一种裸露土壤湿度反演方法

针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。     

一种新的实时电磁逆散射方法

为解决介质圆柱体逆散射问题，提出一种新的在线逆散射方法,通过支持向量机将逆散射问题转化成一个回归估计问题. 该方法可应用于各种逆散射方面, 尤其是目标的几何与电磁参数重构和埋地目标探测. 文中首次将支持向量机方法应用到该领域，设置多个散射场的观测点，通过提取散射场的不同信息作为样本信息训练支持向量机, 建立了介质圆柱体的逆散射模型, 利用该模型重构了介质圆柱体的电磁参数，同时探测了埋地位置. 数值结果显示了该方法的有效性和准确性,为目标的实时逆散射研究提供了一种有效方法.     

多元联系数在地基处理方案模糊选优中的应用

联系分量多于3个的集对分析联系数称为多元联系数,常用的多元联系数有四元联系数和五元联系数等等。用五元联系数中的a、b、c、d、e5个联系分量分别表述地基处理方案模糊评语“好”、“较好”、“一般”、“较差”、“差”对应的指标值,建立各个方案的五元联系数,再利用五元联系数系统态势排序等信息作进一步处理,在得到各个地基处理方案优劣排序的同时,还可以得到方案的优劣属性级别。     

一种新颖的探地雷达快速正演模拟及埋地目标探测机器学习方法

探地雷达正演模拟在真实雷达数据解译及全波形反演中扮演着重要的角色,针对传统探地雷达(Ground Penetrating Radar, GPR)正演模拟计算量巨大、耗时、不利于实时探测等问题,提出一种基于机器学习框架的近实时GPR正演模拟方法.以混凝土中的钢筋探测作为GPR应用场景,混凝土的含水量、钢筋半径及埋地深度作为模型参数,利用时域有限差分数值模拟散射回波信号;运用主成分分析对回波数据进行降维处理得到相应的主成分权值系数,并以此作为机器学习网络的输出;设计了一种基于随机森林的多层循环网络架构和学习策略,不仅充分挖掘学习模型参数和主成分权值系数之间的内在因果关系,也共享主成分间的相互联系,并具有对每个预测主成分完善和修正的功能,以此实现基于机器学习的探地雷达快速正演模拟,与传统机器学习相比,有效提高了正演模拟的精度.在此基础上将两个深度神经网络与随机森林相结合,以回波数据主成分系数为输入,建立了基于机器学习的场景参数预测模型,实现了近实时的埋地目标探测,预测的混凝土含水量最大误差为2%,钢筋埋地深度最大误差为6.7%.