排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
针对现有农田土地平整中地形测量精度低、作业效率不高等问题,提出农田地形快速测量方法。该方法基于RTK-GNSS定位技术动态获取农田边界和内部离散点三维数据,利用三角形线性插值法建立数字高程模型并生成地形图,采用校正后的航迹法计算农田面积,并利用最小二乘法拟合农田坡面方程计算农田坡度和平整度等地势信息。在此基础上开发设计集成采集终端和数据处理软件,并与美国FieldLevelⅡ系统进行农田地形测量对比试验。试验结果表明,本系统具有较高定位精度、稳定性和作业效率;与FieldLevelⅡ系统测量数据相比,本系统综合相对平均误差率为8.19%,能够满足农田土地精细平整地形快速测量的要求。 相似文献
3.
为探索地基激光雷达数据在植物真实三维建模上的应用,研究基于MeshLab软件的三维Alpha-Shape算法和移动立方体算法进行玉米植株三维真实模型的重建。三维Alpha-Shape算法基于离散激光雷达点云构建Delaunay三角网,通过Alpha值的设置判断各单纯形是否保留,完成玉米植株三维重建。移动立方体算法则通过查找每个体素与等值面相交的交面,所有交面连在一起即为所求的等值面。Alpha值分别设置为0.006 290、0.012 638、0.018 635,采用Alpha-Shape算法进行单株玉米三维重建,试验结果表明:当Alpha值设置较小时,对玉米叶片、茎秆等细节信息表达的比较精细,但许多叶片中间不连续;Alpha值设置较大时,对玉米植株细节信息表达不精细。基于移动立方体算法重建出的玉米植株曲面较为光滑,且孔洞较少,但重建结果不完整。 相似文献
4.
5.
基于时间序列与RBF的农产品市场价格短期预测模型 总被引:1,自引:0,他引:1
为协助生产者更好地播种和收获,有效把握国内农产品价格波动规律,提高农产品价格预测精度.本文构建了基于农产品价格时间序列组合预测方法与RBF神经网络的集成预测模型,以ARCH、Holt-Winters无季节模型时间序列组合预测方法揭示农产品价格序列线性特征,以RBF神经网络揭示农产品价格非线性变动规律,并以1997-2011年全国农产品集贸市场大豆月度价格走势数据为例进行实验验证.研究结果显示,基于农产品价格时间序列组合预测方法与RBF神经网络的集成预测模型精度高于时间序列组合预测方法或RBF神经网络模型,是一种有效的农产品价格预测模型. 相似文献
1