土木工程专业英语求翻译 谢谢

发布网友 发布时间：2022-05-15 02:58

我来回答

共4个回答

热心网友 时间：2023-10-05 10:36

在网格的地形桥梁检测和改进排水enforcementabstractbare地球栅格数字高程模型（DEM）是十用于提取的水文特征如江河流域。党必须通过消除各种条件（SPU汇或凹陷）阻碍模型中的水流量，但不是真正的水文障碍。这种调节方法是用来enforceproper排水连接真实水文网络（河流），其他明智的是无条件的DEM断开。调节的主要手段包括民主党滴水槽和切割的壁垒。高分辨率DEM来自李DAR的可用性提出了新的假水文壁垒形式，初步桥优先级。而试图自动清除树木，从地球赤裸的TER下雨的建筑和桥梁，实践中许多桥梁留在NAL \清洗”DEM。我们提出了一种有监督的机器学习方法检测桥梁和其他水文障碍的DEM。此外，我们用一个简单的切割算法局部条件地区的DEM标记为机器学习步长的障碍。切割后，我们使用一个轧制技术去除任何剩余的伪凹陷。实验结果表明，我们的方法准确地识别ESA各种各样的桥梁和桥梁之类的功能。我们的NAL CON受到DEM ModiES较少的网格细胞和莫迪escells在较小的程度比其他传统的conditioningapproaches。结果是更现实的水文模型的高分辨率的地形。分类和主题描述：i.4.9 [图像处理和计算机视觉]：applicationsgeneral条款：algorithmskeywords：监督学习，地形建模

热心网友 时间：2023-10-05 10:37

Bridge detection in grid terrains and improved drainage enforcement
ABSTRACT
Bare Earth gridded digital elevation models (DEMs) are of-ten used to extract hydrologic features such as rivers and watersheds. DEMs must be conditioned by removing spu-rious sinks (or depressions) which impede water ow in the model, but are not true hydrologic barriers. This condi-tioning process is designed to enforce
proper drainage and connect real hydrologic networks (rivers) that would other-wise be disconnected in the unconditioned DEM. Primary means of conditioning DEMs include lling sinks and cut-ting barriers.
The availability of high resolution DEMs derived from li-dar introces new forms of false hydrologic barriers, pri-marily bridges. While attempts are made to automatically remove trees, buildings and bridges from bare Earth ter-rains, in practice many bridges remain in the nal \cleaned"
DEM. We present a supervised machine learning approach
for detecting bridges and other hydrologic barriers in DEMs.
Furthermore, we locally apply a simple cutting algorithm
to condition DEMs in areas tagged as barriers by the ma-chine learning step. After cutting, we use a lling technique
to remove any remaining spurious depressions. Experimen-tal results indicate that our approach accurately identies
a variety of bridge and bridge-like features. Our nal con-ditioned DEM both modies fewer grid cells and modies
cells to a lesser extent than other traditional conditioning
approaches. The result is more realistic hydrologic models
on high resolution terrains.
Categories and Subject Descriptors:I.4.9 [Image Pro-cessing and Computer Vision]: Applications
General Terms:Algorithms
Keywords:Supervised Learning, Terrain Modeling

桥梁检测在网格地形和改进排水执法
文摘
裸土网格数字高程模型(dem)是十用于提取水文特性,比如河流和分水岭。
民主党必须受制于删除spu-rious水槽(或深度),阻碍水模型中的雪,但不是真正的水文壁垒。
这condi-tioning过程是设计来执行
适当的排水和连接实际水文网络(河流),不然会被断开的无条件民主党。
主要通过调节民主党包括为告诉下沉,减少停壁垒。
高分辨率dem的可用性来自李dar介绍新形式的假水文壁垒,pri-marily桥梁。
虽然努力自动删除树、建筑物和桥梁从裸土,在实践中丰富了降雨许多桥梁仍在nal \清洗”
民主党。
我们报告一个监督机器学习方法
检测桥梁和其他水文壁垒在民主党。
此外,我们在当地申请一个简单的切割算法
条件民主党在区域标记为壁垒的机器学习步骤。
切割后,我们使用一个为告诉技术
删除任何剩余的虚假的萧条。
进行实验的结果表明,我们的方法准确identies
各种各样的桥和桥像功能。
我们都modies con-ditioned nal DEM网格细胞和modies少
细胞在较小程度上比其他传统的调节
方法。
结果是更实际的水文模型
在高分辨率地形。
分类和主题描述符:我4 9[图像蓖麻子和计算机视觉):应用程序
一般条款:算法
关键词:监督式学习、地形建模

以上为机器翻译 结果，仅供参考
快速获取精准人工翻译，您可以选择有道

热心网友 时间：2023-10-05 10:37

在网格的地形桥梁检测和改进排水enforcementabstractbare地球栅格数字高程模型（DEM）是十用于提取的水文特征如江河流域。党必须通过消除各种条件（SPU汇或凹陷）阻碍模型中的水流量，但不是真正的水文障碍。这种调节方法是用来enforceproper排水连接真实水文网络（河流），其他明智的是无条件的DEM断开。调节的主要手段包括民主党 滴水槽和切割的壁垒。高分辨率DEM来自李DAR的可用性提出了新的假水文壁垒形式，初步桥优先级。而试图自动清除树木，从地球赤裸的TER下雨的建筑和桥梁，实践中许多桥梁留在 NAL \清洗”DEM。我们提出了一种有监督的机器学习方法检测桥梁和其他水文障碍的DEM。此外，我们用一个简单的切割算法局部条件地区的DEM标记为机器学习步长的障碍。切割后，我们使用一个 轧制技术去除任何剩余的伪凹陷。实验结果表明，我们的方法准确地识别 ESA各种各样的桥梁和桥梁之类的功能。我们的 NAL CON受到DEM Modi ES较少的网格细胞和莫迪 escells在较小的程度比其他传统的conditioningapproaches。结果是更现实的水文模型的高分辨率的地形。分类和主题描述：i.4.9 [图像处理和计算机视觉]：applicationsgeneral条款：algorithmskeywords：监督学习，地形建模

热心网友 时间：2023-10-05 10:38

在网格的地形桥梁检测和改进排水执行摘要赤裸的地球栅格数字高程模型（DEM）是十用于提取的水文特征如河流和水…