Page 220 - 新时期测绘工程测量技术研究
P. 220
·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 ////
训练，得到主支流分类模型，进而对河段主支流关系进行识别，实现对树状河系
的主支流自动识别、分类与分级。因此，空间特征学习或表征学习是基于智能算
法的空间特征理解的关键技术。
3.基于智能算法的时域空间预测技术
根据多维属性变量估计一个目标对象或地理变量在未知地点（时空）的数值
是时域空间预测的基本原理。利用已知位置的属性数值推测未知点相同属性的数
值称为空间插值法，它是 GIS 中常见的空间分析功能，包括反距离加权、不规
则三角网络和克里金法等。可以运用机器学习和深度学习方法探索时域空间预测
和空间插值的新方法，并将其广泛应用在测绘领域。部分学者已在相关领域取得
一定的研究成果，例如刘青豪等提出一种基于深度学习的 InSAR（Interferometric
Synthetic Aperture Radar）地表沉降预测方法，其克服了传统预测方法因模型参
数难以获取或相关数据缺乏而难以得到可靠预测结果的缺陷，对大范围时序形变
的短期预测较为有效。在城市时空预测方面，基于极限学习机的城市扩展元胞自
动机模型已被用于城市空间结构扩展模拟与预测方面，其相比于神经网络的模拟
精度更高，训练时间更短，且在小样本条件下仍能保持较高的模拟预测精度。在
GNSS（Global Navigation Satellite System）导航定位中，对一个或多个运动目标
进行采样，可以建立运动学模型对目标的运动状况进行预测。为此，需要利用人
工智能技术去理解目标的运动行为，学习目标运动的行为模式，挖掘目标行为与
目标行动间的关联关系，从而对目标的运动行为进行预测。
208
