遥感影像在电网工程建设的应用研究.doc

《遥感影像在电网工程建设的应用研究.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、遥感影像在电网工程建设的应用研究摘要：基于卫星遥感技术的电网工程建设过程的质量监控，能够规范工程建设各方主体及有关机构的质量行为，并对电网工程产生的环境和安全影响进行评估。以某变电站为研究对象，通过对某变电站建设前后三期的遥感影像进行变化检测，来对该工程施工进程进行监测。通过实验研究得出，利用多时相的高分遥感数据，不仅可以及时地监测项目的总体施工状况和进度、实现大范围通道或场地清理的监控，而且可以及时有效地监测建设范围的生态环境变化动态和对施工工作量进行复核、评估。关键词：高分辨率影像；变化检测；深度学习；动态监测１研究背景及应用现状6学海无涯遥感影像在电

2、网工程建设的应用研究摘要：基于卫星遥感技术的电网工程建设过程的质量监控，能够规范工程建设各方主体及有关机构的质量行为，并对电网工程产生的环境和安全影响进行评估。以某变电站为研究对象，通过对某变电站建设前后三期的遥感影像进行变化检测，来对该工程施工进程进行监测。通过实验研究得出，利用多时相的高分遥感数据，不仅可以及时地监测项目的总体施工状况和进度、实现大范围通道或场地清理的监控，而且可以及时有效地监测建设范围的生态环境变化动态和对施工工作量进行复核、评估。关键词：高分辨率影像；变化检测；深度学习；动态监测１研究背景及应用现状6学海无涯遥感影像在电网工程建设的

3、应用研究摘要：基于卫星遥感技术的电网工程建设过程的质量监控，能够规范工程建设各方主体及有关机构的质量行为，并对电网工程产生的环境和安全影响进行评估。以某变电站为研究对象，通过对某变电站建设前后三期的遥感影像进行变化检测，来对该工程施工进程进行监测。通过实验研究得出，利用多时相的高分遥感数据，不仅可以及时地监测项目的总体施工状况和进度、实现大范围通道或场地清理的监控，而且可以及时有效地监测建设范围的生态环境变化动态和对施工工作量进行复核、评估。关键词：高分辨率影像；变化检测；深度学习；动态监测１研究背景及应用现状6学海无涯电网在现代能源供应的体系中发挥着极其

4、重要的枢纽作用，是一个国家经济的重要命脉。如何全面保障和提升电网工程建设过程中的安全质量是电网工程管理工作的重中之重。保证电网工程建设的安全、可靠开展，不仅仅关乎电网工程建设的顺利进行，更关系到国家能源安全和国计民生。随着我国经济的飞速发展，国民经济对电力工程等基础设施建设的依赖和需求也日益增加，稳定、安全的电网基建对国民经济的贡献极大。但是由于电网工程建设的施工现场情况复杂，区域跨度大，管控的难度也大，因而给施工项目带来了极大的安全隐患。在传统的工程施工现场，电网工程的质量监控主要受工程管理人员经验的影响，缺乏及时监测与监督的能力，对于工程施工现场的不规

5、范现象和不确定因素无法实时地发现并及时地做出反应，难以完全满足现代工程施工现场的管理需求，因此在工程施工现场实行全面的自动化监控显得极其重要，国内外的众多专家学者也一直在探寻新的工程质量监控模式。全球范围内，高分辨率遥感卫星经过了几十年的飞速发展，已经逐步实现了商业化、市场化和产业化。进入２１世纪以后，全球近３０个国家和地区的政府机构和私人企业每年都投入了巨额的资金，用以研究和发展地球观测卫星，因而高分商业遥感卫星进入了全新的发展阶段。其特点是实用性更强、效率更高、周期更短等，高分商业遥感卫星的快速发展为社会的发展和生产带来了新的动力。卫星遥感技术的飞速发

6、展为电网工程建设过程中动态监控的实现提供了可能。因此，本文利用高分卫星遥感技术进行电网工程建设过程的监控。首先，快速获取工程建设区域内的高分卫星遥感影像，然后，基于深度学习模型，对遥感影像进行判读、解译，最后，对前后期影像进行变化检测，实现电网工程建设过程中的动态监控。目的在于规范电网工程建设过程中各方主体及相关机构的质量行为，通过利用高分卫星遥感影像，对电网工程施工过程进行实时的动态监控，及时发现施工过程中的质量、安全隐患，并对电网工程建设产生的环境及安全影响进行评估。其意义在于确保电网工程建设的安全，保证人民生命财产安全，保护当地的生态环境，维护社会大

7、众的利益，充分发挥电网工程项目的经济效益与社会效益。２算法原理6学海无涯２．１深度学习模型。卷积神经网络（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，简称ＣＮＮ）是近年来模式识别领域一种图片高效的分类方法，它将人工神经网络技术与深度学习的方法相结合，最大的特点是稀疏连接和权值共享，它使用了一种基于梯度改进的反向传播算法来训练网络中的权重，在实际应用中极大地避免了输入数据复杂的前期处理过程，可以直接输入原始图像或其他数据。ＣＮＮ具备拟合任意复杂函数的特点，拥有非常强的拟合能力及表征能力，能够独立完成比较复杂的非线性映射。在面对复杂的地物分类上，基于

8、卷积神经网络的深度学习方法具有比较突出的分类能力。利用深度的卷积网