似大地水准面的支持向量机模型研究

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有较好泛化性能的回归方法.本文简要介绍了SVM原理,针对大面积复杂似大地水准面的确定问题,仅依据测区的GPS水准实测数据,利用SVM方法整体建模.通过工程实例并与神经网络模型进行对比,证实了SVM似大地水准面模型的可靠性.     

航空影像分割的最小二乘支持向量机方法

将最小支持向量机LS-SVM用于航空影像的分割,讨论了不同核函数对分割结果的影响和稀疏化处理对决策函数的影响。试验表明了LS-SVM方法用于航空影像分割的可行性。     

几种确定似大地水准面方法比较

利用GPS点水准联测数据,通过曲面拟合的方法得到高程异常值;重点探讨了在同一组数据下分别采用二次曲面、多面函数、神经网络和样条函数等拟合方法;通过实例验证这些方法的可行性,同时对各种方法的精度进行了比较。     

确定大地水准面的Tikhonov最小二乘配置法

提出Tikhonov—LSC法,即在LSC法中引入Tikhonov正则化算法。基于GCV法选择协方差矩阵的正则化参数,利用正则化参数修正协方差矩阵的小奇异值,以抑制其对观测误差的放大影响。通过以EGM2008重力场模型分别计算山区、丘陵和海域重力异常作为基础数据确定相应区域大地水准面的试验,验证该方法的有效性。     

最小二乘配置方法确定局部大地水准面的研究

从最小二乘配置方法的原理出发,描述了最小二乘配置法中经验协方差函数的确定方法。在此基础上,以我国西部高山地区为例,利用实测点重力数据、30\"×30\"数值地面模型和EGM96地球重力场模型,确定了该地区2.5'×2.5'大地水准面。     

利用自适应最小二乘配置的GPS水准与重力似大地水准面的拟合

针对GPS水准与重力似大地水准面之差中存在系统误差的问题,使用最小二乘配置估计信号大小,来提高似大地水准面的拟合精度。对于最小二乘配置的噪声与信号的协方差之间的关系不合理,采用自适应因子纠正两者之间的关系,并首次将自适应最小二乘配置算法应用于似大地水准面精化。最后使用我国东部面积将近2万km²的城市A的数据进行验证,计算结果表明,最小二乘配置及自适应最小二乘配置在一定程度上能够提高拟合效果,使似大地水准面更接近于真实值,实现了国内较大城市面积的1.0cm检核精度的区域似大地水准面成果。     

动态最小二乘支持向量机学习算法

针对大样本集的训练问题和动态训练样本的模型更新问题,提出了动态最小二乘支持向量机学习算法。该算法充分利用已建好的模型,逐渐加入新样本,并可删除位于任何位置的非支持向量,避免了矩阵求逆运算,保证了算法的高效率。大坝变形及电离层延迟两个时间序列的预报实例表明,该算法具有计算时间短、预报精度高的特点。     

最小二乘支持向量机在沉降量预测中的应用

高层建筑物的地基沉降量是高层建筑物安全的一个重要指标,根据已有的观测数据对未来的沉降量进行观测可以有效预防灾害的发生。由于沉降量是一个复杂的非线性过程,采用非线性预测方法是一种可行有效的方法。本文将最小二乘支持向量机应用于高层建筑物地基沉降量的预测,对参数分别用交叉验证和遗传算法进行了优化。经过实例验证,最小二乘支持向量机应用于沉降量的预测是可行的,并且遗传算法优化的最小二乘支持向量机的预测沉降量精度更优。     

似大地水准面格网双二次多项式插值方法

分析似大地水准面格网插值目前常用的方法,指出基于距离的加权内插方法是存在问题的,它会使曲面畸形、错开、不光滑、不连续,而双线性内插方法会使曲面存在明显的"尖点"和"折痕",这不符合似大地水准面的连续光滑性质,双二次多项式插值方法在拐点插值的情况下,也会出现曲面错开的现象.针对这些问题,建议采用改正的双二次多项式插值方法.它针对拐点插值进行了修正,有利于改善曲面的连续性和光滑性,提高似大地水准面格网插值的精度.     

海洋重力似大地水准面与区域测高似大地水准面的拟合问题

研究了将陆地重力似大地水准面与GPS水准似大地水准面拟合的处理方法推广到海洋的问题,首先从理论上证明了当存在海面地形,则海洋大地水准面与似大地水准面不重合,导出了在海洋上大地水准面差距与高程异常之间差值的公式,由此给出了求定平均海面相对于区域高程基准的正常高以及测高似大地水准面的计算公式。由于测高平均海面与GPS大地高有相近的精度,提出了将海洋重力似大地水准面与区域测高似大地水准面拟合的处理方法,并利用当前最新的海面地形模型和测高平均海面模型做了数值估计。     

相空间重构在滑坡预测中的应用

针对滑坡位移时间序列的非线性特性,引入基于相空间重构和最小二乘支持向量机(LSSVM)的预测法.利用Cao氏方法确定嵌入维数,根据互信息法计算最佳延迟时间;然后在相空间中,利用最小二乘支持向量机(LSSVM)建立预测模型,对滑坡进行了实证计算,且与LSSVM模型和BP神经网络模型进行了比较.结果表明,模型具有较高的精度...     

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。     

三种高程异常拟合模型比较

将二次曲面、BP神经网络、最小二乘支持向量机应用与高程异常拟合,并用某地区数据进行了实验验证,结果表明,最小二乘支持向量机应用于高程异常拟合精度最优。     

利用经验模态分解和LSSVM预测隧道不均匀沉降

隧道不均匀沉降是个复杂的系统.针对其非线性、非平稳的特点,本文将经验模态分解(EMD)和最小二乘支持向量机(LSSVM)引入该领域,建立了一种基于EMD和LSSVM的预测模型.首先,利用EMD方法将原始序列作平稳化处理,得到一系列本征模态分量(IMF);其次,根据各个IMF的变化规律,采用合适的参数构造不同的LSSVM...     

基于最小二乘支持向量机回归的GPS高程转换模型

探讨了将最小二乘估计引入到支持向量机中,给出最小二乘支持向量机回归(LS-SVR)算法,该算法用等式约束代替传统支持向量机回归中的不等式约束,使得求解过程更为简单。将构建的LS-SVR模型应用到GPS高程转换中,提出该回归模型的实现步骤。实例表明,在有限样本情况下,LS-SVR完全可以达到与传统GPS高程拟合方法相同的精度,但实现起来更简单,而且在泛化性能方面具有理论上的保证。     

多星融合的土壤湿度滚动式估算模型

全球定位系统干涉反射测量(GPS-IR)是一种新的遥感技术,可用于估算近地表土壤水分含量。考虑到多卫星融合的优势和土壤湿度的时空尺度性,提出一种基于多星融合的土壤湿度最小二乘支持向量机(LS-SVM)滚动式估算模型。首先通过低阶多项式拟合分离GPS卫星直射和反射信号,进而建立反射信号正弦拟合模型,获取相对延迟相位。最后,通过线性回归模型有效分析和选取多卫星相对延迟相位,并建立基于多星融合的最小二乘支持向量机模型进行滚动式估算土壤湿度。以美国板块边界观测计划PBO提供的监测数据为例,对比分析利用单颗、多颗GPS卫星进行土壤湿度滚动式估算的可行性和有效性。经理论分析和两个测站实验表明:该模型充分发挥了LS-SVM的优势,有效综合了各卫星的性能,改善了采用单颗卫星进行土壤湿度估算时,其结果极易出现异常跳变的现象;模型只需较少的建模数据,采用滚动式能实现较长时间的估算,估算误差较为稳定;模型所估算的结果与土壤湿度实测值之间的相关系数R2以及均方根误差分别为0.942和0.962、0.072和0.032,相对于部分单一卫星至少提高了18.18%。因此,土壤湿度问题可作为非线性事件处理,采用多卫星融合估算是可行和有效的。     

数字挖掘方法在遥感分类中的应用研究

随着空间信息领域技术的提高,利用卫星遥感数据获取地表信息的数据量也飞速的增长,快速有效地在海量遥感数据源中获取感兴趣的地表信息成为一项重要的研究方向。数据挖掘方法具有从海量数据集中提取隐含其中信息的功能,使得数据挖掘方法在遥感图像分类和专题信息提取中具有较好的应用,但不同的数据挖掘算法具有各自的独特性,使得在遥感分类中使用数据挖掘方法并不容易,本文通过介绍几种常用的数据挖掘算法,分析和探讨了这些方法在遥感分类应用中的优势和局限性,为在遥感分类中更好的、有针对性的选择数据挖掘算法提供借鉴。     

GPS高程拟合似大地水准面的方法

研究根据控制网的GPS高程及水准高程数据,利用平面相关法、二次曲面拟合法等数学模型在最小二乘配置下拟合区域似大地水准面。试验研究表明:二次曲面拟合法的拟合精度能够满足四等水准精度要求,因而GPS高程在工程建设领域具有广阔的应用前景。     

基于小波变换和最小二乘支持向量机的卫星钟差预报

提出了一种基于小波变换和最小二乘支持向量机的卫星钟差预报方法 首先通过小波变换把钟差时间序列分解成具有不同频率特征的分量然后根据各分量的特点构建不同的最小二乘支持向量机模型进行预报最后将各分量的预报结果进行叠加得到最终的钟差预报值 实验结果表明该方法的预报效果优于单一的最小二乘支持向量机模型以及常规的二次多项式模型和灰色系统模型     

基于支持向量机的GPS似大地水准面拟合

GPS高精度平面控制成果在各类工程中已经得到了广泛应用,然而其高程信息目前正在作进一步的研究.介绍统计学习理论和支持向量机,提出利用支持向量机技术进行似大地水准面拟合.以实测GPS定位数据为试验资料,对支持向量机和神经网络以及多项式拟合的结果进行比较分析:支持向量机技术拟合数据的精度达到了神经网络和多项式拟合的精度,并且解决了神经网络技术不能实时处理数据、过学习、收敛速度慢、易陷于局部极值等问题.