авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 || 3 |

Методология анализа данных дистанционного зондирования атмосферы и подстилающей поверхности в контуре гис

-- [ Страница 2 ] --

Описывается метод последовательных приближений для вычисления характеристических корней и характеристических векторов (главных компонент) выборочной ковариационной матрицы. Рассматривается распространенный метод ускорения процесса приближения, предложенный Эйткеном.

Реализация метода иллюстрируется на примере мультиспектральных изображений экологически значимых метеорологических объектов спектрорадиометра среднего разрешения MODIS спутника EOS PM-1 (Aqua) и данным семиканального зондирования участка поверхности суши, выполненного TM LANDSAT. В результате реализации алгоритма рассчитаны ковариационные и корреляционные матрицы, собственные числа и вектора, показана высокая степень компрессии с помощью первых двух компонент (до 98%), определены наиболее репрезентативные исходные изображения, имеющие самую высокую корреляцию с главными компонентами.

Третья глава посвящена методам автоматического распознавания изображенных на спутниковых снимках метеорологических объектов.

Указывается на то, что для превращения спутниковых снимков в информационные слои ГИС необходимо привлечение методов теории распознавания образов (ТРО). Указывается, что в контуре ГИС необходимо разработать алгоритмы, охватывающие весь спектр возможных уровней наличия априорной информации о классифицируемых объектах: 1) полного, когда известны условные плотности вероятностей признаков в классах, 2) неполного - при наличии обучающих выборок в классах; 3) полного ее отсутствия (в том числе, отсутствие информации о наличии классов).

Производится постановка задачи распознавания образов, и вводятся основные определения и понятия. Указывается, что основная задача ТРО сводится к построению разделяющей гиперповерхности (решающего правила) в признаковом пространстве с целью минимизации риска потерь.

Рассматриваются методы распознавания первого уровня при наличии полной априорной информации.

Для первого уровня наличия априорной информации обсуждается метод максимального правдоподобия, который для вычисления апостериорной вероятности принадлежности объекта с признаками образу , по формуле Байеса сводится к

(9)

Поскольку в реальных условиях плотности вероятностей признаков, как правило, неизвестны, приходится ставить задачу оценки этих плотностей по обучающим выборкам. Предполагается, что распределение значений признаков каждого класса хорошо аппроксимируется смесью нормальных плотностей вероятностей:

(10)

Каждому объекту выборки ставится в соответствие апостериорную вероятность принадлежности его -й компоненте смеси:

(11)

. (12)

Строится следующая итеративная процедура последовательных приближений:

(13)

где ,  – произвольно заданные начальные значения параметров смеси, верхний индекс – номер итерации.

Для (t+1)- го шага

, (14)

(15)

Методы распознавания второго уровня при неполной априорной информации требуют задание обучающих выборок. Рассматривается простой и эффективный метод ближайшего среднего (эталонов). Для каждого класса по обучающей выборке строится эталон, имеющий значения признаков

, (16)

где

=,

 – количество объектов данного образа в обучающей выборке,

 – номер признака.

Распознавание осуществляется следующим образом. На вход системы поступает объект , принадлежность которого к тому или иному классу метеорологических объектов системе неизвестна. От этого объекта измеряются расстояния до эталонов всех образов, и система относит к тому классу, расстояние до эталона которого минимально. Расстояние измеряется в той метрике, которая введена для решения определённой задачи распознавания.

В случае, когда дисперсии обучающих выборок относительно средних в двух классах значительно различаются, решающее правило метода ближайшего среднего существенно сместит границу в сторону одного из классов. Чтобы преодолеть это «неравенство» классов, необходимо разработать алгоритм улучшения степени разделимости классов. В качестве такого алгоритма предлагается нормирование признаков по соответствующим среднеквадратическим отклонениям обучающих выборок и проведение классификации в пространстве нормированных признаков.

На третьем уровне в условиях полного отсутствия априорной информации используется кластерный анализ, в основе которого лежит гипотеза компактности. Одним из лучших алгоритмов реализации кластерного анализа при ограниченных объемах выборок считается использующий метод потенциальных функций. Название метода в определённой степени связано со следующей аналогией. Представим себе, что объекты являются точками некоторого пространства Х. В эти точки будем помещать заряды . Функцию, описывающую распределение электростатического потенциала в таком поле, можно использовать в качестве решающего правила (или для его построения). Если потенциал точки , создаваемый единичным зарядом, находящимся в , равен , то общий потенциал в , создаваемый зарядами, равен

(17)

Где  – потенциальная функция. Она, как в физике, убывает с ростом евклидова расстояния между и . Чаще всего в качестве потенциальной используется функция, имеющая максимум при и монотонно убывающая до нуля при .

Кластерный анализ осуществляется следующим способом. Всем элементам выборки приписывается один и тот же заряд. Вычисляется суммарный потенциал . Если он превышает определенное пороговое значение , то это означает, что здесь имеется тесное скопление «зарядов», наводящее значительный потенциал. Соответствующая область провозглашается кластером. По величине наведенного «потенциала» можно построить иерархию кластеров по «кучности» и количеству элементов.

В качестве потенциальных функций в данной работе используются функции вида

(18)

с устанавливаемым заранее количеством кластеров или шириной кластера.

Описывается реализация трехуровневого алгоритма в контуре ГИС и приводятся примеры идентификации экологически значимых метеорологических объектов на спутниковых снимках METEOSAT и EOS Aqua в выбранных ранее наиболее репрезентативных спектральных диапазонах (определение границы снежного покрова на фоне облачности в видимом диапазоне, обнаружение шлейфов дыма от лесных пожаров, обнаружение облачности и границ ледового покрова) и LANDSAT (распознавание типов подстилающих поверхностей). С целью оценки чувствительности различных алгоритмов к неточности задания обучающих выборок (робастности) варьировалась засоренность обучающих выборок пикселями из других классов в диапазоне от 0 до 30 процентной засоренности. Наиболее робастным оказывается алгоритм, использующий нормированный метод ближайшего среднего. При хорошем определении обучающих выборок наилучшее качество распознавания демонстрирует алгоритм, основанный на методе максимального правдоподобия с аппроксимацией условных плотностей вероятности смесью нормальных распределений.

Четвертая глава посвящена рассмотрению метода построения мезоклиматического потенциала территории в контуре ГИС как примера сводного показателя, обобщающего различные стороны объекта в условиях неопределенности и неточности информации.

Общим в задачах такого типа является формирование вектора отдельных показателей, имеющих географическое распределение (информационных слоев ГИС). Вводится сводный показатель , который зависит от вектора весовых коэффициентов , задающих степень влияния отдельных показателей на сводную оценку. Простым частным случаем сводного показателя является линейная комбинация

,

Неопределенность выбора вектора весовых коэффициентов моделируется многомерной равномерно распределенной случайной величиной . Генерируя на ЭВМ все допустимые наборы весовых коэффициентов , получаем возможность вычислить статистические характеристики вектора случайных весовых коэффициентов и соответствующих рандомизированных сводных показателей, как это предложено в методе АСПИД.

При реализации метода в контуре ГИС рассмотрены два возможных варианта реализации алгоритма:

1. Полное отсутствие априорной информации о сравнительной весомости отдельных показателей;

2. Второй вариант предполагает наличие априорной информации о сравнительной весомости отдельных показателей. Предполагается, что информация носит лишь ординальный (порядковый) характер, и сформулирована в виде системы неравенств для весовых коэффициентов.

Метод рандомизированных показателей с неопределенными весовыми коэффициентами применен к задаче оценки мезоклиматического потенциала седиментации аэротехногенных примесей. Для оценки информативности полученной величины проведено сравнение с экспериментальными данными о загрязнениях, показывающее их хорошее согласие.

Пятая глава посвящена теоретическому обоснованию принципа максимума производства энтропии в неравновесных системах с использованием методов теории информации.

Многие исследования в разных предметных областях, имеющих дело с моделированием поведения сложных неравновесных систем, указывают на плодотворность подхода с использованием принципа максимума производства энтропии (МПЭ). Привлекательность оперирования макро-характеристикой вместо анализа бесчисленного множества микро-характеристик и индивидуальных фазовых траекторий очевидна. Однако чем может быть оправдано использование принципа МПЭ с теоретической точки зрения? Поиску ответа на этот вопрос и посвящена настоящая глава.

В качестве основы используется подход Джейнса для предсказания макроскопически воспроизводимого поведения неравновесной системы путем максимизации информационной энтропии с учетом наложенных ограничений. В то время как макроскопическое поведение экспериментально воспроизводимо при наложении ограничений, микроскопические траектории невоспроизводимы (поскольку мы не можем настроить систему с точностью до атомов). То, что макроскопическое поведение воспроизводимо при данных ограничениях, означает, что оно является характерным для огромного числа микроскопических траекторий, совместимых с этими ограничениями. Из этого следует, что огромное большинство микроскопических деталей неважно для прогнозирования макроскопических величин. Процедура Джейнса максимизации информационной энтропии зависит от налагаемых ограничений и эффективно игнорирует всю, не относящуюся к делу микроскопическую информацию. Она применима не только к физическим динамическим системам, но и к экономическим и биологическим. При условии, что воспроизводимые стационарные состояния системы могут быть описаны величинами , подчиняющимися локальным законам сохранения с потоками и источниками

, (19)

процедура Джейнса ведет к общему результату для распределения вероятностей микроскопических фазовых траекторий (аналогом большого канонического распределения Гиббса):

, (20)

, (21)

в которых обобщенное производство энтропии может быть определено через второй член в уравнении (21). Следствия этого результата: МПЭ и самоорганизующаяся критичность, могут рассматриваться как общие свойства подобных систем.

Со статистической точки зрения репродуцируемое поведение это наиболее вероятное поведение. Оно репродуцируется именно потому, что является характерным для каждого из подавляющего большинства микросостояний или траекторий, находящихся в согласии с наложенными ограничениями.

Суммируя изложенное, делается вывод, что метод максимального производства энтропии это статистически обоснованный принцип физического отбора. Однако оправдываемость прогнозов метода максимальной энтропии в значительной степени зависит от правильности определения ограничений, которые в действительности существуют в природе. В этом отношении метод максимальной энтропии в значительной степени остается методом проб и ошибок. Неудачи его применения свидетельствуют о наличии не учитываемых ограничений (или новых физических законов).

В шестой главе исследуются возможности использования принципа МПЭ при анализе климатических и эколого-экономических систем.

Дается пример использования этого принципа при решении задачи переноса тепла в атмосфере. Делается вывод, что атмосферная циркуляция должна подстраивать себя к такому макро-состоянию, в котором производится максимальное количество энтропии. Важную роль в производстве энтропии играет бароклинность, связанная с диссипацией вследствие трения в планетарном пограничном слое и перемешиванием теплых и холодных воздушных масс в средних широтах. Практически, принцип МПЭ здесь предписывает состояние наивысшей бароклинности для обеспечения наиболее эффективного переноса тепла к полюсам. Те климатические модели, которые не воспроизводят максимум производства энтропии, скорее всего, будут завышать градиент температуры от экватора к полюсу.

Для учета энтропийного фактора при анализе эколого-экономических систем предлагается ввести индекс относительной энтропийной устойчивости (RES), который призван отразить энтропийную устойчивость и относительное благополучие региона с эколого-экономической точки зрения. Этот индекс является безразмерным коэффициентом, учитывающим как долю производимого i-м регионом или страной ВВП по отношению к национальному или глобальному ВВП, так и относительную долю произведенной при этом энтропии.

Отмечается, что всякая деятельность, в том числе и экономическая, возможна лишь при потреблении энергии. Во всех процессах, связанных с потреблением энергии, происходит ее превращение из одной формы в другие. Примером превращения энергии является сжигание ископаемого топлива, при котором химическая энергия связей между атомами превращается в тепловую. Часть этой тепловой энергии используется для совершения работы. Конечным результатом этого процесса является полное исчезновение топлива (кроме остатков в виде пепла и сажи) и его превращение в газообразную форму, главным образом в СО2 и водяной пар. С другой стороны, операция сжигания топлива с целью получения энергии является процессом превращения низкоэнтропийного ресурса в высокоэнтропийные отходы, т.е. процессом производства энтропии. Чем больше используется энергии для экономической деятельности в экологической системе, тем больше выбрасывается углекислого газа и тем больше, хотя и не в простой линейной зависимости, производится энтропии в системе. Таким образом, объемы антропогенных выбросов углекислого газа в атмосферу могут служить косвенным показателем объема произведенной энтропии. Разрабатывается метод учета антропогенных выбросов углекислого газа для оценки производства энтропии территории.

В рамках данной работы был произведен расчет индекса RES для отдельных административных районов Санкт-Петербурга. Интегрированный характер данного показателя может дать исчерпывающую картину экономической и экологической деятельности внутри границ системы.

Расчет индекса осуществляется по следующей формуле:

RESi=, (22)

где RESi – индекс относительной энтропийной устойчивости;

ВТПi – валовый территориальный продукт i-го административного района Санкт-Петербурга, млн. руб.;

ВТПi– валовый территориальный продукт Санкт-Петербурга (ВРП), млн. руб.;

Si – относительная доля произведенной энтропии, оцененная по выбросам СО2, i-го административного района Санкт-Петербурга, мг/м3;

Si – относительная доля произведенной энтропии, оцененная по выбросам СО2, города Санкт-Петербурга, мг/м3.

Очевидно, что чем выше значение индекса по сравнению с единицей, тем более относительно устойчивым с энтропийной точки зрения является эколого-экономическое макро-состояние данного района, тем менее ущербной для состояния окружающей среды и природного капитала является экономическая деятельность в нем.

И, наоборот, чем меньше единицы значение индекса, тем менее энтропийно устойчивым является макро-состояние i-го региона, что свидетельствует о значительной экологической стоимости экономических результатов.

Так в целом по Санкт-Петербургу за анализируемый период наблюдается стабильный рост ВТП отдельных районов и, соответственно, ВРП города в целом и снижение суммарной концентрации СО2. Количество районов, устойчивых с энтропийной точки зрения, увеличилось, однако, сказать об однозначном улучшении ситуации в городе было бы не правильно (рисунок 1).

  Индекс RES административных районов Санкт-Петербурга, 2008 г. Проведенный-77

Рисунок 1 – Индекс RES административных районов Санкт-Петербурга, 2008 г.



Pages:     | 1 || 3 |
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.