基于相关分析和自适应遗传算法的盐渍化建模变量和参数优选

机器学习结合遥感等其他数据反演土壤盐分含量（Soil Salt Content, SSC）较少关注对模型精度影响较大的建模特征变量和模型参数的优选。本文基于自适应遗传算法（Adaptive Genetic Algorithm, AGA）同步优选建模特征变量和模型参数的支持向量回归（Support Vector Regression, SVR）算法反演三工河流域2016年SSC,并分析其在不同土地利用类型的分布特征。建模特征变量和模型参数的同步优选及实验设计如下：首先基于Landsat 8 OLI和SRTM高程数据提取7类共40个盐渍化相关因子,经相关分析初步筛选出候选特征变量,分别代入AGA、遗传算法（Genetic Algorithm, GA）和格网搜索算法（Grid Search, GS）同步优选SVR的建模特征变量和模型参数,并建立盐渍化监测模型（AGA-SVR、GA-SVR、GS-SVR）。结果表明：① AGA-SVR精度最优,GA-SVR次之,GS-SVR最差,相较于GS-SVR,AGA-SVR的R²/RMSE提高了44.65%;② 三工河流域非、轻度、中度、重度盐渍地和盐土的面积占比分别为42.83%、11.02%、15.88%、9.22%、21.05%;③ 草地和未利用地主要以非盐渍地和盐土为主,耕地和林地中非盐渍地分布比例均为最大;不同土地利用类型的SSC均值和标准差均呈现未利用地>草地>耕地>林地的规律。本研究的建模特征变量和模型参数的优选方法可在一定程度上提高盐渍化监测的精度。关键词：盐渍化;遗传算法;机器学习;特征优选;参数优化;土壤盐分含量;土地利用;相关分析     

萤火虫算法优化的高光谱遥感影像极限学习机分类方法

机器学习方法在高光谱遥感影像分类中广泛应用,本文使用新型的极限学习机（Extreme Learning Machine,ELM）进行高光谱遥感影像分类,针对ELM中正则化参数C和核参数σ,提出以萤火虫算法（Firefly Algorithm,FA）进行优化。首先,采用萤火虫算法进行高光谱遥感影像的波段选择,以便降低维数;然后,利用萤火虫算法以分类精度最大化为准则对ELM的参数组合（C,σ）进行寻优;最后,利用参数优化后的ELM分类器,对3个不同传感器的高光谱遥感影像进行分类。实验中将新型的萤火虫算法与遗传算法（Genetic Algorithm,GA）和粒子群算法（Particle Swarm Optimization,PSO）进行了对比,并将ELM的性能与支持向量机（Support Vector Machine,SVM）方法作对比。结果表明,FA优化方法优于传统的GA和PSO优化方法,ELM方法的效果在训练时间和分类准确率2个方面都优于SVM方法。实验说明,本文提出的方法具有较好的适用性和较优的分类效果。     

基于序列二次规划方法的高密度电阻率反演

针对高密度电阻率成像法反演计算中存在的困难，探讨了基于序列二次规划（SQP）方法建立可行的电阻率反演算法的问题。在对三维点电源二维地电体电位场模型有限元法正演计算的基础上．建立了基于SQP方法的高密度电阻率成像法反演算法。根据勘测中测量电极间距的不同，提出按不同的电极间距分别建立优化模型进行参数优化。通过对模拟电阻率模型和实际观测资料的反演计算．表明该算法进行高密度电阻率反演是可行的，其具有对初始模型无特殊要求、收敛速度快的特点。这一反演算法可望在高密度电阻率成像的反演计算中得到应用。     

基于贝叶斯机器学习的生态模型参数优化方法研究

参数优化方法是准确估计生态模型参数、降低其不确定性的有效手段。本文提出一种基于贝叶斯机器学习的No-U-Turn Sampler（NUTS）生态模型参数优化方法。NUTS是一种高效的参数优化方法,每次取样中利用递归算法生成候选参数集（二叉树）推断参数的后验信息,如果满足约束条件“非U型回转”,不断构建子树更新参数;否则,记录本次抽样的“最优”参数集,并开始下一次取样,直到获取足够样本。该算法在每次取样中充分优化参数,避免因随机游走行为产生冗余抽样,提高了参数优化效率。本文以千烟洲亚热带人工针叶林碳通量模拟为例,基于Pymc3框架利用NUTS参数优化方法实现了碳通量（Net Ecosystem Exchange,NEE）模型参数反演,并与Metropolis-Hastings（MH）方法进行对比。结果表明,本文算法的参数值达到稳定波动时的抽样次数减少了85%左右,参数优化效率提升3倍左右。参数优化后,2种NEE模型中7个参数不确定性降低10%~53%。此外,NEE模拟效果明显提升,模拟值与实测值的R²分别提高23%和17%,RMSE分别降低3%和4%。综上所述,本文提出的参数优化方法对生态领域的参数估计或数据同化工作具有一定的借鉴意义。     

广西非气象参数Tm模型研究

通过分析广西4个探空站资料，结合GGOS Atmosphere格网Tm数据，建立随高程增大的温度递减率模型。根据温度递减率模型分别采用反距离加权法、双线性插值法、新反距离加权法和新双线性插值法计算探空站Tm，通过分析插值误差建立广西非气象参数Tm模型，并与Bevis模型、中国东部模型、广西模型进行比较。结果表明，温度递减率模型的Tm插值精度相对其他3种模型有比较明显的提升，4种方法的平均绝对误差（MAE）和均方根误差（RMSE）在1~2 K之间；广西非气象参数Tm模型的插值精度得到进一步提高，百色站的MAE约为2 K，其余站点的MAE和RMSE均在1 K左右，能满足可降水量反演的精度要求。     

GM(1,1)模型的遗传算法优化及效果检验

对平稳的数据和非平稳数据两种数据序列建立的GM（1，1）模型，分别用加速遗传算法（AGA）和最小二乘法（LSM）对模型参数求解。结果表明：对平稳变化数据序列，两种方法建立的预测模型的拟合优度和预测精度无显著差异；对变化幅度较大的非平稳数据序列，基于AGA的GM（1，1）模型的拟合优度和预测精度高于基于LSM的GM（1，1）模型的拟合优度和预测精度。     

一种耦合进化算法与FLUS模型的土地利用变化模拟模型

研究如何在土地利用变化模拟过程中更为科学、客观地设置模型参数，对于避免复杂模型由于参数设置不当导致模拟效果不佳的问题具有重要意义。本文通过耦合进化算法（Evolutionary Algorithm,EA）与FLUS模型，构建了具有参数寻优功能的EA-FLUS模型。该模型首先通过进化策略对FLUS模型中人工神经网络模型的参数进行寻优，以提升对各土地利用类型出现概率分布的预测准确率，在此基础上结合地理分区，利用带精英策略的遗传算法与进化策略的组合对FLUS模型中元胞自动机模型的参数进行调整，以提升模拟精度。在实证研究阶段，本文以桂林市为实验区，通过对土地利用变化进行分区模拟来分析EA-FLUS模型的改进效果，此外还设置了自然发展、耕地保护、生态优先3种情景来模拟桂林市2020—2030年的土地利用变化。结果表明：(1)进化算法对参数的寻优结果相比于基于经验以及土地利用变化历史特征的参数设置，更加贴近实验区的政策导向，更能体现各土地利用类型在不同区域间多样的发展趋势；(2) EA-FLUS模型相较于FLUS模型，在加入地理分区的土地利用变化模拟中更具优势，其模拟结果总体精度、Kappa系数、...     

“四同”条件下周口城区高分一号遥感影像分类对比研究

目前大多数面向像元、面向对象遥感影像分类对比研究算法、软件、样本均不同,引入多方面系统误差导致结果一定程度上不严谨。为更准确比较2种分类方法,本文采用面向像元、面向对象2种分类方式,在同软件平台、同分类器、同训练样本、同验证样本,即“四同”条件下对2018年4月17日高分一号周口城区融合影像进行分类对比研究,并完成主、客观评价精度评价。结果表明：① “四同”条件下2种分类方式、CART（Classification and Regression Tree）、SVM（Support Vector Machine）、RF（Random Forests）3种机器学习算法均能识别周口城区主要地物类型,而面向对象的分类效果明显优于面向像元分类,与前人研究结论一致。其中面向像元分类效果最好的是RF算法,总体分类精度为78.02%,Kappa系数为0.72;面向对象分类效果最好的是RF算法,总体分类精度为93.40%,Kappa系数为0.92;② 尽管由于光谱特征相似、分布交叉,单类别建筑用地、交通用地用户精度与生产者精度较低,但面向对象分类较面向像元分类效果明显提升,以RF分类为例,建筑用地生产者精度由56.18%提高至92.13%,用户精度由69.44%提高至87.23%;交通用地生产者精度由72.15%提高至89.87%,用户精度由72.15%提高至92.20%;③ 与前人研究成果比较,本文在“四同”条件下实现了更科学、更严谨的面向像元、面向对象遥感分类方法对比,对后续高分辨率遥感影像分类具有一定参考意义。     

太湖水质参数MODIS的遥感定量提取方法

本文利用MODIS数据的可见光、近红外波段和准实时的地面采样数据,分别利用线性回归模型和神经网络模型反演了太湖的叶绿素a和悬浮物浓度.结果表明,利用MODIS数据的波段组合(M2/M8)和(M2/M9)可估算太湖的叶绿素a浓度;而MODIS数据的波段组合(M12/M17)、(M13/M17)及MODIS(M4)波段能定量估算太湖的悬浮物浓度,但估算精度仍不能满足实际需要.因此,构建了一个以MODIS可见光及近红外波段为输入,以太湖水质参数为输出的2层BP神经网络模型反演太湖的水质参数,大大提高了反演精度.     

利用最小二乘支持向量机的短临降雨预测模型构建

针对传统降雨预测理论错报率高及算法拟合精度低等缺陷,将与降雨过程相关的多种气象参数（温度、相对湿度、露点温度、气压等）及时间参数（年积日和天积时）引入短临降雨预测模型的构建。将新加坡2个GNSS和气象并址的测站（NTUS、SNUS）2010～2012年的气象数据及降雨数据作为样本,研究气象参数与降雨数据的时变特征,结果发现,降雨发生前气象参数均表现出异常的变化趋势,且各类气象参数与降雨均表现出弱相关性特征。基于该发现,首次应用最小二乘支持向量机（LS-SVM）模型实现对未来降雨的预测,将气象参数和时间参数作为模型输入,降雨数据作为模型输出,并利用正确率（TFR）和错报率（FFR）评价LS-SVM模型的精度。实验结果表明,该算法可预测出99%的降雨事件,且FFR为40%;与现有最小二乘降雨预测模型相比,该算法的FFR降低近20%,TFR提高近10%。     

曹妃甸近岸海域垂向悬沙含量遥感反演

利用遥感技术监测水体悬浮泥沙含量是海洋水色遥感的一个重要研究方向。本文以曹妃甸近岸海域4个剖面35个站点开展的现场光谱测量、同步采集的不同深度悬浮泥沙含量样品数据为基础,采用Landsat-5 TM遥感数据,建立水体表、中、底层悬沙含量遥感反演模型,并研究悬沙垂向上的空间分布规律。结果表明,曹妃甸近岸海域泥沙含量在垂向上有明显的相关性,以Landsat-5 TM影像反射率比值（R_TM3/R_TM2）为因子,构建优化的悬浮泥沙含量遥感反演模型,各层模型平均相对误差都在30%以内,表层和中层的平均绝对误差在6 mg/L以下,均方根误差小于10 mg/L,底层的精度略低于表层和中层。研究结果为进一步研究海洋环境泥沙运移规律、优化水动力作用下泥沙运移模型提供支持。     

Experimental Research on Quantitative Inversion Models of Suspended Sediment Concentration Using Remote Sensing Technology

Research on quantitative models of suspended sediment concentration(SSC)using remote sensing technology is very important to understand the scouring and siltation variation in harbors and water channels.Based on laboratory study of the relationship between different suspended sediment concentrations and reflectance spectra measured synchronously,quantitative inversion models of SSC based on single factor,band ratio and sediment parameter were developed,which provides an effective method to retrieve the SSC from satellite images.Results show that the b1(430-500nm)and b3(670-735nm)are the optimal wavelengths for the estimation of lower SSC and the b4(780-835nm)is the optimal wavelength to estimate the higher SSC.Furthermore the band ratio B2/B3 can be used to simulate the variation of lower SSC better and the B4/B1 to estimate the higher SSC accurately.Also the inversion models developed by sediment parameters of higher and lower SSCs can get a relatively higher accuracy than the sin-gle factor and band ratio models.     

用U曲线法确定地震同震滑动分布反演正则化参数

针对地震滑动分布反演中正则化参数选取问题，提出利用U曲线法确定地震滑动分布反演正则化参数。利用U曲线法、L曲线法设计模拟实验，并将两种方法应用到芦山实际震例反演中。模拟实验以及芦山实际震例反演结果表明，利用U曲线法确定正则化参数反演地震滑动分布结果与L曲线法相比具有反演精度高、无需依赖数据拟合精度等优势。     

用遗传算法对自动控制系统数学模型寻优

探讨用遗传算法对数学模型进行优化。考虑到控制系统稳健性的要求 ,用遗传算法寻找出控制系统最佳稳定域 ,实现控制系统数学模型的寻优。阐述了用遗传算法求解问题的步骤和参数的取值 ,并用仿真实验对优化结果进行了检验。结果表明 :在控制系统数学模型的优化中 ,遗传算法具有其他算法无可比拟的优越性。     

优化循环神经网络在滑坡位移预测中的应用

以中国典型黄土滑坡域甘肃黑方台党川6#滑坡体为例,基于滑坡体北斗和位移计时序监测数据,首先利用深度学习框架Tensorflow分别构建3种循环神经网络滑坡位移预测模型：简单循环神经网络(simple recurrent neural network,SimpleRNN)、长短期记忆网络(long short-term memory,LSTM)和门控循环单元(gated recurrent unit,GRU),并进一步针对循环神经网络在参数设置时多采用经验手动调参或采用网格搜索法,易造成人为主观影响较大和计算效率低下的突出问题,引入遗传算法（genetic algorithm,GA）优化循环神经网络参数的自动最佳化选取,分别构建3种基于遗传算法改进的循环神经网络滑坡位移高精度预测模型：GA-SimpleRNN、GA-LSTM、GA-GRU。研究结果表明,改进参数自动寻优后的3种循环神经网络预测模型具有更优的预测性能,特别是GA-GRU模型预测精度最高,更适用于滑坡体长时序位移的高精度预测。     

基于决策到决策路径的遗传算法软件测试用例设计

测试用例生成优劣是软件测试自动化效率高低至关重要的一点,常用的随机测试用例自动生成方法虽然实现简单,但具有效率低、冗余大的缺点,而遗传算法适合于处理传统方法难以解决的非线性问题。为了提高测试效率、降低测试成本,通过分析测试用例自动生成和遗传算法的基本理论,在面向决策到决策路径的软件测试基础上,利用程序控制流图详细阐释了对基于遗传算法的测试用例自动生成技术的设计。通过与随机法自动用例生成进行试验对比,表明其效率至少是随机法10倍。     

Comprehensive analysis and artificial intelligent simulation of land subsidence of Beijing, China

Mechanism and modeling of the land subsidence are complex because of the complicate geological background in Beijing, China. This paper analyzed the spatial relationship between land subsidence and three factors, including the change of groundwater level, the thickness of compressible sediments and the building area by using remote sensing and GIS tools in the upper-middle part of alluvial-proluvial plain fan of the Chaobai River in Beijing. Based on the spatial analysis of the land subsidence and three factors, there exist significant non-linear relationship between the vertical displacement and three factors. The Back Propagation Neural Network (BPN) model combined with Genetic Algorithm (GA) was used to simulate regional distribution of the land subsidence. Results showed that at field scale, the groundwater level and land subsidence showed a significant linear relationship. However, at regional scale, the spatial distribution of groundwater depletion funnel did not overlap with the land subsidence funnel. As to the factor of compressible strata, the places with the biggest compressible strata thickness did not have the largest vertical displacement. The distributions of building area and land subsidence have no obvious spatial relationships. The BPN-GA model simulation results illustrated that the accuracy of the trained model during fifty years is acceptable with an error of 51% of verification data less than 20 mm and the average of the absolute error about 32 mm. The BPN model could be utilized to simulate the general distribution of land subsidence in the study area. Overall, this work contributes to better understand the complex relationship between the land subsidence and three influencing factors. And the distribution of the land subsidence can be simulated by the trained BPN-GA model with the limited available dada and acceptable accuracy.     

GA辅助NLS的GNSS-IR土壤湿度反演方法北大核心CSCD

采用具有阻尼因子的函数模型,使用遗传算法(genetic algorithm,GA)辅助非线性最小二乘(nonlinear least squares,NLS)方法对相位参数进行求解。结果表明:1)相较于标准余弦函数模型,该方法的反演相位与土壤湿度的相关系数有较为明显的提升,反演结果也更加稳定,在5°~15°、5°~20°、5°~25°三个高度角范围内的相关系数均大于0.68,不同高度角之间的相关系数差值小于0.07;2)反演精度有不同程度提高,R 2提高5.72%~76.06%,RMSE减小6.12%~24.24%,MAE减小2.7%~28.3%,将该方案所求相位用于多星线性回归模型后平均RMSE减小10%。