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

Inventor： 岳韦霆 ,  任超 ,  梁月吉 ,  陆家凯 ,  张胜国 ,  梁洁玉 ,  魏振魁 ,  尹安超 ,  林小棋 ,  张旭东

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。

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

Inventor： 岳韦霆 ,  任超 ,  梁月吉 ,  林小棋 ,  梁洁玉 ,  尹安超 ,  魏振魁 ,  张旭东 ,  陆家凯

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：CN117611990A

公开(公告)日：2024-02-27

申请号：CN202311379696.9

申请日：2023-10-23

Applicant: 桂林理工大学

Inventor： 林小棋 ,  任超 ,  李毅 ,  岳韦霆 ,  尹安超 ,  梁洁玉 ,  魏振魁

IPC: G06V20/10 ,  G06V10/26 ,  G06V20/17 ,  G06V10/54 ,  G06V10/58

Abstract: 本发明涉及桉树人工林技术领域，具体涉及基于ReliefF和ACO特征的桉树林面积提取方法，包括对林区进行普查，进行分类样本的选取，得到影像数据源；对影像数据源进行预处理，计算植被特征变量并堆栈，得到特征集；利用ReliefF算法对特征集选择特征子集，并利用ACO算法对特征子集进行搜索二次特征子集；将二次特征子集输入SNIC超像素分割算法分割，得到分割影像；基于堆栈集成学习模型对分割影像提取分类，得到分类结果；基于混淆矩阵对分类结果进行精度评定，并对精度进行验证，该方法结合ReliefF和ACO的特征优选方法搜索二次特征子集，减少信息冗余、提高分类精度，并通过SNIC超像素分割和堆栈集成学习进行桉树人工林提取，再次提高分类准确度。

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

Inventor： 张旭东 ,  任超 ,  邵红娟 ,  梁月吉 ,  尹安超 ,  岳韦霆 ,  梁洁玉

IPC: G01N22/04 ,  G06F17/11 ,  G01S19/37 ,  G01S19/14 ,  G01S19/29 ,  G01S19/24 ,  G01S19/39 ,  G01S19/23

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。

公开(公告)号：CN115439751A

公开(公告)日：2022-12-06

申请号：CN202211159222.9

申请日：2022-09-22

Applicant: 桂林理工大学

Inventor： 闫志恒 ,  邵红娟 ,  任超 ,  李毅 ,  尹安超 ,  张胜国 ,  刘启睿

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/52 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及遥感图像处理技术领域，具体涉及一种融合多注意力的高分辨率遥感影像道路提取方法，基于膨胀残差协同注意力网络，同时结合空洞卷积模块，提取更高维的道路特征信息；在U型结构的跳跃连接部分使用轻量自注意力模块，捕获特征信息的长距离依赖关系；面向通道的交叉注意力模块，消除自注意力机制模块与解码器特征的歧义，提高特征图还原能力；最后使用训练权重对未标记遥感影像进行预测，计算熵值，使用高熵值预测结果为未标注影像打上标签，和原始标签混合输入到训练网络。本发明经过融合多注意力的深度学习道路提取方法，有效建立道路长距离通道与位置信息关系，提高了道路提取的效率。