简介:针对LIDAR点云数据中建筑物和植被难以快速分类的问题,提出了应用FCM(FuzzyC-Mean)模糊聚类的方法对离散机载激光点云数据进行建筑物和植被分类的方法.首先针对机载点云数据的特点采用了平面投影的Delaunay构网方法进行点云的三角网重构,然后根据三角网的法向矢量信息的属性不同,利用FCM方法和改进的方位矩阵方法对其进行模糊聚类,进而实现建筑物和植被等不同属性的点云分类.该方法可快速将点云进行分类,且分类结果可用不同颜色进行空间显示.在此基础上,采用IDL(Interfacedescriptionlanguage)语言编制了三维激光点云可视化分类软件LIDARVIEW.并应用该软件对某区域的机载点云数据进行了分类实验.实验结果表明:(1)基于平面投影的Delaunay构网方法特别适合机载LIDAR点云数据的快速构网,且该方法构网速度快、效率高;(2)应用FCM模糊群聚的方法和改进的方位矩阵方法适用于机载LIDAR数据的植被和建筑物分类,分类速度快且效果好;(3)FCM模糊群聚方法对机载LIDAR数据的群聚分类结果可靠、合理,具有较强的通用性和推广性.
简介:本文引用改进的变权组合预测模型对宁夏某水库坝基沉降进行预测,并结合坝基沉降监测数据对比改进前后的变权组合预测模型在大坝坝基沉降的预测精度。研究结果表明:改进的变权组合预测模型由于可以考虑并动态计算不同模型之间的权重系数,对水库坝基沉降的预测精度高于传统的变权组合预测模型,预测沉降值和实测的沉降值之间的误差小于15%,比传统变权组合预测模型相对误差减少3.19%,且在月沉降均值相关系数上,改进的变权组合预测模型预测值和实测值之间相关度提高0.2012。研究成果对于水库坝基沉降预测方法提供参考价值。