天基遥感信息及互联网云数据环境下基于ELM算法灾害评估系统研究.docVIP

天基遥感信息及互联网云数据环境下基于ELM算法灾害评估系统研究 　　[摘 要]本文针对近年来我国各类自然灾害高频次、多种类、影响广泛、灾情严重的发展趋势。提出了一种基于快速神经网络算法，综合天基信息系统的数据优势和互联网云数据平台的交互优势的自然灾害评估系统，利用快速神经网络的快速识别分类技术和自监督学习能力进行分类识别，以简捷直观的图像模式及时反馈给服务对象，从而极大提高灾害评估信息的传播范围、监测精度和处理速度。 　　[关键词]天基信息系统；互联网云数据；快速神经网络；灾情评估系统 　　中图分类号：V881 文献标识码：A 文章编号：1009-914X（2018）12-0270-01 　　1、引言 　　伴随世界自然气候的不断恶化和国内工农业建设的急速扩张，近年来我国发生各类自然灾害的频次不断增加，灾害特点逐步向种类更多，影响更广，灾情更重的方向发展[1]，尤其是人口密集地区在特定气候或地质条件下的局部严重灾情[2]，为人民的生命财产安全带来了巨大威胁，也为新时期的灾害防范和应对工作提出了更高的要求。 　　传统模式下的灾害管理主要基于专业部门对灾后统计数据的判读和分析[3]，在灾害预警监测、实时信息公布等方面有所欠缺[4]。本文针对这一问题，提出了一种基于快速神经网络算法，综合天基信息系统的数据优势和互联网云数据平台的交互优势的自然灾害评估系统。系统依托天基信息系统强大的后台数据的资源支持和互联网云数据平台的交互优势，一方面可以将数量巨大但分散的用户需求置于互联网信息节点上[5]，另一方面将灾情数据和运算整合入互联网计算平台，配合ELM算法的快速识别分类技术和自监督学习能力，用户可以通过手中的互联网终端提交服务需求，评估系统将灾情数据、用户实时位置和云计算的结果以简捷直观的图像信息反馈给用户，从而摆脱以往由专业部门和人员承担灾情评估任务效率低下的束缚，实现海量训练集数据的管理和自监督式的分类学习模式。构建灾情信息数据“收集-分类-共享”的高效评估模式，极大提高灾害评估信息的传播范围、监测精度和处理速度。 　　2、灾害评估系统模型设计 　　本文提出的灾害评估系统，根据其“收集-分类-共享”的运行模式，可以将算法模型分为三个关键部分，即数据处理层、模式识别层、评估发布层。 　　2.1 数据处理层关键技术描述 　　在数据处理层，主要完成天基信息系统遥感图像数据的收集，并利用互联网导航定位接口，匹配?b感图像对应坐标，获取基本位置、气象和周边路网信息。为方便算法运行和用户使用，首先要对遥感图像信息进行预处理，方法采用超像素分割技术[7]。超像素分割本质上讲仍然是一种图像分割技术，对原始图像进行超像素处理之后，具有同质特性的近邻像素点聚合成为一定大小的子图像块，随后进行的图像处理过程，在大尺度上高效聚类图像中的同质区域，将灾害评估算法的操作尺度从像素级别，提高到图像块[8]。 　　2.2 模式识别层关键技术描述 　　模式识别层面主要完成在更精细的尺度上分类识别遥感图像中的灾情信息。前馈神经网络则是近年来发展非常迅速，应用前景广阔的一类算法思想。神经网络中各节点将信息按规定方向传输，直到输出层获得最终的结果，整个过程中不需要反馈信息，无环状结构，能够较好的适应复杂非线性函数的分类。 　　一旦建立了神经网络分类器的训练数据集，并根据互联网匹配获得的基本地理信息和灾情细节对训练集进行标记，建立标记数据集。就可将其连同待分类遥感图像数据集一起输入神经网络，获取训练结果。特征提取则采用由Ojala等提出的LBP特征（Local Binary Pattern， 局部二值模式），相较于颜色、形状等常用特征，其对光照、灰度以及图像旋转都具有良好的不变性，对复杂多变的户外特征环境下具有非常好的适应性，非常适合进行自然灾害典型特征的描述。 　　2.3 评估发布层关键技术描述 　　神经网络分类获得的结果，仍然需要进行一定的数据挖掘和系统评估，才能提供给用户。在评估发布层中，首先对各类灾害按照种类和程度分别进行梯度描述，构建了统一的评估标准体系。而灾情评估结果的发布和共享，主要通过互联网地图应用的API或SDK接口，与所有网络用户移动终端进行交互。 　　一般互联网应用默认使用墨卡托投影获得平面坐标系，而天基信息系统提供的遥感图像则是以经纬度坐标为准，故在算法中通过BMapMercatorProjection类来完成天基遥感图像经纬度到互联网应用接口的平面坐标之间的互相转换。之后当移动终端用户提交服务需求时，互联网接口利用前端与底层服务中间的php-UI代理接受API前端的请求，然后转发给模式识别层获取运算结果，结合用户所在的位置坐标以实时动态地图信息的形式不断更新用户移动终端上的灾情信息。 　　3、总结与展望 　　本文面