支持向量机在遥感数据分类中的应用新进展

支持向量机是一种基于统计学习理论的新型机器学习算法,它通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.随着应用面的不断扩大,支持向量机在遥感领域也得到了广泛关注.该算法已经成功的应用于遥感数据的土地覆盖、土地利用分类,多时相遥感数据的变化检测,多源遥感数据信息融合等,并且在高光谱遥感数据处理中得到了广泛应用.综述了支持向量机算法在遥感数据分类中的应用.首先对支持向量机的理论进行简要介绍,进而综述了该算法在不同遥感问题中的应用进展,最后阐述了新型支持向量机算法的发展以及在遥感中的应用.     

基于Fisher判别分析法的潜在滑坡判识模型及其应用

针对古(老)滑坡,选取地貌特征(包括地形坡度、沟谷切割状况、洼地封闭状况、前缘临空状况)、滑面特征(包括滑面倾角、滑面形态、滑面阻抗比)、滑体结构和近期活动迹象4大类9个指标作为潜在滑坡的判识指标,然后依据Fisher判别分析的理论和方法,建立了潜在滑坡的Fisher判识模型.实例分析结果表明,Fisher判别方法预测准确率高达100%,回判估计的误判率仅为5%,是一种有效的潜在滑坡判识方法.     

DDA法和Fisher判别法在潜在滑坡判识中的应用比较

选择地貌特征（包括地形坡度、沟谷切割状况、洼地封闭状况、前缘临空状况）、滑面特征（包括滑面倾角、滑面形态、滑面阻抗比）、滑体结构和近期活动迹象4大类9个因子作为古（老）滑坡类潜在滑坡的判识指标,以三峡库区和岷江上游地区相同数量的典型滑坡作为学习样本,依据距离判别分析（DDA）和Fisher线性判别分析（FLDA）方法,分别建立了两个研究区潜在滑坡的DDA判识模型和FLDA判识模型。实例分析结果表明,DDA方法对两个研究区学习样本和测试样本的误判率均为0,而FLDA方法对两个研究区测试样本的误判率分别为5.56%和11.11%,对学习样本的错判率分别为11.1%和0%。因此,在三峡库区和岷江上游地区潜在滑坡的判识中,DDA法比FLDA法判识准确性更高、适用性更强。     

支持向量机方法在膨胀土分类中的应用

将支持向量机方法应用于膨胀土分类问题中,建立了膨胀土分类的支持向量机模型。以膨胀土实测数据为学习样本,经过训练,得到膨胀土的分类区间。应用该模型对剩余的膨胀土数据进行预测,预测结果表明支持向量机分类模型性能良好、预测精度高、简便易行,是膨胀土判别的一种有效方法,具有广阔的应用前景。     

钻孔测斜成果曲线在贵州省晴隆滑坡稳定性判识中的应用

结合沪瑞国道主干线贵州境镇胜高速公路十八合同段晴隆滑坡深部位移监测曲线特征,总结归纳了滑坡深部累积位移曲线“V”型、“B”型、“r”型、“钟摆”型及“复合”型等几种,详细论述了常见的曲线特征类型及其研究意义,提出了依据滑坡深部位移监测成果资料判别滑坡动态变形特征及其稳定性的判识方法。     

支持向量回归机在滑坡安全可靠度评价中的应用研究

探讨支持向量机的参数优化方法,将学习能力较强的支持向量机引入滑坡可靠度评价当中,并根据数理统计的理论,对滑坡稳定性敏感性因素作数据处理,并证明其合理性,在此基础上提出一种改进的可靠度指标的计算方法。为便于对比,分别选取49个学习样本和121个学习样本两种计算模型,计算实例表明,这两种计算模型与蒙特卡洛模型计算结果非常接近,充分体现了在小样本的情形下支持向量机的优势,说明将其应用于滑坡安全可靠度评价中是可行的。     

滑坡灾害空间预测支持向量机模型及其应用

随着GIS技术在滑坡灾害空间预测研究中的广泛应用,滑坡灾害空间预测模型成为研究的热点问题。在总结滑坡灾害空间预测研究现状的基础上,简要介绍了两类和单类支持向量机的基本原理。以香港自然滑坡空间预测为例,采用两类和单类支持向量机进行滑坡灾害空间预测,并与Logistic回归模型进行了比较。结果表明,两类支持向量机模型优于Logistic回归模型,而Logistic回归模型优于单类支持向量机模型。     

岩爆分类的支持向量机方法

针对岩爆分类问题,提出了基于支持向量机的分类方法。通过对影响岩爆因素的分析,运用支持向量机理论建立岩爆类别的支持向量机模型。结果表明,基于支持向量机的岩爆分类方法具有较高的准确率,该方法是科学可行的,具有广泛的应用前景。     

基于决策树特征提取的支持向量机在岩性分类中的应用

由于支持向量机属于黑箱模型,因此在进行模型学习时无法直接对特征进行选择,而决策树模型在递归创建的过程中自身具有一定的特征选择能力。针对岩性分类问题,本文将决策树和支持向量机结合,通过决策树的建立,在考虑特征重要性的前提下,利用树节点的高度对特征进行提取,并将具有更高分类能力的特征送入支持向量机进行岩性分类。结果表明:通过决策树的特征提取,减少了支持向量机模型的输入特征,从而有效控制了模型的复杂度,使得模型更加稳定并具有更高的分类精度,测试集精度能够提升10%以上。     

灰色关联度法和距离判别分析法在溪洛渡库区潜在滑坡判识中的应用

以溪洛渡库区深入研究的14个典型滑坡为研究对象,在初步建立潜在滑坡判识指标的基础上,运用灰色关联度理论优选确定了影响库区潜在滑坡孕育的8个关键主控因素:坡面平均坡度、滑体内冲沟切割程度、洼地封闭状况(或排水条件)、滑面平均倾角、滑面形态、下滑段长度与总滑面长度之比、滑体结构及近期活动迹象,并依据距离判别分析的理论和方法,建立了溪洛渡库区潜在滑坡的距离判识模型。该判识模型对库区5个待判滑坡样本和9个滑坡学习样本的判识准确率均达到了100%。     

基于粗糙集的支持向量机滑坡易发性评价

区域滑坡易发性评价对灾害中长期预测预报具有重要意义。以三峡库区秭归至巴东段为研究区,利用粗糙集理论对20个初始评价因子进行属性约简,去掉冗余或干扰信息,得到13个核心评价因子,并以此作为支持向量机的输入特征集,构建支持向量机模型,实现滑坡易发性评价。在易发性分区图中高易发区占8.2%,主要分布在童庄河右岸、归州河沿岸、青干河左岸、树坪至范家坪长江右岸、牛口到东壤口长江左岸和巴东附近;不易发区占 52.7%,主要分布于店子湾至巴东旧城以及远离长江水系及植被覆盖度高的区域。通过验证与分析,粗糙集-支持向量机模型在高中易发区中的预测精度为85.6%,其预测能力优于支持向量机模型;与野外调查对比,预测结果与实际情况吻合较好。研究表明,应用粗糙集和支持向量机相结合进行滑坡易发性评价具有预测能力强、计算效率高等优点。     

支持向量机在煤层地应力预测中的应用

为了探讨煤层地应力的有效预测方法,将支持向量机回归方法用于计算煤层最小水平主应力,进而得到最大水平主应力,结合垂向主应力的求取,最终构建地应力的地质模型,实现地应力场的三维可视化。利用灰色关联法筛选出与煤层最小水平主应力关联度最好的测井参数;结果表明,井径测井(CAL)、补偿中子测井(CNL)、自然伽马测井(GR)、密度测井(DEN)和深浅侧向电阻率测井值的平均值(R)与煤层最小水平主应力关联度较好。以这5个测井参数作为训练因子,利用支持向量机回归方法建立煤层最小水平主应力预测模型。基于该模型,对鄂尔多斯盆地韩城区块H3井组煤层地应力进行计算,发现研究区内三个方向的地应力随埋深的增加呈现递增的趋势,应力场状态也随着埋深的变化发生转换,由浅部的大地动力型逐渐转换为大地静力型,煤储层所处的应力环境也相应地由挤压带过渡为伸张带。     

地震多属性综合解释的支持向量机方法研究

能够同时对多种属性进行训练,具有优秀推广能力的支持向量机(Support Vector Machine,简称SVM)方法是进行高精度地震参数预测的有力保障。然而,支持向量机中用于构建回归估计函数的参数最优解很难确定。针对该问题,通过建立数学模型进行参数选择研究,总结出了参数ε、C、σ2对样本预测的影响规律。在此基础上提出了求取惩罚因子C和核参数σ2的权系数公式。结合提出的参数求取公式,利用支持向量机方法,以地震属性为输入向量对渤海SZ36-1油田的砂泥岩百分比和孔隙度进行了预测。结果表明,利用该方法对储层参数进行预测具有较高的预测精度;权系数公式的提出极大地缩短了构建回归估计函数所耗用的时间,简化了参数选取的难度。     

基于支持向量机的洞庭湖区域水沙模拟

在对复杂的荆江一洞庭湖河网水系概化和洞庭湖区水沙特性分析的基础上,建立洞庭湖区水沙支持向量机模型,通过对1956～2008年城陵矾出湖系列输沙量模拟和检验,实测值与拟合值吻合良好,且精度明显高于人工神经网络和线性回归等方法.     

基于邻域粗糙集和支持向量机的固结系数预测

采用邻域粗糙集和支持向量机建立滹沱河某地区软土固结系数的预测模型。基于自行改装的渗透固结仪,利用公式法确定不同压力下的固结系数。通过室内试验确定土体的指标参数,采用邻域粗糙集对该指标参数进行属性约简,将约简后的指标参数作为影响因素,分别建立支持向量机和神经网络的固结系数预测模型,预测未知样本的固结系数,并与实测值进行对比。结果表明:公式法可以准确客观地确定固结系数;支持向量机和BP神经网络建立的该地区软土固结系数预测模型均可以预测区域内未知点的固结系数,且支持向量机方法的预测精度比神经网络方法的预测精度提高了约10%。本文提出的方法直接从实验数据出发,通过易获取的影响因素建立特定地区固结系数预测模型,并可预测该区域其余未知点的固结系数。     

滑坡降雨阈值模型的应用

在数字高程模型（DEM）的基础上,运用滑坡降雨阈值模型,以楚雄丁家坟一斜坡作为试验研究工点,结合现场勘察、监测数据以及斜坡岩土体主要特性、地形地貌、降雨强度与降雨持续时间、地下水位等因素,模拟斜坡单元产生潜在滑动时的临界降雨量,研究降雨对滑坡发生、分布的影响。研究结果表明：各斜坡单元产生潜在滑动时的临界降雨量各不相同,在不同的降雨量及地下水位条件下滑坡降雨阈值模型模拟的潜在滑坡位置主要位于楚勐公路下边坡处,与实际发生滑坡的位置吻合率达80%以上,滑坡降雨阈值模型可实现对斜坡稳定性进行可视化分析与预测,为降雨型滑坡提供一种有效的预测与分析方法。     

Micro-seismic Event Detection of Hot Dry Rock based on the Gated Recurrent Unit Model and a Support Vector Machine

Micro-seismic monitoring is one of the most critical technologies that guide hydraulic fracturing in hot dry rock resource development. Micro-seismic monitoring requires high precision detection of micro-seismic events with a low signal-to-noise ratio. Because of this requirement, we propose a recurrent neural network model named gated recurrent unit and support vector machine (GRU_SVM). The proposed model ensures high accuracy while reducing the parameter number and hardware requirement in the training process. Since micro-seismic events in hot dry rock produce large wave amplitudes and strong vibrations, it is difficult to reverse the onset of each individual event. In this study, we utilize a support vector machine (SVM) as a classifier to improve the micro-seismic event detection accuracy. To validate the methodology, we compare the simulation results of the short-term-average to the long-term-average (STA/LTA) method with GRU_SVM method by using hot dry rock micro-seismic event data in Qinghai Province, China. Our proposed method has an accuracy of about 95% for identifying micro-seismic events with low signal-to-noise ratios. By ignoring smaller micro-seismic events, the detection procedure can be processed more efficiently, which is able to provide a real-time observation on the types of hydraulic fracturing in the reservoirs.     

基于支持向量机的浊积扇低渗透储层流动单元研究

由于浊积扇储层成因机制的复杂性,本文通过因子分析从反映储层岩石物理特征、微观孔隙结构特征、储层沉积特征及储层非均质特征的13个储层参数中提取了5个主因子,并以此作为预测模型的输入,采用支持向量机的算法来建立流动单元预测模型。应用该模型对大芦湖油田樊29块10口关键井的预测样本进行检验,正判率达90.38%。运用建立的预测模型对研究区4⁴¹单砂层流动单元进行划分,将预测结果与定性分析结果对比,具有较高的吻合度。平面上,流动单元划分结果与沉积微相展布具有较高的对应关系：Ⅰ类、Ⅱ类流动单元储层质量最好,仅在浊积水道及朵叶体微相发育;Ⅲ类流动单元分布广泛,在浊积水道、水道侧缘及中扇侧缘微相均有分布;Ⅳ类流动单元主要分布在浊积扇外缘的扇缘亚相。结果表明,建立的流动单元模型能够较为系统地反映多种地质因素与流动性能之间的复杂映射规律。     

基于成矿条件数值模拟和支持向量机算法的深部成矿预测——以粤北凡口铅锌矿为例

随着计算机科学和地质大数据技术的迅猛发展,数值模拟和机器学习已成为当今地学领域定量发展的重要前沿方向。数值模拟综合运用了研究区地质、构造、地球物理、地球化学等多源信息,将成矿条件与过程进行量化模拟分析,对研究成矿动力学演化过程及成矿响应有重要意义,可对已有成矿要素/信息在时空上进行扩展/外推,扩大了成矿预测信息的广度和深度,为解决深部成矿预测中获取深部信息难题提供了一种可能的有效途径。支持向量机是一种重要的机器学习分类算法,它具有简洁、方便、高效和计算结果较稳定等特点,在众多领域中得以成功应用,是成矿预测中多源信息提取与融合的一种可靠的技术手段。为了充分利用数值模拟与机器学习的优势,本文提出将计算机数值模拟方法和机器学习(即支持向量机算法)相结合来进行深部成矿预测的新方法。以粤北凡口超大型铅锌矿为例,首先,对凡口矿区勘探线剖面进行构造应力场模拟;进而,以已知钻孔数据作为训练集和测试集,运用支持向量机算法对模拟结果中的不同参量(也即模拟所得的成矿条件)进行训练学习;最后,建立相应的定量找矿预测模型对研究区(或剖面)外围和深部找矿进行预测评价。研究结果表明,本文所建立的预测模型精确度和召回...