导读:本文包含了估算精度论文开题报告文献综述及选题提纲参考文献,主要关键词:GPM卫星产品,降水量,精度评价,长江流域
估算精度论文文献综述
吴一凡,张增信,金秋,黄钰瀚[1](2019)在《GPM卫星降水产品在长江流域应用的精度估算》一文中研究指出为评价GPM卫星降水产品在长江流域的探测精度,利用长江流域224个气象站点2014年4月1日至2017年12月31日的逐日实测降水数据和GPM卫星遥感探测数据,通过相关系数R、平均绝对误差MAE、均方根误差RMSE、相对偏差RB四种指标评价了GPM卫星降水产品在长江流域年、月、日尺度上的探测精度,并运用探测率POD、误报率FAR、偏差率BIAS、公正先兆评分ETS四种指标衡量了GPM对不同量级降水的捕捉能力。结果表明:①年尺度上,GPM卫星与实测降水的R、MAE、RMSE和RB值分别为0.92,0.44,0.57 mm/d和5.68%,表现出较高的探测精度;②月尺度上,GPM卫星在冬夏两季月份与实测值的一致性较差,并明显低估了冬季月份的降水,且对夏季月份的降水估计存在较高误差;③日尺度上,GPM对弱降水的捕捉能力较强,对强降水探测能力较差;④总体而言,GPM在年月尺度上通过表现出较高的相关系数R和较低的MAE和RMSE误差值,显示出比日尺度上更高的探测精度。(本文来源于《人民长江》期刊2019年09期)
张茁,刘建宇,王璐平,金鹏[2](2019)在《影响锂离子电池荷电状态估算精度的因素分析》一文中研究指出为了考察引起荷电状态(SOC)估算误差各因素的不同作用,以3块磷酸铁锂电池组成的电池组为对象进行混合脉冲功率特性(HPPC)实验,二阶Thevenin电池模型为基础构建状态方程,利用无迹Kalman滤波(UKF)算法估算SOC,分析模型参数及输入电流、端电压、开路电压(OCV)误差对SOC估算的影响。结果表明:当在OCV、端电压及输入电流中各加入1%的噪声,或在电池的参数(欧姆内阻,极化电阻,极化电容)固定时,SOC估计的误差分别为19.1%、20.6%和小于3%;可见OCV和端电压对SOC估算精度影响较大,提高端电压的测量精度和OCV曲线拟合的准确性,可大幅减小锂电池SOC的估算误差。(本文来源于《汽车安全与节能学报》期刊2019年03期)
郭晓莹,唐雨竹[3](2019)在《基于DMSP/OLS夜间灯光数据的东叁省城市人口估算及精度分析》一文中研究指出我国是人口大国,随着经济的快速发展,人口问题也逐渐显着。人口的研究对于生态环境的可持续发展、城市的未来发展规划具有重要意义。鉴于此,本文以东叁省为例,基于DMSP/OLS夜间灯光数据和2010年六普人口数据,通过构建一种对人口进行空间化模拟的数学模型来模拟东叁省各市人口,并进行精度分析。结果表明,本文所采用的数学模型能够较为精确的模拟出东叁省大部分城市人口数,但对于个别特殊城市人口模拟误差略大,因此,在进行模拟时针对结果准确的城市可直接使用本文模型,对于特殊城市应相应进行参数调整。(本文来源于《国土与自然资源研究》期刊2019年04期)
庞国伟,杨勤科,王春梅,山琳昕,王碧莲[4](2019)在《像元二分模型参数确定方法对高分一号PMS数据估算植被覆盖度精度的影响》一文中研究指出纯裸土像元的NDVI_(soil)和纯植被像元的NDVI_(veg)是像元二分模型的两个关键参数,影响植被覆盖度遥感估算的精度。该文在基于实测法和置信度法确定像元二分模型参数的基础上,利用国产高分一号PMS数据估算了黄土高原典型区的植被覆盖度,并用实测植被覆盖度数据对两种估算结果进行了验证,最后分析了研究区植被覆盖度的空间分布特征。结果表明:1)利用实测法和置信度法确定的像元二分模型参数,估算得到的植被覆盖度与实测植被覆盖度之间均存在较好的线性关系,但实测法估算精度优于置信度法;2)研究区植被覆盖度从西北到东南逐渐增大,平均盖度为55.40%,植被覆盖度大于45%的面积比例在60%以上,植被覆盖整体较好。研究结果可为区域植被覆盖度遥感估算提供参考。(本文来源于《地理与地理信息科学》期刊2019年04期)
解运锋[5](2019)在《全站仪支导线在井下测量中的精度估算与布测》一文中研究指出文章通过对全站仪测角、量边以及全站仪支导线最终点误差的估算和分析,提出了全站仪导线点布设中的一些注意事项。为矿井井下全站仪支导线的布设、测量、最终点误差估算等工作提供借鉴。(本文来源于《科技创新与应用》期刊2019年11期)
齐斐,苏新宇,黎家作,胡续礼,刘霞[6](2019)在《沂蒙山区不同抽样密度对土壤侵蚀因子估算精度的影响》一文中研究指出[目的]探讨分层系统抽样方法下不同抽样密度对土壤侵蚀因子估算精度的影响,为区域水土流失动态监测抽样方法和抽样密度的选取提供数据支撑。[方法]以沂蒙山泰山国家级重点治理区蒙阴县为对象,基于2013年SPOT5遥感影像和1∶1万地形图,采用人机交互解译、野外调查、统计分析等方法,以全县土壤侵蚀因子为基准值,对1%和4%密度土壤侵蚀因子进行精度评价。[结果]①1%抽样密度下,S,E,K因子相对误差较大,分别为33.48%,23.46%,20.64%,主要受坡度、土地利用和土壤类型影响;L,B,T相对误差均小于11%;六者平均14.44%。②4%抽样密度下,E,K,B相对误差较大,分别为15.07%,13.94%和10.69%,主要受土地利用和土壤类型影响;L,S,T相对误差均小于10%;6者平均7.89%。③以栅格计算法结果为基准值,采用单元插值外推法推算全县水土流失面积,1%密度下水土流失面积比偏高19.73%,4%密度下水土流失面积比偏高11.77%。[结论]蒙阴县1%和4%密度各因子均有不同程度的精度损失,并对水土流失估算结果造成一定影响,在区域水土流失动态监测过程中可根据需求选取合适的抽样密度。(本文来源于《水土保持通报》期刊2019年02期)
赵真,郭红梅,张莹,申源[7](2019)在《基于天地图高精度建筑物的四川宝兴县人口估算》一文中研究指出为了提高震前灾害风险评估和震后灾情快速评估工作中人口空间分布估计的准确性,利用2016年四川宝兴县乡镇人口数据及天地图中的建筑物数据,运用居住建筑人口密度方法得到四川宝兴县各乡镇居住建筑物尺度的人口分布矢量数据,并利用实地调研获取的单体建筑物实际人口进行精度验证。实验结果表明:以居住建筑物体积作为人口空间分布指示因子建模,得到的拟合精度为0.902 7,人口平均相对误差为15.23%,结果具有可靠性,可为震前灾害风险评估和震后灾情快速评估提供更为可靠的数据支撑。(本文来源于《地震研究》期刊2019年02期)
阮杨春[8](2019)在《基于高光谱建立植物叶面滞尘含量估算模型及PROSPECT模型反演精度评价》一文中研究指出植物叶表具有滞尘作用,可有效吸附大气污染物质,从而使大气中的颗粒性污染物附着于叶片表面形成叶面尘。叶面尘对于检测植物生长胁迫以及监测大气环境污染等具有重要意义。本研究通过测量中亚热带常见绿化树种红叶石楠(Photinia×fraseri Dress)、香樟(Cinnamomum camphora(L.)Presl.)、月桂(Laurus nobil is)的叶面尘含量以及有尘和无尘状态下叶片的反射光谱。分析叶面尘对叶片反射光谱的影响,并通过相关性分析筛选出叶面尘的敏感波段和指数建立叶面尘多元回归估算模型。此外,本研究还对叶面尘引起PROSPECT模型反演生化参数精度的影响进行了探讨。本文主要研究结果如下:(1)叶面尘附着叶表会造成叶片光谱反射率发生变化,在400-700nm可见光波段以及大于1300nm的远红外波段,红叶石楠、香樟、月桂的反射光谱受叶面尘影响变化规律是不一致的,但是在800-1200 nm中随叶面尘含量的减小叶片反射率却会随之增加,此外,叶面尘对叶片反射率叁边位置改变不大,叶面尘的覆盖不会造成红移,但是叶片‘叁边面积’值有所增加。(2)通过对反射光谱求多阶导数及对数光谱,对比研究发现含叶面尘叶片的反射光谱同叶面尘含量敏感的波段主要集中在可见光和近红外光波段。对叶面尘含量同原始叶片反射光谱的归一化指数、比值指数、差值指数进行相关性分析,提取叶片反射光谱中对叶面尘敏感的构造指数参数。结果表明光谱指数中归一化和差值指数同叶表滞尘量的相关性较高,比值指数较低。(3)通过一阶导数,二阶导数、对数光谱和原始光谱进行敏感性分析后提取敏感波段及指数建立的基于敏感波段和指数的叶面尘多元回归估算模型,在叁个树种的滞尘能力估算模型中估算叶面尘效果较好的是月桂,通过构造指数和敏感波段建立的估算模型决定系数都达到0.7以上,其中基于敏感波段建立的估算模型精度可达0.809;红叶石楠基于敏感波段和光谱指数建立的估算模型决定系数相差不大分别为0.7036和0.748;香樟的叶面尘估算模型中,基于敏感波段要比基于构造指数的精度高;总体来说基于敏感波段的估算效果要优于构造指数。(4)叶面尘对反射光谱存在一定影响,附着至叶片表面会导致叶表光学属性发生变化。通过控制实验获取有尘无尘状态下反射光谱,基于PROSPECT模型进行反演对比发现有尘状态下反演的生化参数值均低于无尘状态下的反演值。为消除叶面尘影响下反演值偏低问题,该文通过添加叶表粗糙度参数,在一定程度上解决了反演生化参数偏低问题,其中反演叶绿素含量、单位面积水含量、单位面积干物质含量的决定系数分别达到0.7405、0.7274、0.4203。同时模拟叶片反射率值同实测光谱比较RMSE均小于0.018,相比原有模型,改进模型在反演生化参数和模拟反射光谱上精度都有一定提高。(本文来源于《浙江师范大学》期刊2019-04-07)
李雨霏,吕永鹏,尹冠霖,莫祖澜[9](2019)在《子汇水区划分精度对于水力模型应用于海绵小区流量估算影响的研究》一文中研究指出针对海绵城市小区尺度采用水力模型模拟展开研究。为确定合适的子汇水分区划分精度,建立了叁个精度的水力模型,即高精度水力模型、中精度水力模型、低精度水力模型,并与海绵城市建设实测数据进行了对比分析。研究结果表明,子汇水分区划分精度对模型模拟的水量结果在一定程度上无较大影响,模型对水量的模拟结果对实际情况有相对准确的参考价值。(本文来源于《绿色建筑》期刊2019年02期)
潘天力,杨胜天,相华,赵长森,赵瑾[10](2019)在《小型消费级无人机快速高精度估算地物高度》一文中研究指出【目的】小型消费级无人机航拍数据量高分辨率遥感数据重要组成部分,可利用地物阴影快速提取地物高度,进而提取地物结构信息。【方法】研究选择地物种类丰富的农业区展开实验,根据无人机传感器是否拍摄到阴影的全部区域设置2种情景,计算地物高度,并与实际高度和无人机生成的传统测高方法得到的高度对比,来验证方法的可靠性。【结果】结果表明当无人机传感器能拍摄到地物阴影的全部区域时,基于阴影估算的地物高度与地物实际高度平均误差为0.88 m,平均相对误差为12.25%,而当无人机传感器只能拍摄到部分阴影区域时,估算地物高度与实际值的平均误差为0.79 m,平均相对误差为13.28%。上述结果表明该方法能够高精度计算地物高度,并且其精度超过无人机传统测高方法生成数字表面模型提取的地物高度。【结论】该研究提出的小型消费级无人机利用地物阴影计算高度方法能够应用于实际,并使得未布设控制点的无人机数据也可作为阴影测高法的数据来源,为遥感快速获取地物高度信息提供了一种新的思路。(本文来源于《中国农业信息》期刊2019年01期)
估算精度论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
为了考察引起荷电状态(SOC)估算误差各因素的不同作用,以3块磷酸铁锂电池组成的电池组为对象进行混合脉冲功率特性(HPPC)实验,二阶Thevenin电池模型为基础构建状态方程,利用无迹Kalman滤波(UKF)算法估算SOC,分析模型参数及输入电流、端电压、开路电压(OCV)误差对SOC估算的影响。结果表明:当在OCV、端电压及输入电流中各加入1%的噪声,或在电池的参数(欧姆内阻,极化电阻,极化电容)固定时,SOC估计的误差分别为19.1%、20.6%和小于3%;可见OCV和端电压对SOC估算精度影响较大,提高端电压的测量精度和OCV曲线拟合的准确性,可大幅减小锂电池SOC的估算误差。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
估算精度论文参考文献
[1].吴一凡,张增信,金秋,黄钰瀚.GPM卫星降水产品在长江流域应用的精度估算[J].人民长江.2019
[2].张茁,刘建宇,王璐平,金鹏.影响锂离子电池荷电状态估算精度的因素分析[J].汽车安全与节能学报.2019
[3].郭晓莹,唐雨竹.基于DMSP/OLS夜间灯光数据的东叁省城市人口估算及精度分析[J].国土与自然资源研究.2019
[4].庞国伟,杨勤科,王春梅,山琳昕,王碧莲.像元二分模型参数确定方法对高分一号PMS数据估算植被覆盖度精度的影响[J].地理与地理信息科学.2019
[5].解运锋.全站仪支导线在井下测量中的精度估算与布测[J].科技创新与应用.2019
[6].齐斐,苏新宇,黎家作,胡续礼,刘霞.沂蒙山区不同抽样密度对土壤侵蚀因子估算精度的影响[J].水土保持通报.2019
[7].赵真,郭红梅,张莹,申源.基于天地图高精度建筑物的四川宝兴县人口估算[J].地震研究.2019
[8].阮杨春.基于高光谱建立植物叶面滞尘含量估算模型及PROSPECT模型反演精度评价[D].浙江师范大学.2019
[9].李雨霏,吕永鹏,尹冠霖,莫祖澜.子汇水区划分精度对于水力模型应用于海绵小区流量估算影响的研究[J].绿色建筑.2019
[10].潘天力,杨胜天,相华,赵长森,赵瑾.小型消费级无人机快速高精度估算地物高度[J].中国农业信息.2019