CN109596165A - 一种智能地理信息动态预警布控系统及方法 - Google Patents
一种智能地理信息动态预警布控系统及方法 Download PDFInfo
- Publication number
- CN109596165A CN109596165A CN201811405750.1A CN201811405750A CN109596165A CN 109596165 A CN109596165 A CN 109596165A CN 201811405750 A CN201811405750 A CN 201811405750A CN 109596165 A CN109596165 A CN 109596165A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- warning
- geography information
- alarm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明属于地理技术领域,公开了一种智能地理信息动态预警布控系统及方法,所述智能地理信息动态预警布控系统包括:图像采集模块、温湿度检测模块、震动检测模块、风速检测模块、中央控制模块、位置监测模块、地理数据融合模块、警示模块、显示模块。本发明通过位置监测模块利用卫星信号来确定地理位置监测设备所处的环境类型,可以快速准确地确定环境类型;同时,通过地理数据融合模块从不同数据源,不同数据精度和不同数据模型的地理空间矢量数据中抽取所需要的信息,按照用户新的应用需求构建新的空间数据,这不仅能降低地理数据的生产成本,加快现有地理信息更新速度,对提高现有地理空间数据质量也具有重要的意义。
Description
技术领域
本发明属于地理技术领域,尤其涉及一种智能地理信息动态预警布控系统及方法。
背景技术
地理信息是地理数据所蕴含和表达的地理含义,是与地理环境要素有关的物质的数量、质量、性质、分布特征、联系和规律的数字、文字、图像和图形等的总称。地理信息区别于常规定义的空间信息。首先,地理信息属于空间信息,其位置的识别是与数据联系在一起的,这是地理信息区别于其它类型信息的一个最显著的标志(空间性)。其次,地理信息具有多维结构的特点(多维性)。第三,地理信息的时序特征很明显(时序性)。然而,现有地理位置监测不能精确位置环境类型;同时,国内对于地理空间矢量数据的融合,往往只侧重于某些方面,或是针对某一特定的需要,采用特定的方法去解决特定的问题,但这些方法不具有通用性。
综上所述,现有技术存在的问题是:
现有地理位置监测不能精确位置环境类型;同时,国内对于地理空间矢量数据的融合,往往只侧重于某些方面,或是针对某一特定的需要,采用特定的方法去解决特定的问题,但这些方法不具有通用性。
现有技术中不能同时完成温度补偿、湿度补偿和非线性校正,不能有效跟踪补偿环境改变引起的传感器特征的变化及时校正,不利于实时、准确检测到地理环境的温度、湿度数据;现有技术中不能有效提高报警器对于异常数据的检测精度,无法有效的补偿外部环境对报警器灵敏度的干扰,使得报警器收到干扰,不能及时根据检测的异常数据进行报警操作;现有技术中不能保护智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据的细节信息,降低显示的准确度,不利于后续工作的准确、及时展开。
发明内容
针对现有技术存在的问题,本发明提供了一种智能地理信息动态预警布控系统及方法。
本发明是这样实现的,一种智能地理信息动态预警布控方法,所述智能地理信息动态预警布控方法包括:
第一步,利用卫星在太空中探测地球地表物体对电磁波的反射和发射的电磁波,提取地球地表物体的信息,将电波信息转换、识别得到地理电子图像;
第二步,利用函数链神经网络的温度传感器、湿度传感器实时检测地理环境的温度、湿度数据;通过震动仪器实时监测大地震动数据信息;通过风速检测仪器实时监测空气风速数据信息;
第三步,利用卫星定位对地理位置进行监测;通过数据处理软件对地理空间矢量数据进行融合处理;通过采用PSO-BP算法的报警器根据检测的异常数据进行及时报警操作;
第四步,通过采用改进的小波阈值与自适应中值滤波相结合去噪的显示器显示智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据信息。
进一步,利用函数链神经网络的温度传感器、湿度传感器,完成温度补偿、湿度补偿和非线性校正;具体步骤如下:
(1)确定初始函数型连接F及函数链网络结构;
(2)网络权值初始化,随机设ωj,通常|ωj|<1;
(3)输入训练数据样本xi,ti,计算fi1,……,fin,i=1,2,…,I;
(4)求yi,计算E(k),如误差满足要求,则转(8),如迭代限定次数后仍不满足误差要求则转(9),否则继续;
(5)由式(3)求η(k),并加判断,如η(k)<0则η(k)=ηmin,ηmin为选定的η最小值);
(6)计算ωj(k),修正所有连接;
(7)返回,重复(4)~(7);
(8)找出ωj绝对值最小者,舍去对应的函数项,转(2)重新计算;
(9)如前面曾舍去函数项则取最后一次误差满足要求的结果输出;否则,增加后一函数项,转(2)重新计算;如原设计最后函数项也已利用,则输出建模不成功信息或修改误差指标再运行;
最终得到传感器模型:
进一步,通过采用PSO-BP算法的报警器,报警器及时根据检测的异常数据进行报警操作;具体步骤为:
(1)初始化:设定PSO-BP神经网络的相关参数;确定神经网络的层数,每一层神经元的个数,以及需要优化的粒子维数;其中PSO算法需要优化的权值阈值总个数为:
N=(m+1)×n+(n+1)×t;
m为输入神经元个数,n为隐层神经元个数,t为输出层神经元个数,对粒子的速度和位置进行随机初始化;
(2)计算适应度:按照适应度函数计算网络输出与样本期望输出误差绝对值之和;
(3)寻找个体极值和群体极值:将每个粒子的适应度函数值与个体极值进行比较,如果适应度函数值更小,则该适应度函数值成为新的个体极值;并将新的个体极值与全局最佳适应度值进行比较,若更小,则将其作为当前的群体极值;
(4)根据离子群算法更新粒子的位置和速度;
式中:w为惯性权重;k为当前迭代次数;为粒子的速度;为粒子的位置;c1和c2为学习因子,通过验证选c1=c2=2进行计算;和是介于[0,1]之间的均匀随机数;
(5)看全局最优适应度值是否小于设定误差或者迭代次数大于最大迭代次数,若不满足条件,返回步骤(3);若满足条件,则输出的全局最优粒子位置为最优的BP神经网络权值阈值。
本发明的另一目的在于提供一种实施所述智能地理信息动态预警布控方法的智能地理信息动态预警布控系统,所述智能地理信息动态预警布控系统包括:
图像采集模块,与中央控制模块连接,用于通过卫星在太空中探测地球地表物体对电磁波的反射和其发射的电磁波,提取信息,将电波信息转换、识别得到地理电子图像;
温湿度检测模块,与中央控制模块连接,用于通过温度传感器、湿度传感器实时检测地理环境的温度、湿度数据;
震动检测模块,与中央控制模块连接,用于通过震动仪器实时监测大地震动数据信息;
风速检测模块,与中央控制模块连接,用于通过风速检测仪器实时监测空气风速数据信息;
中央控制模块,与图像采集模块、温湿度检测模块、震动检测模块、风速检测模块、位置监测模块、地理数据融合模块、警示模块、显示模块连接,用于通过单片机控制各个模块正常工作;
位置监测模块,与中央控制模块连接,用于通过卫星定位对地理位置进行监测;
地理数据融合模块,与中央控制模块连接,用于通过数据处理软件对地理空间矢量数据进行融合处理;
警示模块,与中央控制模块连接,用于通过报警器根据检测的异常数据进行及时报警操作;
显示模块,与中央控制模块连接,用于通过显示器显示智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据信息。
本发明的另一目的在于提供一种应用所述智能地理信息动态预警布控方法的地理信息处理终端。
本发明的优点及积极效果为:本发明通过位置监测模块利用卫星信号来确定地理位置监测设备所处的环境类型,例如确定地理位置监测设备在室内还是在室外,这种技术方案简单,易于实现,可以快速准确地确定环境类型;同时,通过地理数据融合模块从不同数据源,不同数据精度和不同数据模型的地理空间矢量数据中抽取所需要的信息,按照用户新的应用需求构建新的空间数据,这不仅能降低地理数据的生产成本,加快现有地理信息更新速度,对提高现有地理空间数据质量也具有重要的意义。
本发明利用函数链神经网络的温度传感器、湿度传感器,可同时完成温度补偿、湿度补偿和非线性校正,有效跟踪补偿环境改变引起的传感器特征的变化及时校正,有利于实时、准确检测到地理环境的温度、湿度数据;本发明通过采用PSO-BP算法的报警器,有效提高报警器对于异常数据的检测精度,有效的补偿外部环境对报警器灵敏度的干扰,使得报警器及时根据检测的异常数据进行报警操作;本发明通过采用改进的小波阈值与自适应中值滤波相结合去噪的显示器,小波阈值对高斯噪声有较好的去噪效果,中值滤波在滤除噪声的同时能够很好地保护智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据的细节信息,提高显示的准确度,便于后续工作的准确、及时展开。
附图说明
图1是本发明实施例提供的智能地理信息动态预警布控方法流程图。
图2是本发明实施例提供的智能地理信息动态预警布控系统结构示意图;
图中:1、图像采集模块;2、温湿度检测模块;3、震动检测模块;4、风速检测模块;5、中央控制模块;6、位置监测模块;7、地理数据融合模块;8、警示模块;9、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的智能地理信息动态预警布控方法,具体包括以下步骤:
S101:利用卫星在太空中探测地球地表物体对电磁波的反射和其发射的电磁波,提取这些物体的信息,将电波信息转换、识别得到地理电子图像;
S102:利用函数链神经网络的温度传感器、湿度传感器实时检测地理环境的温度、湿度数据;通过震动仪器实时监测大地震动数据信息;通过风速检测仪器实时监测空气风速数据信息;
S103:利用卫星定位对地理位置进行监测;通过数据处理软件对地理空间矢量数据进行融合处理;通过采用PSO-BP算法的报警器根据检测的异常数据进行及时报警操作;
S104:通过采用改进的小波阈值与自适应中值滤波相结合去噪的显示器显示智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据信息。
步骤S102中,本发明实施例提供的利用函数链神经网络的温度传感器、湿度传感器,可同时完成温度补偿、湿度补偿和非线性校正,有效跟踪补偿环境改变引起的传感器特征的变化及时校正,有利于实时、准确检测到地理环境的温度、湿度数据;具体步骤如下:
(1)确定初始函数型连接F及函数链网络结构;
(2)网络权值初始化,随机设ωj,通常|ωj|<1;
(3)输入训练数据样本xi,ti,计算fi1,……,fin,i=1,2,…,I;
(4)求yi,计算E(k),如误差满足要求,则转(8),如迭代限定次数后仍不满足误差要求则转(9),否则继续;
(5)由式(3)求η(k),并加判断,如η(k)<0则η(k)=ηmin,ηmin为选定的η最小值);
(6)计算ωj(k),修正所有连接;
(7)返回,重复(4)~(7);
(8)找出ωj绝对值最小者,舍去对应的函数项,转(2)重新计算;
(9)如前面曾舍去函数项则取最后一次误差满足要求的结果输出;否则,增加后一函数项,转(2)重新计算;如原设计最后函数项也已利用,则输出建模不成功信息或修改误差指标再运行;
最终得到传感器模型:
步骤S104中,本发明实施例提供的通过采用PSO-BP算法的报警器,有效提高报警器对于异常数据的检测精度,有效的补偿外部环境对报警器灵敏度的干扰,使得报警器及时根据检测的异常数据进行报警操作;具体步骤为:
(1)初始化:设定PSO-BP神经网络的相关参数。确定神经网络的层数,每一层神经元的个数,以及需要优化的粒子维数。其中PSO算法需要优化的权值阈值总个数为:
N=(m+1)×n+(n+1)×t;
m为输入神经元个数,n为隐层神经元个数,t为输出层神经元个数,对粒子的速度和位置进行随机初始化;
(2)计算适应度:按照适应度函数计算网络输出与样本期望输出误差绝对值之和;
(3)寻找个体极值和群体极值:将每个粒子的适应度函数值与个体极值进行比较,如果适应度函数值更小,则该适应度函数值成为新的个体极值;并将新的个体极值与全局最佳适应度值进行比较,若更小,则将其作为当前的群体极值;
(4)根据离子群算法更新粒子的位置和速度;
式中:w为惯性权重;k为当前迭代次数;为粒子的速度;为粒子的位置;c1和c2为学习因子,也称为加速度因子,通过验证选c1=c2=2进行计算;和是介于[0,1]之间的均匀随机数;
(5)看全局最优适应度值是否小于设定误差或者迭代次数大于最大迭代次数,若不满足条件,返回步骤(3);若满足条件,则输出的全局最优粒子位置即为最优的BP神经网络权值阈值。
步骤S104中,本发明实施例提供的通过采用改进的小波阈值与自适应中值滤波相结合去噪的显示器,小波阈值对高斯噪声有较好的去噪效果,中值滤波在滤除噪声的同时能够很好地保护智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据的细节信息,提高显示的准确度,便于后续工作的准确、及时展开;具体的算法步骤为:
(1)输入人工添加均值为0,方差为20的高斯噪声的智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据信息;
(2)对含有混合噪声的智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据信息进行自适应中值滤波处理;
(3)选取处理后的智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据信息,进行四层小波分解,选择软阈值滤波,硬阈值滤波分别进行处理,最后进行小波逆变换后对比效果。
如图2所示,本发明实施例提供的智能地理信息动态预警布控系统包括:图像采集模块1、温湿度检测模块2、震动检测模块3、风速检测模块4、中央控制模块5、位置监测模块6、地理数据融合模块7、警示模块8、显示模块9。
图像采集模块1,与中央控制模块5连接,用于通过卫星在太空中探测地球地表物体对电磁波的反射和其发射的电磁波,提取这些物体的信息,将这些电波信息转换、识别得到地理电子图像;
温湿度检测模块2,与中央控制模块5连接,用于通过温度传感器、湿度传感器实时检测地理环境的温度、湿度数据;
震动检测模块3,与中央控制模块5连接,用于通过震动仪器实时监测大地震动数据信息;
风速检测模块4,与中央控制模块5连接,用于通过风速检测仪器实时监测空气风速数据信息;
中央控制模块5,与图像采集模块1、温湿度检测模块2、震动检测模块3、风速检测模块4、位置监测模块6、地理数据融合模块7、警示模块8、显示模块9连接,用于通过单片机控制各个模块正常工作;
位置监测模块6,与中央控制模块5连接,用于通过卫星定位对地理位置进行监测;
地理数据融合模块7,与中央控制模块5连接,用于通过数据处理软件对地理空间矢量数据进行融合处理;
警示模块8,与中央控制模块5连接,用于通过报警器根据检测的异常数据进行及时报警操作;
显示模块9,与中央控制模块5连接,用于通过显示器显示智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据信息。
本发明提供的位置监测模块6监测方法如下:
1)启动卫星定位功能;
2)搜索卫星信号;
3)计算搜索到的卫星信号的参数;
4)根据所述参数确定所述地理位置监测设备所处的环境类型。
本发明提供的根据所述参数确定所述地理位置监测设备所处的环境类型包括:
判断所述参数是否满足预设条件;
如果所述参数满足所述预设条件,则确定所述环境类型为室内,否则,确定所述环境类型为室外。
本发明提供的参数包括所述搜索到的卫星信号的载波-噪声功率谱密度比,所述预设条件包括所述搜索到的卫星信号中的所有卫星信号的载波-噪声功率谱密度比小于第一阈值。
本发明提供的参数包括所述搜索到的卫星信号的信噪比,所述预设条件包括所述搜索到的卫星信号中的所有卫星信号的信噪比小于第二阈值。
本发明提供的确定所述地理位置监测设备所处的环境类型之后,所述地理位置监测方法进一步包括:
根据所述环境类型确定定位规则;
按照所述定位规则执行相应操作,以确定所述地理位置监测设备的地理位置。
本发明提供的地理数据融合模块7融合方法如下:
(1)地理空间要素选取原则;包括唯一性原则、几何精度原则、现势性原则、比例尺适合原则和坐标系相同原则;
(2)地理空间矢量数据集成;数据集成包括空间基准的统一、数据模型的统一、语义编码的统一;数据集成通过数据交换、直接访问、数据互操作和本体集成四种方式实现多源数据的有机集中;
(3)地理空间矢量数据融合;
地理空间矢量数据融合包括几何位置的融合和属性数据的融合;融合应包括两个过程:一是实体匹配,找出同名实体;二是将匹配的同名实体进行几何位置与属性数据的融合;
同名实体的匹配和识别:一般步骤为:对于调整图中的每一点,先确定其在参照图中的候选匹配集,里面包含若干个可能匹配的实体,选取实体的某些空间信息作为筛选候选匹配集的指标依据,这些指标将最为相似的实体确定为匹配实体;
地理空间矢量数据几何位置融合:对同名实体的几何位置进行融合,首先要对数据源的几何精度进行评估,根据几何精度,融合应分两种情况进行讨论;对于几何精度近似的数据源,分点、线、面来探讨融合的方法;线状物体的融合采用特征点融合法和缓冲区算法;
地理空间矢量数据属性融合。
本发明实施例提供的工作原理:
本发明工作时,首先,通过图像采集模块1利用卫星在太空中探测地球地表物体对电磁波的反射和其发射的电磁波,提取这些物体的信息,将这些电波信息转换、识别得到地理电子图像;通过温湿度检测模块2利用温度传感器、湿度传感器实时检测地理环境的温度、湿度数据;通过震动检测模块3利用震动仪器实时监测大地震动数据信息;通过风速检测模块4利用风速检测仪器实时监测空气风速数据信息;其次,中央控制模块5通过位置监测模块6利用卫星定位对地理位置进行监测;通过地理数据融合模块7利用数据处理软件对地理空间矢量数据进行融合处理;然后,通过警示模块8利用报警器根据检测的异常数据进行及时报警操作;最后,通过显示模块9利用显示器显示智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据信息。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (5)
1.一种智能地理信息动态预警布控方法,其特征在于,所述智能地理信息动态预警布控方法包括:
第一步,利用卫星在太空中探测地球地表物体对电磁波的反射和发射的电磁波,提取地球地表物体的信息,将电波信息转换、识别得到地理电子图像;
第二步,利用函数链神经网络的温度传感器、湿度传感器实时检测地理环境的温度、湿度数据;通过震动仪器实时监测大地震动数据信息;通过风速检测仪器实时监测空气风速数据信息;
第三步,利用卫星定位对地理位置进行监测;通过数据处理软件对地理空间矢量数据进行融合处理;通过采用PSO-BP算法的报警器根据检测的异常数据进行及时报警操作;
第四步,通过采用改进的小波阈值与自适应中值滤波相结合去噪的显示器显示智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据信息。
2.如权利要求1所述的智能地理信息动态预警布控方法,其特征在于,利用函数链神经网络的温度传感器、湿度传感器,完成温度补偿、湿度补偿和非线性校正;具体步骤如下:
(1)确定初始函数型连接F及函数链网络结构;
(2)网络权值初始化,随机设ωj,通常|ωj|<1;
(3)输入训练数据样本xi,ti,计算fi1,……,fin,i=1,2,…,I;
(4)求yi,计算E(k),如误差满足要求,则转(8),如迭代限定次数后仍不满足误差要求则转(9),否则继续;
(5)由式(3)求η(k),并加判断,如η(k)<0则η(k)=ηmin,ηmin为选定的η最小值);
(6)计算ωj(k),修正所有连接;
(7)返回,重复(4)~(7);
(8)找出ωj绝对值最小者,舍去对应的函数项,转(2)重新计算;
(9)如前面曾舍去函数项则取最后一次误差满足要求的结果输出;否则,增加后一函数项,转(2)重新计算;如原设计最后函数项也已利用,则输出建模不成功信息或修改误差指标再运行;
最终得到传感器模型:
3.如权利要求1所述的智能地理信息动态预警布控方法,其特征在于,通过采用PSO-BP算法的报警器,报警器及时根据检测的异常数据进行报警操作;具体步骤为:
(1)初始化:设定PSO-BP神经网络的相关参数;确定神经网络的层数,每一层神经元的个数,以及需要优化的粒子维数;其中PSO算法需要优化的权值阈值总个数为:
N=(m+1)×n+(n+1)×t;
m为输入神经元个数,n为隐层神经元个数,t为输出层神经元个数,对粒子的速度和位置进行随机初始化;
(2)计算适应度:按照适应度函数计算网络输出与样本期望输出误差绝对值之和;
(3)寻找个体极值和群体极值:将每个粒子的适应度函数值与个体极值进行比较,如果适应度函数值更小,则该适应度函数值成为新的个体极值;并将新的个体极值与全局最佳适应度值进行比较,若更小,则将其作为当前的群体极值;
(4)根据离子群算法更新粒子的位置和速度;
式中:w为惯性权重;k为当前迭代次数;为粒子的速度;为粒子的位置;c1和c2为学习因子,通过验证选c1=c2=2进行计算;和是介于[0,1]之间的均匀随机数;
(5)看全局最优适应度值是否小于设定误差或者迭代次数大于最大迭代次数,若不满足条件,返回步骤(3);若满足条件,则输出的全局最优粒子位置为最优的BP神经网络权值阈值。
4.一种实施权利要求1所述智能地理信息动态预警布控方法的智能地理信息动态预警布控系统,其特征在于,所述智能地理信息动态预警布控系统包括:
图像采集模块,与中央控制模块连接,用于通过卫星在太空中探测地球地表物体对电磁波的反射和其发射的电磁波,提取信息,将电波信息转换、识别得到地理电子图像;
温湿度检测模块,与中央控制模块连接,用于通过温度传感器、湿度传感器实时检测地理环境的温度、湿度数据;
震动检测模块,与中央控制模块连接,用于通过震动仪器实时监测大地震动数据信息;
风速检测模块,与中央控制模块连接,用于通过风速检测仪器实时监测空气风速数据信息;
中央控制模块,与图像采集模块、温湿度检测模块、震动检测模块、风速检测模块、位置监测模块、地理数据融合模块、警示模块、显示模块连接,用于通过单片机控制各个模块正常工作;
位置监测模块,与中央控制模块连接,用于通过卫星定位对地理位置进行监测;
地理数据融合模块,与中央控制模块连接,用于通过数据处理软件对地理空间矢量数据进行融合处理;
警示模块,与中央控制模块连接,用于通过报警器根据检测的异常数据进行及时报警操作;
显示模块,与中央控制模块连接,用于通过显示器显示智能地理信息动态预警布控系统界面及采集的地理图像、温度、湿度、震动、风速、位置数据信息。
5.一种应用权利要求1~3任意一项所述智能地理信息动态预警布控方法的地理信息处理终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811405750.1A CN109596165A (zh) | 2018-11-23 | 2018-11-23 | 一种智能地理信息动态预警布控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811405750.1A CN109596165A (zh) | 2018-11-23 | 2018-11-23 | 一种智能地理信息动态预警布控系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109596165A true CN109596165A (zh) | 2019-04-09 |
Family
ID=65959608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811405750.1A Pending CN109596165A (zh) | 2018-11-23 | 2018-11-23 | 一种智能地理信息动态预警布控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109596165A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675599A (zh) * | 2019-10-18 | 2020-01-10 | 吉林师范大学 | 一种地理环境防护用警示系统 |
CN117724446A (zh) * | 2023-12-14 | 2024-03-19 | 广州智业节能科技有限公司 | 一种预警监控系统、方法及装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101153908A (zh) * | 2006-09-26 | 2008-04-02 | 中国疾病预防控制中心寄生虫病预防控制所 | 一种获取空间地理环境信息的系统和方法 |
CN103455708A (zh) * | 2013-07-24 | 2013-12-18 | 安徽省电力科学研究院 | 基于卫星及气象信息的输电线路灾害监测与风险评估平台 |
CN104361393A (zh) * | 2014-09-06 | 2015-02-18 | 华北电力大学 | 基于粒子群优化算法改进的神经网络模型用于数据预测方法 |
CN104408900A (zh) * | 2014-11-10 | 2015-03-11 | 柳州师范高等专科学校 | 基于动态优化的神经网络洪水预警装置及其方法 |
CN104778517A (zh) * | 2015-04-30 | 2015-07-15 | 国家电网公司 | 基于微气象与卫星遥感数据的微气象灾害预警方法及系统 |
CN105223241A (zh) * | 2015-09-18 | 2016-01-06 | 南京信息工程大学 | 一种湿度传感器的补偿方法 |
CN106198651A (zh) * | 2016-08-31 | 2016-12-07 | 成都市和平科技有限责任公司 | 一种高精度湿度传感器 |
CN106383965A (zh) * | 2016-10-13 | 2017-02-08 | 国家卫星气象中心 | 一种三维数值大气可视化支撑系统 |
CN106530254A (zh) * | 2016-11-14 | 2017-03-22 | 山东理工大学 | 一种基于小波阈值函数与改进中值滤波融合的抑制图像混合噪声算法 |
CN206594781U (zh) * | 2016-12-12 | 2017-10-27 | 江苏省金威测绘服务中心 | 基于地理信息gis采集技术与物联网相结合的山林火灾监测系统 |
CN107368926A (zh) * | 2017-07-28 | 2017-11-21 | 中南大学 | 一种智能环境运载机器人识别楼层的多自然传感参数融合处理方法 |
CN107547457A (zh) * | 2017-09-15 | 2018-01-05 | 重庆大学 | 一种基于改进粒子群优化bp神经网络的盲信道均衡方法 |
CN107742127A (zh) * | 2017-10-19 | 2018-02-27 | 国网辽宁省电力有限公司 | 一种改进的防窃电智能预警系统及方法 |
CN107883875A (zh) * | 2017-11-23 | 2018-04-06 | 哈尔滨工程大学 | 自主式海参捕捞装置视觉检测定位装置及视觉检测定位方法 |
CN108120451A (zh) * | 2017-12-21 | 2018-06-05 | 苏州大学 | 基于改进pso优化神经网络的硅微加速度计温度补偿方法、系统 |
CN108365784A (zh) * | 2017-11-24 | 2018-08-03 | 天津大学 | 基于改进pso-bp神经网络的无刷直流电机控制方法 |
-
2018
- 2018-11-23 CN CN201811405750.1A patent/CN109596165A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101153908A (zh) * | 2006-09-26 | 2008-04-02 | 中国疾病预防控制中心寄生虫病预防控制所 | 一种获取空间地理环境信息的系统和方法 |
CN103455708A (zh) * | 2013-07-24 | 2013-12-18 | 安徽省电力科学研究院 | 基于卫星及气象信息的输电线路灾害监测与风险评估平台 |
CN104361393A (zh) * | 2014-09-06 | 2015-02-18 | 华北电力大学 | 基于粒子群优化算法改进的神经网络模型用于数据预测方法 |
CN104408900A (zh) * | 2014-11-10 | 2015-03-11 | 柳州师范高等专科学校 | 基于动态优化的神经网络洪水预警装置及其方法 |
CN104778517A (zh) * | 2015-04-30 | 2015-07-15 | 国家电网公司 | 基于微气象与卫星遥感数据的微气象灾害预警方法及系统 |
CN105223241A (zh) * | 2015-09-18 | 2016-01-06 | 南京信息工程大学 | 一种湿度传感器的补偿方法 |
CN106198651A (zh) * | 2016-08-31 | 2016-12-07 | 成都市和平科技有限责任公司 | 一种高精度湿度传感器 |
CN106383965A (zh) * | 2016-10-13 | 2017-02-08 | 国家卫星气象中心 | 一种三维数值大气可视化支撑系统 |
CN106530254A (zh) * | 2016-11-14 | 2017-03-22 | 山东理工大学 | 一种基于小波阈值函数与改进中值滤波融合的抑制图像混合噪声算法 |
CN206594781U (zh) * | 2016-12-12 | 2017-10-27 | 江苏省金威测绘服务中心 | 基于地理信息gis采集技术与物联网相结合的山林火灾监测系统 |
CN107368926A (zh) * | 2017-07-28 | 2017-11-21 | 中南大学 | 一种智能环境运载机器人识别楼层的多自然传感参数融合处理方法 |
CN107547457A (zh) * | 2017-09-15 | 2018-01-05 | 重庆大学 | 一种基于改进粒子群优化bp神经网络的盲信道均衡方法 |
CN107742127A (zh) * | 2017-10-19 | 2018-02-27 | 国网辽宁省电力有限公司 | 一种改进的防窃电智能预警系统及方法 |
CN107883875A (zh) * | 2017-11-23 | 2018-04-06 | 哈尔滨工程大学 | 自主式海参捕捞装置视觉检测定位装置及视觉检测定位方法 |
CN108365784A (zh) * | 2017-11-24 | 2018-08-03 | 天津大学 | 基于改进pso-bp神经网络的无刷直流电机控制方法 |
CN108120451A (zh) * | 2017-12-21 | 2018-06-05 | 苏州大学 | 基于改进pso优化神经网络的硅微加速度计温度补偿方法、系统 |
Non-Patent Citations (2)
Title |
---|
WEN LIU 等: "Three-dimensional localization scheme based on layer in Wireless Sensor Networks", 《2010 INTERNATIONAL CONFERENCE ON ADVANCED INTELLIGENCE AND AWARENSS INTERNET (AIAI 2010》 * |
施惠昌: "一种利用函数链神经网络的传感器建模新方法", 《传感器技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675599A (zh) * | 2019-10-18 | 2020-01-10 | 吉林师范大学 | 一种地理环境防护用警示系统 |
CN117724446A (zh) * | 2023-12-14 | 2024-03-19 | 广州智业节能科技有限公司 | 一种预警监控系统、方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102426019B (zh) | 一种无人机景象匹配辅助导航方法及系统 | |
CN106793086B (zh) | 一种室内定位方法 | |
CN104978947B (zh) | 显示状态的调节方法、显示状态调节装置及显示装置 | |
Xiao et al. | Use of general regression neural networks for generating the GLASS leaf area index product from time-series MODIS surface reflectance | |
CN106097304B (zh) | 一种无人机实时在线地图生成方法 | |
CN110866887A (zh) | 一种基于多传感器的目标态势融合感知方法和系统 | |
CN110533722A (zh) | 一种基于视觉词典的机器人快速重定位方法及系统 | |
CN100595782C (zh) | 一种融合光谱信息和多点模拟空间信息的分类方法 | |
Zhou et al. | Individual tree parameters estimation for plantation forests based on UAV oblique photography | |
CN109740665A (zh) | 基于专家知识约束的遮挡图像船只目标检测方法及系统 | |
CN108871332A (zh) | 一种基于XGBoost的RFID室内定位系统及方法 | |
CN112699771B (zh) | 基于人体姿态预测的异常行为检测方法 | |
Lange et al. | The influence of sampling methods on pixel-wise hyperspectral image classification with 3D convolutional neural networks | |
CN109598320A (zh) | 一种基于蝗虫算法和极限学习机的rfid室内定位方法 | |
CN109829423A (zh) | 一种结冰湖泊红外成像检测方法 | |
CN109596165A (zh) | 一种智能地理信息动态预警布控系统及方法 | |
CN112135246B (zh) | 一种基于ssd目标检测的rssi更新的室内定位方法 | |
CN112017188B (zh) | 一种空间非合作目标语义识别与重构方法 | |
CN112199983A (zh) | 一种多层次筛选的长时间大范围行人再识别方法 | |
CN110072183A (zh) | 基于群智感知的被动式定位指纹库构建方法 | |
Siyang et al. | WKNN indoor Wi-Fi localization method using k-means clustering based radio mapping | |
CN104517286A (zh) | 基于自适应阈值分割和组合优化的sar图像配准 | |
CN104899464B (zh) | 一种适应噪声条件下的抽样学习机遥感定量反演方法 | |
Li et al. | Magnetic Field Positioning Technology of Indoor Sports Bodies | |
Babykalpana et al. | Classification of LULC Change Detection using Remotely Sensed Data for Coimbatore City, Tamilnadu, India |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190409 |