Page 218 - 新时期测绘工程测量技术研究

·新时期测绘工程测量技术研究·
/// Research on Measurement Technique in Surveying and Mapping Engineering in the New Era ////

性能的高效获取模型。

2.大数据信息融合与质量控制
跨平台的多时序观测数据之间的信息融合可以弥补单一模式观测数据的不充
分或数据缺失的问题。多维、多源、跨平台的异质观测数据中既有可量化的数值
型观测数据，也有其他非数值型数据，如图像、视频数据和描述性的文字信息等，

因此异构信息的融合非常困难。大数据一般来源于复杂环境，与地质环境关联。
数据与数据之间、不同的尺度之间、不同的系统环境之间存在错综复杂的耦合作
用，新旧数据的更新交换等问题严重影响着数据的质量和数据分析的结果。数据

的复杂性、不确定性以及不同分辨率、不同物理意义、不同统计性质的数据，使
得多传感器数据融合变得困难。此外，时序观测数据中还存在着各种噪声、不确
定度、数据不完整和观测不同步等问题，因此大数据的质量问题更需要引起重视。
在大数据挖掘方面，随着人工智能算法研究的不断推进，深度神经网络在大数据

分析中表现出的独特优势越来越明显，从动力学角度对多源异构数据进行解耦与
重建，利用数理统计规律，在时间尺度上降低各时间段间的相似性和大数据的样
本数，从海量数据中智能学习提取关键信息，可以形成测绘大数据的一般性方法。

例如，在地质灾害监测方面，通过对地震重灾区 62 个县市内的滑坡灾害与地质
环境、降雨之间的关联分析，运用改进 BP（Back Propagation）神经网络、动态
粒子群优化 BP 神经网络、深度置信网络等机器学习理论和方法，可建立滑坡灾

害气象预警模型。在全球地形测绘方面，可利用神经网络模型融合多源全球数
字高程模型（Digital Elevation Model，DEM）产品（SRTM1、ASTER GDEM v2
及激光雷达测高数据 ICESat GLAS 等），获得相比传统 DEM 精度更高的融合

DEM 产品，其具有精度稳定、无空间空洞等优势。现有的数据融合和质量控制
技术是建立在数据规模小、数据结构化语义清楚的基础之上。为了有效解决大数
据信息获取的全面性和一致性问题，需要对大数据的多维、多源、跨平台以及相
关性开展大数据融合和集成的新方法以及质量控制问题的研究。

3.基于智能算法的目标快速识别技术
基于深度学习的目标识别算法通过模仿人脑神经网络结构对大数据进行学
习、分析和解释，已成功应用于地下目标识别和遥感地物目标识别等领域。智能

视觉融合了计算机和人工智能领域的最新成果，将它与深度学习方法相结合，智
能目标快速识别算法将更加有效，只需要简单的加、乘运算，就能够快速生成目

206