-
公开(公告)号：CN116486289A
公开(公告)日：2023-07-25
申请号：CN202310708708.1
申请日：2023-06-15
Applicant: 西南石油大学
Abstract: 本发明公开了一种多源数据和知识驱动下的燃气管道高后果区识别方法，收集待识别管道带有坐标信息的矢量线数据；判别出待识别管道缓冲区内存在建筑物集群的所有区域并利用无人机对建筑物集群区域进行拍摄；通过对无人机得到的多视角影像经过预处理；建立空间信息数据库；构建建筑物属性信息数据库；构建空间‑属性一体化数据库；对管道周边地区等级进行定量化计算并确定高后果区等级。本发明结合不同来源的数据，分别利用其优势和应用方式，提高了高后果区识别的精度；构建空间‑属性一体化数据库，提高管理和后续计算的效率；建立地区等级定量化计算模型，减少人为判定主观误差；利用规则知识库，实现自动化高后果区等级计算。
-
公开(公告)号：CN112907587B
公开(公告)日：2022-03-01
申请号：CN202110353359.7
申请日：2021-04-01
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于GEE的Otsu和边缘检测算法的高山林线提取方法，包括步骤：S1、选择数据源：采用拥有30米分辨率的多光谱陆地遥感卫星Landsat8影像，或使用Landsat7或Landsat5影像；所选影像处于植被早期生长季4‑6月，待提取的目标是有高山林线的区域；S2、对目标区域的遥感图像进行预处理；S3、采用归一化植被指数NDVI提取遥感影像中的植被区域；S4、图像分割与边缘检测：在GEE平台中引入Otsu算法，实现NDVI指数的图像分割，进一步使用边缘检测算法提取高山林线；S5、对图像进行后处理，最终得到高山林线的分布图。本发明的方法提取高山林线的技术流程自动化高，快速简单，提取效果好，能实现批量操作，避免了传统野外调查费时费力和不安全的问题。
-
公开(公告)号：CN116486289B
公开(公告)日：2025-05-02
申请号：CN202310708708.1
申请日：2023-06-15
Applicant: 西南石油大学
Abstract: 本发明公开了一种多源数据和知识驱动下的燃气管道高后果区识别方法，收集待识别管道带有坐标信息的矢量线数据；判别出待识别管道缓冲区内存在建筑物集群的所有区域并利用无人机对建筑物集群区域进行拍摄；通过对无人机得到的多视角影像经过预处理；建立空间信息数据库；构建建筑物属性信息数据库；构建空间‑属性一体化数据库；对管道周边地区等级进行定量化计算并确定高后果区等级。本发明结合不同来源的数据，分别利用其优势和应用方式，提高了高后果区识别的精度；构建空间‑属性一体化数据库，提高管理和后续计算的效率；建立地区等级定量化计算模型，减少人为判定主观误差；利用规则知识库，实现自动化高后果区等级计算。
-
公开(公告)号：CN113376247A
公开(公告)日：2021-09-10
申请号：CN202110822714.0
申请日：2021-07-21
Applicant: 西南石油大学
IPC: G01N27/83
Abstract: 本发明提出了一种新型复合激励多延展方向缺陷漏磁场检测方法，属于缺陷检测领域。所述缺陷检测方法包括：周向检测器与轴向检测器两部分。周向检测器为磁极分量环形结构，由小幅交流线圈与非饱和直流线圈在轭铁上绕制而成，在沿管壁周围的4个分离的磁化器之间均匀的布置有磁敏传感器阵列，主要用于对轴向延伸缺陷的检测。轴向检测器为二级线圈结构，主要利用两个激励线圈相互串联连接，提供直流激励电源，在线圈中心位置产生较为均匀的磁化场，在两个线圈的中间布置磁敏传感器，组成轴向磁敏检测阵列，主要用于对周向延伸缺陷的检测。同时两大磁化器间隔相应间距，进一步减小磁场的相互干扰。本发明实现了管道漏磁无损检测磁化器的小型化并减小了漏检几率，对于轴向与周向延展方向都有较好的检测效果。
-
公开(公告)号：CN116109940B
公开(公告)日：2025-05-02
申请号：CN202310040976.0
申请日：2023-01-12
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于点扩散函数模拟与时间序列回归的GIMMS‑MODISNDVI数据融合方法，包括以下步骤：S1：选择数据源，获得遥感影像的数据集一；所述数据集一包括GIMMS NDVI3g数据集和MOD13A2NDVI数据集；S2：对数据集一进行滤波预处理，获得滤波预处理后的数据集二；S3：对数据集二中两款遥感影像的重叠时间段的数据，采用最大值合成法进行最大值合成处理，获得两种数据的月分辨率数据集三；S4：建立融合模型，根据数据集三，利用点扩散函数模拟与时间序列回归，确定融合模型的未知参数，从而获得最终的融合模型；S5：利用最终的融合模型处理2015年以后的MOD13A2NDVI数据集，从而获得时间周期延长后的GIMMSNDVI3g数据集。本发明能够对GIMMSNDVI3g数据集进行时间周期延长，且延长精度高、效果好。
-
Patent Agency Ranking
公开(公告)号：CN115965243A
公开(公告)日：2023-04-14
申请号：CN202211724437.0
申请日：2022-12-30
Applicant: 西南石油大学
IPC: G06Q10/0635 , G06Q10/0639 , G06T17/05
Abstract: 本发明公开了一种用于土地利用变化下洪涝风险动态评价的模型链，该模型链包括以下步骤：S1、收集数据，建立格网评价单元；S2、模拟不同发展情景下的未来土地利用变化；S3、计算土地利用变化下未来各评价单元的POP和GDP数值并空间化；S4、以径流系数RC、人口密度POP和生产总值GDP作为动态指标，以大三日降水量M3DP、日降水量≥50mm的天数R50mm、数字高程模型DEM、坡度Slope、到河流的距离DR和地形湿度指数TWI作为静态指标，构建土地利用变化下洪涝风险动态评价指标体系；S5、基于博弈论的主客观集成TOPSIS模型构建，量化洪涝风险。本发明提出的模型链能够系统地预测土地利用变化下洪涝风险空间分布，解决当前洪涝风险评价中对土地利用变化考虑不足的问题。
-
公开(公告)号：CN113191582B
公开(公告)日：2022-09-06
申请号：CN202110274765.4
申请日：2021-03-15
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于GIS与机器学习的道路山洪易损性评价方法，包括步骤：S1、选择格网单元作为基本评价单元，由研究区域的大小确定格网单元的大小；格网单元的长宽不超过5km；S2、通过山洪灾害对道路的作用机理研究和分析，建立道路山洪易损性评价的指标体系；S3、基于支持向量机的道路山洪易损性评价的SVM模型的建立；S4、SVM训练数据集与测试数据集的建立；S5、SVM模型的训练和测试；S6、根据计算道路造价后得到的格网单元内道路的暴露度，与SVM模型输出得到的减灾力，得到单元内道路的易损性评价结果，并进行制图和分析。本发明提供的评价方法计算精确，原理可靠，操作过程易学简便，能够普遍适用于道路山洪易损性评价的需要。
-
公开(公告)号：CN112907587A
公开(公告)日：2021-06-04
申请号：CN202110353359.7
申请日：2021-04-01
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于GEE的Otsu和边缘检测算法的高山林线提取方法，包括步骤：S1、选择数据源：采用拥有30米分辨率的多光谱陆地遥感卫星Landsat8影像，或使用Landsat7或Landsat5影像；所选影像处于植被早期生长季4‑6月，待提取的目标是有高山林线的区域；S2、对目标区域的遥感图像进行预处理；S3、采用归一化植被指数NDVI提取遥感影像中的植被区域；S4、图像分割与边缘检测：在GEE平台中引入Otsu算法，实现NDVI指数的图像分割，进一步使用边缘检测算法提取高山林线；S5、对图像进行后处理，最终得到高山林线的分布图。本发明的方法提取高山林线的技术流程自动化高，快速简单，提取效果好，能实现批量操作，避免了传统野外调查费时费力和不安全的问题。
-
公开(公告)号：CN113191582A
公开(公告)日：2021-07-30
申请号：CN202110274765.4
申请日：2021-03-15
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于GIS与机器学习的道路山洪易损性评价方法，包括步骤：S1、选择格网单元作为基本评价单元，由研究区域的大小确定格网单元的大小；格网单元的长宽不超过5km；S2、通过山洪灾害对道路的作用机理研究和分析，建立道路山洪易损性评价的指标体系；S3、基于支持向量机的道路山洪易损性评价的SVM模型的建立；S4、SVM训练数据集与测试数据集的建立；S5、SVM模型的训练和测试；S6、根据计算道路造价后得到的格网单元内道路的暴露度，与SVM模型输出得到的减灾力，得到单元内道路的易损性评价结果，并进行制图和分析。本发明提供的评价方法计算精确，原理可靠，操作过程易学简便，能够普遍适用于道路山洪易损性评价的需要。
-
公开(公告)号：CN116109940A
公开(公告)日：2023-05-12
申请号：CN202310040976.0
申请日：2023-01-12
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于点扩散函数模拟与时间序列回归的GIMMS‑MODISNDVI数据融合方法，包括以下步骤：S1：选择数据源，获得遥感影像的数据集一；所述数据集一包括GIMMS NDVI3g数据集和MOD13A2NDVI数据集；S2：对数据集一进行滤波预处理，获得滤波预处理后的数据集二；S3：对数据集二中两款遥感影像的重叠时间段的数据，采用最大值合成法进行最大值合成处理，获得两种数据的月分辨率数据集三；S4：建立融合模型，根据数据集三，利用点扩散函数模拟与时间序列回归，确定融合模型的未知参数，从而获得最终的融合模型；S5：利用最终的融合模型处理2015年以后的MOD13A2NDVI数据集，从而获得时间周期延长后的GIMMSNDVI3g数据集。本发明能够对GIMMSNDVI3g数据集进行时间周期延长，且延长精度高、效果好。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.028 seconds)
