基于减法聚类模糊神经网络的砂土液化势判别

砂土地震液化问题是岩土地震工程学的重要研究课题之一。在分析模糊神经网络原理的基础上,利用减法聚类算法对自适应模糊推理系统进行优化,并建立了砂土地震液化的模糊神经网络模型。然后,将该模型用于实际工程的砂土液化判别中,并与传统砂土液化判别方法结果进行对比。判别结果表明:文中建立的模糊神经网络模型具有较强的学习功能,用于砂土地震液化判别中是可行的和有效的。     

基于自适应区间二型模糊聚类的遥感土地覆盖自动分类

遥感影像土地覆盖分类面临"类别密度差异显著"、"同谱异物"和"同物异谱"等不确定性问题,传统的分类方法(如FCM)因不能描述高阶模糊不确定性,无法完成准确建模,使分类误差较大,而二型模糊集恰是处理此类不确定性的有效工具.在引入二型模糊集新概念和自适应降型新方法的基础上,提出一种自适应二型模糊分类方法(A-IT2FCM):(1)基于样本集模糊距离度量构建面向分类的区间二型模糊集,以尽可能降低对先验知识和预设参数的依赖,从而满足自动分类的要求;(2)给出一种自适应探求等价一型代表(模糊)集合的高效降型方法,在此基础上进行自适应区间二型模糊聚类.实验数据为珠海横琴和北京颐和园的SPOT5影像数据,对比方法有A-IT2FCM、基于Karnik-Mendel算法降型和基于Tizhoosh提出的简易降型方法的区间二型模糊C均值聚类以及作者前期研究提出的区间值模糊C-均值算法(IV-FCM).实验结果表明,A-IT2FCM方法分类效果佳,在类别具有较大密度差异和多重模糊性时能得到比FCM及IV-FCM更精确的边界和更连贯的类别,适于处理遥感影像土地覆盖类别的深层不确定性;同时在"光谱混叠"现象严重时,可以获得比对比方法更稳健、精度更高的影像自动分类结果,且时间复杂度明显低于基于Karnik-Mendel方法.     

基于区间值模糊C-均值算法的土地覆盖分类

用区间值数据描述聚类原型特征更符合遥感数据的模糊性特点,即传感器获取的地物反射光谱的不确定性和不均匀性在影像上的反映.本文以遥感影像数据为基础构建了区间值数据模型,并提出一种区间最大相异度量方法,进而进行基于区间值数据的模糊C-均值聚类.利用珠三角地区SPOT5卫星和青海玉树附近的TM影像数据进行基于区间值模糊C-均值算法的土地覆盖分类实验.结果表明区间值数据的模糊C-均值算法兼顾了模糊聚类的泛函特性和地物反射光谱的条带特点,从而可以明显改善聚类效果,尤其可以降低"同物异谱"现象对聚类结果的不利影响,而区间最大相异度量可实现基于多波段遥感影像构建的区间向量的最大可分离度,有效抑制类间光谱混叠造成的错分现象,进一步改善聚类效果,最终结果明显优于传统的模糊C-均值聚类方法.     

基于FCM聚类算法的二维RMT电阻率与介电常数联合反演

射频大地电磁(RMT)是新兴的浅地表勘探法, 其工作频段(10 kHz~1 MHz)处于音频大地电磁(AMT)与探地雷达(GPR)之间, 随频率的增加, 位移电流对RMT观测的影响逐渐增大, 单一电阻率参数反演会影响数据解释的准确性.本文在同时考虑传导电流与位移电流影响的条件下, 开展二维RMT数据电阻率和介电常数联合反演研究.为提高电阻率与介电常数之间的联合约束效果, 在经典最小结构模型正则化约束的基础上, 引入模糊C均值(FCM)聚类算法进行联合约束.模型试算表明, 基于FCM聚类的二维RMT电阻率与介电常数联合反演可以在丰富解释参数的同时提高反演效果.

     

基于FCM聚类算法的颅内出血CT图像分割

为了提高计算机辅助诊断系统的颅内出血病灶分割准确率,提出一种新的颅脑CT图像分割方法,被怀疑为出血的区域可快速而有效地分割出来。首先利用颅内结构提取算法提取颅内区域;然后利用两次模糊c均值聚类算法完成出血区域分割。第一次模糊c均值聚类确定疑似颅内出血的区域,根据脑出血CT图像特点,将中心点灰度值最高的类作为第二次模糊c均值聚类对象,第二次模糊c均值聚类分割出疑似出血区域,最后对颅脑CT图像进行实验,验证方法的可行性。实验结果表明该方法对颅脑出血CT图像病灶的分割是有效的。     

模糊聚类方法在湖北西部地震综合预测的应用

以近２３年来源北西部地区ＭＬ≥４．０级地震前内符检验有一定震兆异常显示的６项地震活动性参数作为指标,估计样本有震或无震类型（１－０）的从属度,判定预报样本所属类别。根据模型类分析方法对鄂西地区的地震进行综合预测研究,统计结果认为：模型聚类方法对鄂西地区ＭＬ≥４．０级地震的预测具有一定的效能。     

利用多手段异常项次预报我国大震的模糊聚类方法

选用我国大陆１９６９－１９９１年发生的１１次Ｍｓ≥６．９地震作为样本，取地球物理、地球化学、地形变和地震活动性方面共计１２项手段的资料为判定指标，编制了模糊聚类计算机程序用以预报未来３个月、６个月和１２个月内发生大震的概率，并给出一个预报实例。     

震后趋势的模糊聚类分析判别

本文以地震序列的11项特征参数作为指标,采用 ISODATA 模糊聚类方法对地震序列进行分类,以 M≥M_—0.3为标准将地震序列分为两类;Ⅰ类为震后三个月内还有震级为 M≥M_0-0.3的地震发生;Ⅱ类为主震 M_0后无 M≥M_0-0.3级的地震。以中国大陆地区1966年以来的39次地震震例序列建立震后判别模型,然后以近期发生的4次中强震和5次云南地震进行了外推检验,结果表明,该方法对地震序列类型的判别具有较好的效果。     

模糊聚类在不良地质洞段红外探水中的应用

在玉昆铁路柿花树隧道不良地质发育的洞段进行红外探水工作期间,常用的分析方法有时无法预判掌子面前方是否存在隐伏水体或含水构造。为了提高红外探水短距离预报的准确率,用模糊聚类法将掌子面测点场强的数据分类,根据开挖传递的地质信息,研究模糊聚类结果的变化规律、突水风险与岩体破碎程度之间的关系。实践证明,模糊聚类法和常用分析方法的结合,使红外探水取得了较好的预判效果。     

基于面向对象的无监督分类的遥感影像自动分类方法

为了实现无任何先验知识的高分辨率遥感数据的自动分类,并进一步提高自动分类精度和效率,提出了一种基于面向对象的无监督分类方法(Object Oriented Unsupervised Classification).具体步骤如下:首先对遥感影像进行分割,得到一系列空间上相邻、同质性较好的分割单元,然后对分割单元进行特征提取,得到分割单元的对象特征(光谱特征、纹理特征等多特征信息),进而对分割单元进行基于对象特征马氏距离聚类.最后,通过分类后处理(类别合并、错分类别调整等)得到最终的分类结果.通过实验表明:本文提出的方法不仅能够利用影像中更多的特征信息进行聚类而且还可以有效地减少聚类对象的个数,从而使自动分类的精度和效率都得到较大的提升.     

基于FCM聚类约束的直流电阻率法与地震走时成像法二维联合反演

通过引入模糊均值聚类(FCM)模型约束函数对电阻率与速度进行约束,开展二维直流电阻率法与地震初至波走时成像法联合反演研究.在地下浅层结构勘探中,通常低电阻率的地质体具有低速特征,较高电阻率的地质体表现为较高的地震波速度.直流电阻率法因为低电阻率区域吸引电流而对其敏感,地震走时成像法因为射线集中在高波速区而对高速体敏感,因此,两者联合成像能够大幅度提高反演效果.合成数据反演表明,直流电阻率法和地震初至波走时联合反演对于两类地质体的分辨能力均有提升,能够优势互补.尤其是引入FCM模型约束进行联合反演,根据已知物性进行监督学习,进一步提高了反演质量,改善了成像模型的分辨率.

     

卫星-地基-模式统一的自动观测云分类原则和标准的研究

随着空基、地基云状观测自动化进程的推进,国际通用的人工观测云分类标准不再适用于自动观测.本文提出了适用于自动观测的卫星观测、地基观测和数值预报模式统一的云分类原则和分类标准,依据大气代表性原则、仪器观测可行性原则、历史继承性原则和可扩展性原则,不考虑云的高度,沿用形态学和发生学理论,将云分为卷云、层状云、波状云和积状云4属,更细分为薄卷云、密卷云、波云、雨波云、层云、雨层云、浅积云和深积云8类,列出了各类云特征的定性描述,为自动观测、预报保障和模式评估提供参考.     

基于空间-光谱特征和稀疏表达的高光谱图像分类算法（英文）

针对传统的高光谱数据分类方法分类精度不高、没有充分地利用空间信息等缺陷,提出一种基于Gabor空间纹理特征（Gabor spatial texture features）及无参数加权光谱特征（Nonparametric weighted spectral features）和稀疏表达分类（Sparse representation classification）的高光谱图像分类算法,可以简写为Gabor-NW SF和SRC,即GNWSF-SRC。所提出的GNWSF-SRC分类方法首先通过融合高光谱的Gabor空间特征和无参数加权光谱特征来更好地描述高光谱图像,然后通过其进行稀疏表达,最终通过对比其重构误差获得分类结果。在训练集比例不同的情况下,用所提出的方法对两组典型的高光谱数据进行处理,理论研究和仿真结果表明：与传统的分类方法相比,所提出算法能够提高分类精度、Kappa系数等,取得了较好的分类效果。     

A classification method of building structures based on multi-feature fusion of UAV remote sensing images

In order to improve the accuracy of building structure identification using remote sensing images, a building structure classification method based on multi-feature fusion of UAV remote sensing image is proposed in this paper. Three identification approaches of remote sensing images are integrated in this method: object-oriented, texture feature, and digital elevation based on DSM and DEM. So RGB threshold classification method is used to classify the identification results. The accuracy of building structure classification based on each feature and the multi-feature fusion are compared and analyzed. The results show that the building structure classification method is feasible and can accurately identify the structures in large-area remote sensing images.     

既有钢筋混凝土框架结构的多指标云模型地震损伤评估

目前的既有钢混结构地震损伤研究没有同时考虑不同抗震设计规范差异和耐久性两个因素对结构抗震性能的影响,且损伤指标较简单,在动力损伤分析中也存在局限。基于云模型的特点,提出了包括弹塑性耗能差率、刚度损伤指数、层间位移角和顶点位移角的多元结构损伤状态综合评估方法,能够同时考虑结构各损伤指数的随机性和模糊性。考虑不同版本抗震设计规范造成的结构性能差异和耐久性下降对结构性能的影响,设计3个典型五层钢混框架结构,进行增量动力分析,验证损伤评估方法的准确性。结果表明：随着抗震规范版本的更新,结构的损伤程度有适当减轻;同一结构的损伤程度因混凝土碳化作用先减轻后加重;采用弹塑性耗能差率表征既有结构的地震损伤效果优于刚度损伤指数;基于多指标云模型损伤评估方法获得的云模型综合隶属度和综合损伤值能够更加细化和精确地描述结构损伤状态。     

基于土层结构的场地分类方法

本文在详细研究了不同土层结构在不同地震动输入下的地表反应谱的平台值和特征周期的基础上,提出了基于土层结构的场地分类的初步方案。本方案给出了在现行建筑抗震设计规范四类场地划分的基础上,进一步考虑软弱夹层在底部、中部和上部3种情况的场地分类方法。本文的结果对进一步推动场地分类的研究具有一定的意义。     

基于Bagging集成学习算法的地震事件性质识别分类

地震台网在监测地震的同时记录到的非天然震动事件会对后续的科研和预报工作造成较大的影响, 因此快速准确的对天然震动事件与非天然震动事件加以区分就显得尤为重要.本文针对传统人工方法识别地震事件性质的不足之处, 采用Bagging机器学习算法对地震事件性质进行区分.首先选取震中距范围在80~200 km内的地震数据, 之后采用AIC算法自动识别P波到时, 进而用处理后的数据训练模型, 最后使用测试数据对模型进行评估, 准确率可达85%以上.因此, 本文提出的方法可以有效地对天然震动事件与非天然震动事件加以区分.

     

基于改进云图法的结构概率地震需求分析

概率地震需求分析是美国太平洋地震工程研究中心(Pacific Earthquake Engineering ResearchCenter,PEER)提出的新一代"性能化地震工程(Performance-Based Earthquake Engineering,PBEE)"理论框架的重要一环。传统的概率地震需求分析方法称为"云图法",这种方法针对确定性结构进行一系列地震动作用下的非线性动力分析,从而得到地震动强度参数与结构地震需求的"云图"。然而,传统的云图法只能考虑地震动的不确定性,而无法考虑结构的不确定性。为此,结合拉丁超立方体抽样技术,提出一种能综合考虑地震动不确定性和结构不确定性的改进云图法,并将传统的概率地震需求分析内容拓展为概率地震需求模型、概率地震需求易损性分析、概率地震需求危险性分析三个层次。以一榀五层三跨钢筋混凝土框架结构为例,分别采用传统云图法和改进云图法对其进行概率地震需求分析,得到了该结构的概率地震需求模型、地震需求易损性曲线和地震需求危险性曲线。分析结果表明:提出的方法可以有效地考虑地震动与结构的不确定性,避免不考虑结构的不确定性而低估结构的地震风险性。     

一种基于遗传算法的测井曲线高分辨率处理方法

测井曲线高分辨率处理是提高薄层测井解释精度的一条重要途径.在纵向分辨率匹配技术基础上,利用遗传算法进行测井曲线分辨率处理：先由遗传算法在频率域确定滤波器,然后使用分辨率匹配技术提高测井曲线分辨率.利用该方法对中原油田和新疆塔河油田多口井的八侧向、深感应、自然伽马等多种方法的测井数据进行处理,测井曲线的分辨率得到明显提高,使得其更加适合薄层高分辨率处理解释的需要.