RS和ANN技术在岸线演变分析中的应用
摘要
本文利用实测地形图和遥感图像提供的岸线信息、水文统计数据等资料,以闽江竹岐至侯官段岸线为例对岸线演变进行研究。主要内容是:
遥感岸线信息提取。选择合适的遥感图像进行图像恢复和增强处理。运用岸线遥感原理,采用二值法对遥感岸线数据进行提取,并对遥感岸线误差原因进行分析。通过遥感岸线精度分析,发现采用遥感技术获取的岸线误差较小,可用于岸线演变分析。
利用闽江竹岐至侯官河段实测岸线资料和遥感岸线资料,对岸线动态变化进行了分析研究。所得成果揭示了闽江竹歧至侯官河段岸线变化特点、岸线变化与影响因素之间的关系。
利用BP人工神经网络原理,提出了基于BP神经网络的河道岸线变形预测模型。在模型的建立过程中,对模型的影响因子进行了分析和确定,并对输入、输出因子的获取途径进行了探讨。提出了深泓线位置的估算方法,并进行了可行性验证。在预测过程中,探讨了模型训练样本数与隐含层节点数之间的关系,确定了训练样本数目。通过反复试验,确定了隐含层节点数、学习速率、动量系数等模型参数。同时,对人工建筑物对岸线变形预测的影响也进行了试验分析。预测结果表明模型适用于自然岸段的岸线变形预测,模型计算值与实际值吻合良好。
从新的角度出发,把RS技术和ANN理论用于岸线演变分析,不但弥补了常规大范围测量的缺陷,而且解决了河岸线变形预测难的问题。它是对传统岸线演变方法的补充,也为信息化、数字化建设增加了新的内容。
This paper is taken Zhuqi to Houguan of Min river as research subject, used bank-line information provided by the topographic map of surveying and RS image, statistics data of hydrology to analysis evolution of river bank-line. The main research works and achievements in the paper are as follows:
Extract the RS information and surveying information on bank-line. Select suitable RS image to process recovering and strengthen on image. Use rational of bank-line RS and method of two value in order to extract the data and analysis the reason of error of RS bank-line. Through analysis the precision on RS bank-line to find out the error acquired on bank-line by RS technology is less. And the acquired data can be used in analysis of bank-line evolution.
Analysis on the development of bank-line by using data of bank-line of surveying and RS bank-line information from Zhuqi to Honguan of Min river. The results reflect the features of bank-line from Zhuqi to Honguan of Min river and the relationship between the development of bank-line and influencing factors. With BP artificial neural network, a model is developed to predict river bank-line deformation based on BP neural network. During the process of setup the model, this paper analysis and determine the influencing factors, to discuss the acquiring path on input and output factors, to bring forward the predict method on position of thalweg, and to do the feasibility study. During the prediction, discussing the relationship between the sample size of model exercise and the number of node in hidden layers to determine the sample size of exercising. To determine the parameters of model on number of node in hidden layers, learning rate, coefficient of momentum. At the same time to test on the manual building influence on prediction of bank-line deformation. The predict result indicate the model is suitable for the prediction of bank-line deformation on natural bank-line, the calculated data is in consistent with the actual data.
Start from the new point of view to put RS technology and ANN theory into analysis of bank-line development not only make up the shortcoming of normal big scale measurement, but also solve the problem of difficult to predict the deformation of bank-line. It is the supplement on traditional development of evolution on bank-line and bring new contents on the informative and digital construction.
遥感岸线信息提取。选择合适的遥感图像进行图像恢复和增强处理。运用岸线遥感原理,采用二值法对遥感岸线数据进行提取,并对遥感岸线误差原因进行分析。通过遥感岸线精度分析,发现采用遥感技术获取的岸线误差较小,可用于岸线演变分析。
利用闽江竹岐至侯官河段实测岸线资料和遥感岸线资料,对岸线动态变化进行了分析研究。所得成果揭示了闽江竹歧至侯官河段岸线变化特点、岸线变化与影响因素之间的关系。
利用BP人工神经网络原理,提出了基于BP神经网络的河道岸线变形预测模型。在模型的建立过程中,对模型的影响因子进行了分析和确定,并对输入、输出因子的获取途径进行了探讨。提出了深泓线位置的估算方法,并进行了可行性验证。在预测过程中,探讨了模型训练样本数与隐含层节点数之间的关系,确定了训练样本数目。通过反复试验,确定了隐含层节点数、学习速率、动量系数等模型参数。同时,对人工建筑物对岸线变形预测的影响也进行了试验分析。预测结果表明模型适用于自然岸段的岸线变形预测,模型计算值与实际值吻合良好。
从新的角度出发,把RS技术和ANN理论用于岸线演变分析,不但弥补了常规大范围测量的缺陷,而且解决了河岸线变形预测难的问题。它是对传统岸线演变方法的补充,也为信息化、数字化建设增加了新的内容。
This paper is taken Zhuqi to Houguan of Min river as research subject, used bank-line information provided by the topographic map of surveying and RS image, statistics data of hydrology to analysis evolution of river bank-line. The main research works and achievements in the paper are as follows:
Extract the RS information and surveying information on bank-line. Select suitable RS image to process recovering and strengthen on image. Use rational of bank-line RS and method of two value in order to extract the data and analysis the reason of error of RS bank-line. Through analysis the precision on RS bank-line to find out the error acquired on bank-line by RS technology is less. And the acquired data can be used in analysis of bank-line evolution.
Analysis on the development of bank-line by using data of bank-line of surveying and RS bank-line information from Zhuqi to Honguan of Min river. The results reflect the features of bank-line from Zhuqi to Honguan of Min river and the relationship between the development of bank-line and influencing factors. With BP artificial neural network, a model is developed to predict river bank-line deformation based on BP neural network. During the process of setup the model, this paper analysis and determine the influencing factors, to discuss the acquiring path on input and output factors, to bring forward the predict method on position of thalweg, and to do the feasibility study. During the prediction, discussing the relationship between the sample size of model exercise and the number of node in hidden layers to determine the sample size of exercising. To determine the parameters of model on number of node in hidden layers, learning rate, coefficient of momentum. At the same time to test on the manual building influence on prediction of bank-line deformation. The predict result indicate the model is suitable for the prediction of bank-line deformation on natural bank-line, the calculated data is in consistent with the actual data.
Start from the new point of view to put RS technology and ANN theory into analysis of bank-line development not only make up the shortcoming of normal big scale measurement, but also solve the problem of difficult to predict the deformation of bank-line. It is the supplement on traditional development of evolution on bank-line and bring new contents on the informative and digital construction.
引文
[1]范永贵.遥感技术在铜九铁路湖口特大桥水文条件评价中的应用[J].北京测绘,1994,(4):16-18
[2]高彦华,汪宏清.遥感技术在土壤侵蚀动态检测中的应用[J].中国水土保持,2004,(1):33-34
[3]黄家柱,闾国年.数字长江河道实验中遥感技术应用研究——以长江江苏段为例[J].长江流域资源与环境,2002,Vol11(1):40-42
[4]范作江.遥感与地理信息系统相结合的城市扩展研究[J].遥感信息,1997,(3):12-16
[5]叶明全,伍长荣.基于 RBF 神经网络的冠心病识别模型[J].安徽工程科技学院学报,2005 Vol20(1):51-55
[6]林丛.基于 RBF 神经网络的变电站主控系统故障诊断研究[J].测控技术,2005 Vol24(1):32-34
[7]肖胜中,张新政,吴奇峰等.神经网络在污水处理中的应用[J].韶关学院学报,2005 Vol26(3):18-21
[8]罗蓬,胡侨丹,胡国安等.基于人工神经网络的凸轮轴铸造过程数值模拟优化研究[J].四川大学学报,2005 Vol37(2):120-124
[9]郭其一,路向阳,李维刚等.基于小波分析和模糊神经网络的水文预测[J].同济大学学报,2005 Vol33(1):130-123
[10]何彦平,袁翔,夏晶晶.基于神经网络的机械故障诊断[J].公路与汽运,2005(4):16-18
[11]陈一梅,徐造林.基于神经网络的河道浅滩演变预测模型[J].水利学报,2002(8):68-72
[12]袁晶,张小峰.宜昌站洪水过程BP网络预测模型研究[J].人民长江,2003,Vol34(2):10-11
[13]张小峰,胡旭跃,谢作涛.荆江三口分流BP网络预报模型研究[J].人民长江,2003,Vol34(7):33-42
[14]杨大鸣,王呈方,张培林.港口岸线评价模型及其应用[M].水运工程,2003,Vol351(4):38-42
[15]Blodget H W,Taylor P T,Roark J H.Shoreline changes along the Rosetta Nile Promontory-monitoring with satellite-observations [J].Marine Geology, 1991,99(1-2):67-77
[16]杨英力.利用卫星影像判绘海岸线[J].海洋测绘,2004,Vol24(3):49-51
[17]于永海,苗丰民,王玉广等. 基于 3S 技术的海岸线测量与管理应用研究[J].地理与地理信息科学,2003,Vol19(6):24-27
[18]杜涛,张斌.用小波技术分析遥感图像确定岸线位置的研究[J].学术动态,1999(4):19-21
[19]冯兰娣,孙效功,胥可辉.利用海岸带遥感图像提取岸线的小波变换方法[J].青岛海洋大学学报,2002,Vol32(5):777-781
[20]瞿继双,王超,王正志.一种基于多阈值的形态学提取遥感图像海岸线特征方法[J].中国图像图形学报,2003,Vol8(A):805-809
[21]刘建民.河工模型试验在内河航道整治中的作用[J].水道港口,1997(2):1-10
[22]孙梅秀,李昌华,应强等.长江八卦洲汊道整治河工模型试验[J].水利水运科学研究,1995,(4):344-351
[23]程昌华,郑银功.三峡工程变动回水观音滩河段河工模型试验研究[J].重庆交通学院学报,1998,Vol17(1):11-17
[24]黄建成,惠钢桥.计算机技术在河工模型试验控制中的应用[J].人民长江,1997,Vol28(12):43-44
[25]张红武,冯顺新.河工动床模型存在问题及其解决途径[J].水科学进展,2001,Vol12(3):418-423
[26]Bruun P. Sea-level as a cause of shore erosion [J]. Journal of Waterways and Harbours Division,ASCE.1962(88):117-130
[27]李志强,陈子燊.砂质岸线变化研究进展[J].海洋通报,2003,(4):77-86
[28]Hanson H,Genesis-A generalized shoreline change numerical model[J].Journal of Coastal Research.1989,5(1):1-27
[29]孙林云,潘军宁,邢复等.砂质海岸突堤式建筑物下游岸线变形数学模型[J].海洋学报,2001 Vol23(5):121-129
[30]王铮,梅安新.海岸线轮廓演化的解析研究[J].地理研究,1994 Vol13(4):105-110
[31]宋晓刚,蔡泽伟.防波堤后岸线演化的数值解[J].宁波大学学报,1999 Vol12(2):64-69
[32]张启卫.黄河下游泥沙数学模型及其应用[J].人民黄河,1994,(1):4-8
[33]张丽春,方卫红,府仁寿.一维非恒定非均匀泥沙数学模型研究[J].泥沙研究,1998,(3):81-85
[34]杨美卿,王桂仙,卵石夹沙河流动床泥沙数学模型研究[J].清华大学学报,1998,Vol38(1):19-21
[35]马福喜,李文新.河口水流、波浪、潮流、泥沙、河床变形二维数学模型[J].水利学报,1999(5):39-43
[36]陈远芳,高凯春.三峡工程下游宜昌至沙市河段河床冲刷预测[J].湖泊科学,1997,Vol9(4):317-324
[37] Thomas M. Lilldsand, Ralph W. Kiefer 著,彭望琭,余先川等译.遥感与图像解译[M].电子工业出版社,2003
[38] 孙家抦.遥感原理与应用[M].武汉大学出版社,2003
[39] 邢立新,陈圣波、潘军.遥感信息科学概论[M].吉林大学出版社,2003
[40] Sahoo P K Soltani, Wong S A K C, Chen Y C. A survey of threshoiding techniques [J].Computer Vision Graphics Image Processing, 1988, (41):233-260
[41] 金立左,夏良正,杨世周. 图像分割的自适应模糊阈值法[J].中国图像图形学报,2000,Vol5A(5):390-395
[42] 郑宏,潘励.基于遗传算法的图像阈值的自动选取[J].中国图像图形学报,2000,Vol5A(4):327-330
[43] Mallat S. Zhong Sifen. Characterization of signals from multiscale edgeds [J]. IEEE Trans. On PAMI, 1992, Vol14(7):23-25
[44] Mallat S. Hwang W L. Singularity detction and processing with wavelets [J]. IEEE Trans. On Information Theory, 1992, Vol38(2):617-643
[45] 朱长青,杨小梅,陶大欣.基于样条二进制小波的影像多尺度边缘检测[J].遥感学报,1997,Vol1(4):262-266
[46] 张国宝,叶桦,陈维南.基于正交小波变换的多尺度边缘提取[J].中国图像图形学报,1998,Vol3(8):651-654
[47] 杜涛,张斌.用小波技术分析遥感图像确定岸线位置的研究[J].海洋科学,1999,(4):19-21
[48] 冯兰娣,孙效功,胥可辉.利用海岸带遥感图像提取岸线的小波变换方法[J]. 青岛海洋大学学报,2002,Vol32(5):777-781
[49]承继承,郭华东,史文中等.遥感资料的不确定性[M].北京:科学出版社,2004,36-37
[50]陈一梅,虞娟,罗健.遥感技术在岸滩演变分析中的应用研究[J].遥感信息,2005(1):44-46
[51]Simon Haykin 编著.神经网络原理[M].北京:机械工业出版社,2004
[52]胡伍生.神经网络算法理论及其工程应用[M].南京:东南大学交通学院,2003
[53]王昌杰.河流动力学[M].北京:人民交通出版社,2001
[54]谢鉴衡主编.河床演变及整治(第二版)[M].中国水利水电出版社,1997:21
[55]陈一梅.基于现代技术的河道浅滩演变研究——RS、ANN、GIS 再闽江竹岐至侯官河段中的应用[D].南京:河海大学,2002
[56]徐海亮.河口网河区水文相关模拟的人工神经网络方法与应用[J].人民珠江,1999(3):15-18
[57]陈一梅.水利枢纽下游最低通航水位推算方法研究[J].东南大学学报,2002,(2):259-263
[58]彭清娥,刘兴年,曹叔尤.流域年均含沙量的人工神经网络模型[J].水利学报,2001,(11):79-83
[59]王协康,方铎,曹叔尤,推移质输沙率神经网络模型的试验研究[J].水利学报,2000,Vol9:74-78
[60]F.G.罗巴.使用人工神经网络预报河道流量[J].水利水电快报,2001,Vol22(1):30-33
[61] 许全喜,张小峰,袁晶,何明宪.河道深泓线变化神经网络预报模型研究与应用[J].人民长江,2002,Vol33(11):35-37
[62]虞娟,陈一梅.河道岸线演变预测方法研究[J].三峡大学学报,2005,Vol27(4):305-308
[63]吴微编著.神经网络理论[M].高等教育出版社,2004
[64]张立明编著.人工神经网络的模型及其应用[M].复旦大学出版社,1992
[65]周毅,徐柏龄.神经网络中的正交设计法研究[J].南京大学学报,2001,37(1):72-78
[2]高彦华,汪宏清.遥感技术在土壤侵蚀动态检测中的应用[J].中国水土保持,2004,(1):33-34
[3]黄家柱,闾国年.数字长江河道实验中遥感技术应用研究——以长江江苏段为例[J].长江流域资源与环境,2002,Vol11(1):40-42
[4]范作江.遥感与地理信息系统相结合的城市扩展研究[J].遥感信息,1997,(3):12-16
[5]叶明全,伍长荣.基于 RBF 神经网络的冠心病识别模型[J].安徽工程科技学院学报,2005 Vol20(1):51-55
[6]林丛.基于 RBF 神经网络的变电站主控系统故障诊断研究[J].测控技术,2005 Vol24(1):32-34
[7]肖胜中,张新政,吴奇峰等.神经网络在污水处理中的应用[J].韶关学院学报,2005 Vol26(3):18-21
[8]罗蓬,胡侨丹,胡国安等.基于人工神经网络的凸轮轴铸造过程数值模拟优化研究[J].四川大学学报,2005 Vol37(2):120-124
[9]郭其一,路向阳,李维刚等.基于小波分析和模糊神经网络的水文预测[J].同济大学学报,2005 Vol33(1):130-123
[10]何彦平,袁翔,夏晶晶.基于神经网络的机械故障诊断[J].公路与汽运,2005(4):16-18
[11]陈一梅,徐造林.基于神经网络的河道浅滩演变预测模型[J].水利学报,2002(8):68-72
[12]袁晶,张小峰.宜昌站洪水过程BP网络预测模型研究[J].人民长江,2003,Vol34(2):10-11
[13]张小峰,胡旭跃,谢作涛.荆江三口分流BP网络预报模型研究[J].人民长江,2003,Vol34(7):33-42
[14]杨大鸣,王呈方,张培林.港口岸线评价模型及其应用[M].水运工程,2003,Vol351(4):38-42
[15]Blodget H W,Taylor P T,Roark J H.Shoreline changes along the Rosetta Nile Promontory-monitoring with satellite-observations [J].Marine Geology, 1991,99(1-2):67-77
[16]杨英力.利用卫星影像判绘海岸线[J].海洋测绘,2004,Vol24(3):49-51
[17]于永海,苗丰民,王玉广等. 基于 3S 技术的海岸线测量与管理应用研究[J].地理与地理信息科学,2003,Vol19(6):24-27
[18]杜涛,张斌.用小波技术分析遥感图像确定岸线位置的研究[J].学术动态,1999(4):19-21
[19]冯兰娣,孙效功,胥可辉.利用海岸带遥感图像提取岸线的小波变换方法[J].青岛海洋大学学报,2002,Vol32(5):777-781
[20]瞿继双,王超,王正志.一种基于多阈值的形态学提取遥感图像海岸线特征方法[J].中国图像图形学报,2003,Vol8(A):805-809
[21]刘建民.河工模型试验在内河航道整治中的作用[J].水道港口,1997(2):1-10
[22]孙梅秀,李昌华,应强等.长江八卦洲汊道整治河工模型试验[J].水利水运科学研究,1995,(4):344-351
[23]程昌华,郑银功.三峡工程变动回水观音滩河段河工模型试验研究[J].重庆交通学院学报,1998,Vol17(1):11-17
[24]黄建成,惠钢桥.计算机技术在河工模型试验控制中的应用[J].人民长江,1997,Vol28(12):43-44
[25]张红武,冯顺新.河工动床模型存在问题及其解决途径[J].水科学进展,2001,Vol12(3):418-423
[26]Bruun P. Sea-level as a cause of shore erosion [J]. Journal of Waterways and Harbours Division,ASCE.1962(88):117-130
[27]李志强,陈子燊.砂质岸线变化研究进展[J].海洋通报,2003,(4):77-86
[28]Hanson H,Genesis-A generalized shoreline change numerical model[J].Journal of Coastal Research.1989,5(1):1-27
[29]孙林云,潘军宁,邢复等.砂质海岸突堤式建筑物下游岸线变形数学模型[J].海洋学报,2001 Vol23(5):121-129
[30]王铮,梅安新.海岸线轮廓演化的解析研究[J].地理研究,1994 Vol13(4):105-110
[31]宋晓刚,蔡泽伟.防波堤后岸线演化的数值解[J].宁波大学学报,1999 Vol12(2):64-69
[32]张启卫.黄河下游泥沙数学模型及其应用[J].人民黄河,1994,(1):4-8
[33]张丽春,方卫红,府仁寿.一维非恒定非均匀泥沙数学模型研究[J].泥沙研究,1998,(3):81-85
[34]杨美卿,王桂仙,卵石夹沙河流动床泥沙数学模型研究[J].清华大学学报,1998,Vol38(1):19-21
[35]马福喜,李文新.河口水流、波浪、潮流、泥沙、河床变形二维数学模型[J].水利学报,1999(5):39-43
[36]陈远芳,高凯春.三峡工程下游宜昌至沙市河段河床冲刷预测[J].湖泊科学,1997,Vol9(4):317-324
[37] Thomas M. Lilldsand, Ralph W. Kiefer 著,彭望琭,余先川等译.遥感与图像解译[M].电子工业出版社,2003
[38] 孙家抦.遥感原理与应用[M].武汉大学出版社,2003
[39] 邢立新,陈圣波、潘军.遥感信息科学概论[M].吉林大学出版社,2003
[40] Sahoo P K Soltani, Wong S A K C, Chen Y C. A survey of threshoiding techniques [J].Computer Vision Graphics Image Processing, 1988, (41):233-260
[41] 金立左,夏良正,杨世周. 图像分割的自适应模糊阈值法[J].中国图像图形学报,2000,Vol5A(5):390-395
[42] 郑宏,潘励.基于遗传算法的图像阈值的自动选取[J].中国图像图形学报,2000,Vol5A(4):327-330
[43] Mallat S. Zhong Sifen. Characterization of signals from multiscale edgeds [J]. IEEE Trans. On PAMI, 1992, Vol14(7):23-25
[44] Mallat S. Hwang W L. Singularity detction and processing with wavelets [J]. IEEE Trans. On Information Theory, 1992, Vol38(2):617-643
[45] 朱长青,杨小梅,陶大欣.基于样条二进制小波的影像多尺度边缘检测[J].遥感学报,1997,Vol1(4):262-266
[46] 张国宝,叶桦,陈维南.基于正交小波变换的多尺度边缘提取[J].中国图像图形学报,1998,Vol3(8):651-654
[47] 杜涛,张斌.用小波技术分析遥感图像确定岸线位置的研究[J].海洋科学,1999,(4):19-21
[48] 冯兰娣,孙效功,胥可辉.利用海岸带遥感图像提取岸线的小波变换方法[J]. 青岛海洋大学学报,2002,Vol32(5):777-781
[49]承继承,郭华东,史文中等.遥感资料的不确定性[M].北京:科学出版社,2004,36-37
[50]陈一梅,虞娟,罗健.遥感技术在岸滩演变分析中的应用研究[J].遥感信息,2005(1):44-46
[51]Simon Haykin 编著.神经网络原理[M].北京:机械工业出版社,2004
[52]胡伍生.神经网络算法理论及其工程应用[M].南京:东南大学交通学院,2003
[53]王昌杰.河流动力学[M].北京:人民交通出版社,2001
[54]谢鉴衡主编.河床演变及整治(第二版)[M].中国水利水电出版社,1997:21
[55]陈一梅.基于现代技术的河道浅滩演变研究——RS、ANN、GIS 再闽江竹岐至侯官河段中的应用[D].南京:河海大学,2002
[56]徐海亮.河口网河区水文相关模拟的人工神经网络方法与应用[J].人民珠江,1999(3):15-18
[57]陈一梅.水利枢纽下游最低通航水位推算方法研究[J].东南大学学报,2002,(2):259-263
[58]彭清娥,刘兴年,曹叔尤.流域年均含沙量的人工神经网络模型[J].水利学报,2001,(11):79-83
[59]王协康,方铎,曹叔尤,推移质输沙率神经网络模型的试验研究[J].水利学报,2000,Vol9:74-78
[60]F.G.罗巴.使用人工神经网络预报河道流量[J].水利水电快报,2001,Vol22(1):30-33
[61] 许全喜,张小峰,袁晶,何明宪.河道深泓线变化神经网络预报模型研究与应用[J].人民长江,2002,Vol33(11):35-37
[62]虞娟,陈一梅.河道岸线演变预测方法研究[J].三峡大学学报,2005,Vol27(4):305-308
[63]吴微编著.神经网络理论[M].高等教育出版社,2004
[64]张立明编著.人工神经网络的模型及其应用[M].复旦大学出版社,1992
[65]周毅,徐柏龄.神经网络中的正交设计法研究[J].南京大学学报,2001,37(1):72-78