高程梯度算法与不确定性研究
本文关键词: 高程梯度 高程梯度算法 统计分布 算法精度 不确定性 出处:《西北大学》2017年硕士论文 论文类型:学位论文
【摘要】:高程梯度是坡度算法的基本计算项。在坡度算法θ=arctan(p2+q2)I/2中分别用p和q表示,因为高程梯度p和q算法的不同而衍生出多种坡度算法,因此对p和q算法的性质和精度的研究,是坡度算法精度评价的基础。p和q的算法的不同不但会影响坡度计算,而且P和q也是坡度分布理论模型研究的起点。本研究选取漫岗丘陵、黄土丘陵、秦岭、横断山四个不同地形类型样区,使用七种算法得到每个样区的高程梯度,对高程梯度性质、高程梯度的统计分布与结构特征、高程梯度算法的稳定性与精度进行了分析;并选取漫岗丘陵和黄土丘陵部分样区,分析高程梯度随不同分辨率的变化规律;从数学与物理学的角度对高程梯度的基本性质进行了初步分析。本文的主要研究结果如下:(1)高程梯度的统计学分布特征:p和q的均值十分接近零,p和q的标准差均近似相等,p和q均接近正态分布,p和q均相互独立。(2)结构特征:各种算法均能表现p和q局地结构和样区之间的差异,地形起伏越大,图像的纹理也越复杂。(3)高程梯度算法稳定性与精度:从算法的稳定性(直方图相似度指数、均方根误差)和精度(高程中误差、高程梯度联合方差误差、控制参数误差)来看,均表明改进的Evans-Young算法最好。(4)高程梯度p和q分布特征随分辨率变化的规律:统计分布特征方面,随着DEM分辨率的降低,p和q基本性质保持不变;结构特征方面,随着分辨率的降低,p和q图像的纹理与结构简化、图像表面逐渐变平滑。
[Abstract]:The elevation gradient is the basic calculation term of the gradient algorithm. In the slope algorithm 胃 arctanan p2 q2 / 2 I / 2, it is expressed by p and Q, respectively. Because of the difference of the elevation gradient P and Q algorithms, many gradient algorithms are derived, so the properties and accuracy of the p and Q algorithms are studied. It is the basis of accuracy evaluation of slope algorithm. P and Q will not only affect the calculation of slope, but also P and Q are the starting point of the theoretical model of slope distribution. Qinling, Hengduan Mountain four different topographic types of sample areas, using seven algorithms to obtain the height gradient of each sample area, the height gradient properties, the statistical distribution and structural characteristics of elevation gradient. The stability and accuracy of the elevation gradient algorithm are analyzed. The variation law of elevation gradient with different resolution is analyzed by selecting some sample areas of oversized hills and loess hills. The basic properties of elevation gradient are preliminarily analyzed from the point of view of mathematics and physics. The main results of this paper are as follows: 1) the statistical distribution characteristics of the elevation gradient: P and Q are very close to zero. The standard deviations of p and Q are approximately equal, p and Q are close to the normal distribution, p and Q are independent of each other. Each algorithm can show the difference between p and Q local structure and sample region. The larger the terrain fluctuation, the more complex the texture of the image.) the stability and accuracy of the elevation gradient algorithm: from the stability of the algorithm (histogram similarity index, root mean square error) and accuracy (elevation error). The joint variance error of elevation gradient, the error of control parameter). It is shown that the improved Evans-Young algorithm is the best. (4) the law of the variation of the P and Q distribution characteristics with the resolution: the statistical distribution feature, with the decrease of the DEM resolution. The basic properties of p and Q remain unchanged; In terms of structural features, the surface of the image becomes smoother as the resolution decreases and the texture and structure of the Q and Q images are simplified.
【学位授予单位】:西北大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:P931;P208
【相似文献】
相关期刊论文 前10条
1 宋道金,赵文玲;无约束最优化问题的二次梯度算法[J];淄博学院学报(自然科学与工程版);2001年03期
2 党亚峥;高岩;;解凸可行问题的新算法(英文)[J];工程数学学报;2013年02期
3 何要求;;球梯度算法及其收敛性[J];贵州工学院学报;1990年03期
4 赵建华;推广梯度算法分析[J];黑龙江大学自然科学学报;1991年01期
5 徐迎军;无约束最优化问题的扰动梯度算法[J];烟台师范学院学报(自然科学版);2001年03期
6 李辉;多场址问题的一个变尺度次梯度算法[J];安徽机电学院学报;1996年01期
7 王洪礼,李强,竺致文;梯度算法在转子时变控制中的应用[J];天津大学学报;2003年02期
8 周威,金以慧;利用模糊次梯度算法求解拉格朗日松弛对偶问题[J];控制与决策;2004年11期
9 凌生智;一类非光滑方程的类梯度算法[J];长沙电力学院学报(自然科学版);2000年01期
10 熊凯;孟斌;王丽娇;;时变参数辨识梯度算法稳定性分析[J];空间控制技术与应用;2012年05期
相关会议论文 前1条
1 蔡文澜;王俊生;陶军;徐惠斌;马宏绪;;一种PEGASUS策略梯度算法的理论及应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
相关博士学位论文 前1条
1 温博;广义梯度系统与外插邻近算法的收敛性分析[D];哈尔滨工业大学;2017年
相关硕士学位论文 前10条
1 郭晓峰;优化加权因子的自然梯度算法设计及研究[D];烟台大学;2016年
2 曹文娇;求解矩阵核范数极小化问题的梯度算法研究[D];河南大学;2016年
3 刘莉红;求解矩阵l_(2,1)范数极小化问题的谱梯度算法[D];河南大学;2013年
4 晏萍;变分不等式的超梯度算法及其改进算法[D];四川师范大学;2010年
5 牛善洲;大规模优化与非线性方程组问题的多元谱梯度算法及其应用[D];赣南师范学院;2012年
6 赵新斌;一类带有核范数的优化问题的梯度算法[D];北京工业大学;2012年
7 严见磊;压缩感知问题的自适应梯度算法研究[D];赣南师范学院;2014年
8 王秋雨;谱梯度算法在图像压缩传感中的应用[D];河南大学;2012年
9 盛大宁;IMRT逆向计划中的混合多目标梯度算法研究[D];合肥工业大学;2010年
10 谭骏;改进的自然梯度算法及在语音和图像处理中的应用[D];湖南师范大学;2012年
,本文编号:1449756
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1449756.html