南水入冀新水情下,百泉泉域地下水环境发生改变,岩溶地下水地球化学过程有待查明。综合利用数值模拟、机器学习(自组织聚类)和同位素(δD和δ^(18)O)等方法系统揭示了矿业活动与南水入冀下百泉泉域岩溶地下水地球化学过程,并基于熵变权...南水入冀新水情下,百泉泉域地下水环境发生改变,岩溶地下水地球化学过程有待查明。综合利用数值模拟、机器学习(自组织聚类)和同位素(δD和δ^(18)O)等方法系统揭示了矿业活动与南水入冀下百泉泉域岩溶地下水地球化学过程,并基于熵变权水质指数(Entropy-weighted water quality index,EWQI)进行了水质分级评价。南水入冀后,百泉泉域岩溶地下水位整体抬升。时间上,呈现出既有年际动态变化又有年内季节变化特征。空间上,补给区表现为剧变型,而径流、排泄区呈缓变型。地下水降落漏斗主要分布在泉域东南部的煤、铁矿密集区。泉域岩溶地下水呈弱碱性,水化学类型以Ca-HCO_(3)型和Ca-SO_(4)型为主导。主要阴阳离子质量浓度遵循ρ(HCO_(3)^(-))>ρ(SO_(4)^(2-))>ρ(Cl^(-))和ρ(Ca^(2+))>ρ(Mg^(2+))>ρ(Na^(+))>ρ(K^(+))的顺序。各离子沿着径流路径呈现出逐渐增大的空间分布特征。岩溶地下水化学成分主要受岩石(方解石、白云石和石膏)风化溶解和反向阳离子交换作用主导。人为活动对泉域岩溶地下水系统中的SO_(4)^(2-)和NO_(3)^(-)质量浓度有一定程度影响。岩溶地下水来源于大气降水,并且在入渗前发生了二次蒸发作用,氘盈余值在径流过程中有所降低。水质评价结果表明,岩溶地下水质量整体优于第四系地下水,分别有50%的岩溶水和37.5%的第四系水样满足饮用目的。TDS、ρ(SO_(4)^(2-))和ρ(NO_(3)^(-))是影响泉域地下水水质的关键指标。引起泉域岩溶地下水系统水质恶化的潜在人类活动主要包括矿山排水、农业灌溉和城市污水排放。通过水质分级评价,提出了泉域地下水环境保护措施。研究结果将有助于为百泉泉域岩溶地下水资源的供水安全和地下水环境保护治理提供参考。展开更多
为解决在目标检测网络中使用特征融合方法带来的参数量大、计算复杂度高的问题,提出了一种融合无参注意力机制(SimAM)的特征融合方法。对动态蛇形卷积(DSConv)进行轻量化处理(Light-DSConv)。利用该结构自主学习目标几何形状的能力,对...为解决在目标检测网络中使用特征融合方法带来的参数量大、计算复杂度高的问题,提出了一种融合无参注意力机制(SimAM)的特征融合方法。对动态蛇形卷积(DSConv)进行轻量化处理(Light-DSConv)。利用该结构自主学习目标几何形状的能力,对小目标的特征进行二次提取。利用SimAM模块对特征图空间域的重要性进行划分并与通道域权重相结合,进一步提升模型性能。在Pascal VOC 2007测试集上测试融合模块的有效性。结果表明:轻量化后,单个DSConv结构参数量下降85.6%。模型平均精度(mean average precision,mAP)比基线模型增加了4.41%,比添加现有特征融合方法模型平均增加3.78%。所提出模块的参数量、计算量、检测速度与现阶段其它方法相比均具有一定优势。展开更多
农业机械轨迹作业行为模式识别是一项多变量时间序列分类任务,旨在利用轨迹数据的时空特征识别农机的行为模式。针对已有方法未能从频率角度挖掘农机轨迹的全局特性以及识别精度不足的问题,提出了一种面向农机轨迹行为模式识别的频域注...农业机械轨迹作业行为模式识别是一项多变量时间序列分类任务,旨在利用轨迹数据的时空特征识别农机的行为模式。针对已有方法未能从频率角度挖掘农机轨迹的全局特性以及识别精度不足的问题,提出了一种面向农机轨迹行为模式识别的频域注意力和U型残差网络FARNet。该网络包含两个不同网络分支,用于全面挖掘农机轨迹的依赖信息。其中一个分支搭载了基于频域注意力的Transformer(transformer based on frequency attention,FAT)来挖掘农机轨迹在频域空间的全局时序依赖;另一分支部署了基于正交约束的U型残差网络(U-shaped residual network based on orthogonal constraints,URNet),其以ResUnet作为骨干网络提取轨迹特征图在不同感受野的深层语义信息,探索轨迹特征间的局部空间依赖。最后设计了一种特征对齐学习模块(feature alignment learning module,FA)来融合并对齐两个分支的输出特征,全面调节农机轨迹在全局和局部不同范围下的上下文信息,提高算法的识别性能。为验证所提方法的有效性,在真实轨迹数据集上进行了实验,结果表明,所提方法相比现有的SOTA模型在水稻和小麦收割机轨迹数据集上的F1-score提高了13.94和11.47个百分点。展开更多
文摘南水入冀新水情下,百泉泉域地下水环境发生改变,岩溶地下水地球化学过程有待查明。综合利用数值模拟、机器学习(自组织聚类)和同位素(δD和δ^(18)O)等方法系统揭示了矿业活动与南水入冀下百泉泉域岩溶地下水地球化学过程,并基于熵变权水质指数(Entropy-weighted water quality index,EWQI)进行了水质分级评价。南水入冀后,百泉泉域岩溶地下水位整体抬升。时间上,呈现出既有年际动态变化又有年内季节变化特征。空间上,补给区表现为剧变型,而径流、排泄区呈缓变型。地下水降落漏斗主要分布在泉域东南部的煤、铁矿密集区。泉域岩溶地下水呈弱碱性,水化学类型以Ca-HCO_(3)型和Ca-SO_(4)型为主导。主要阴阳离子质量浓度遵循ρ(HCO_(3)^(-))>ρ(SO_(4)^(2-))>ρ(Cl^(-))和ρ(Ca^(2+))>ρ(Mg^(2+))>ρ(Na^(+))>ρ(K^(+))的顺序。各离子沿着径流路径呈现出逐渐增大的空间分布特征。岩溶地下水化学成分主要受岩石(方解石、白云石和石膏)风化溶解和反向阳离子交换作用主导。人为活动对泉域岩溶地下水系统中的SO_(4)^(2-)和NO_(3)^(-)质量浓度有一定程度影响。岩溶地下水来源于大气降水,并且在入渗前发生了二次蒸发作用,氘盈余值在径流过程中有所降低。水质评价结果表明,岩溶地下水质量整体优于第四系地下水,分别有50%的岩溶水和37.5%的第四系水样满足饮用目的。TDS、ρ(SO_(4)^(2-))和ρ(NO_(3)^(-))是影响泉域地下水水质的关键指标。引起泉域岩溶地下水系统水质恶化的潜在人类活动主要包括矿山排水、农业灌溉和城市污水排放。通过水质分级评价,提出了泉域地下水环境保护措施。研究结果将有助于为百泉泉域岩溶地下水资源的供水安全和地下水环境保护治理提供参考。
文摘在自组织映射(Self-organizing Map,SOM)模型的训练过程中,不同类数据对权重矩阵的更新有不同作用,某一类数据对权重矩阵的更新会对其他类获胜神经元特征向量产生偏离其数据特征的影响,从而降低算法聚类精度。针对以上问题,提出一种改进的基于置信度SOM模型(Improved Confidence-based SOM Model,icSOM)。样本数据首先由K-means算法初步分类,为模型训练提供更多的数据信息;然后将预分类后的数据分别训练相互独立的SOM模型,以消除不同类之间的影响;最后在传统SOM模型基础上提出置信度矩阵概念,通过综合判断获胜神经元的置信度及其与输入数据间的欧氏距离最终得到置信神经元,根据置信神经元所属类别给数据分配聚类标签。在鸢尾花数据集(Iris)及葡萄酒数据集(Wine)上利用icSOM进行聚类分析,实验结果表明,所提算法可以更好地处理样本数据,取得了较好的聚类效果。
文摘为解决在目标检测网络中使用特征融合方法带来的参数量大、计算复杂度高的问题,提出了一种融合无参注意力机制(SimAM)的特征融合方法。对动态蛇形卷积(DSConv)进行轻量化处理(Light-DSConv)。利用该结构自主学习目标几何形状的能力,对小目标的特征进行二次提取。利用SimAM模块对特征图空间域的重要性进行划分并与通道域权重相结合,进一步提升模型性能。在Pascal VOC 2007测试集上测试融合模块的有效性。结果表明:轻量化后,单个DSConv结构参数量下降85.6%。模型平均精度(mean average precision,mAP)比基线模型增加了4.41%,比添加现有特征融合方法模型平均增加3.78%。所提出模块的参数量、计算量、检测速度与现阶段其它方法相比均具有一定优势。
文摘农业机械轨迹作业行为模式识别是一项多变量时间序列分类任务,旨在利用轨迹数据的时空特征识别农机的行为模式。针对已有方法未能从频率角度挖掘农机轨迹的全局特性以及识别精度不足的问题,提出了一种面向农机轨迹行为模式识别的频域注意力和U型残差网络FARNet。该网络包含两个不同网络分支,用于全面挖掘农机轨迹的依赖信息。其中一个分支搭载了基于频域注意力的Transformer(transformer based on frequency attention,FAT)来挖掘农机轨迹在频域空间的全局时序依赖;另一分支部署了基于正交约束的U型残差网络(U-shaped residual network based on orthogonal constraints,URNet),其以ResUnet作为骨干网络提取轨迹特征图在不同感受野的深层语义信息,探索轨迹特征间的局部空间依赖。最后设计了一种特征对齐学习模块(feature alignment learning module,FA)来融合并对齐两个分支的输出特征,全面调节农机轨迹在全局和局部不同范围下的上下文信息,提高算法的识别性能。为验证所提方法的有效性,在真实轨迹数据集上进行了实验,结果表明,所提方法相比现有的SOTA模型在水稻和小麦收割机轨迹数据集上的F1-score提高了13.94和11.47个百分点。
