差以及难以确定主导因素的问题。
-
公开(公告)号：CN116502748A
公开(公告)日：2023-07-28
申请号：CN202310338242.0
申请日：2023-03-31
Applicant: 桂林理工大学
IPC: G06Q10/04 , G06Q10/0635 , G06Q10/0639 , G06F16/29 , G06F16/2458 , G06F17/18 , G06N20/00 , G06Q50/26
Abstract: 本发明涉及滑坡空间风险性预测技术领域，具体涉及一种融合多影响因素的滑坡空间风险性预警决策机制研究方法，通过获取区域历史滑坡数据，并与全面、丰富和准确的影响因子进行融合分析，构建滑坡空间风险性预测模型。在对滑坡高风险地区进行预警的同时，对不同的滑坡影响因素进行分析，综合考虑影响因子的贡献性、因子间的交互作用对滑坡的影响，了解不同滑坡的发生机理并总结滑坡的发生发育规律，为区域滑坡灾害的预警以及防灾减灾策略的制定提供理论和实际依据，通过利用机器学习模型或基于统计学和机器学习方法相耦合的模型，解决现有监测方法中工作量大、预警成本高以及无法实时监测的技术问题。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
