共查询到18条相似文献,搜索用时 52 毫秒
1.
2.
3.
利用最小二乘向量机(LS-SVM)算法构造海底趋势面的过程中,由于算法解缺乏稀疏性,使得异常测深训练样本对最终构造的函数模型也产生影响。为了解决该问题,在对留一样本交叉检核法研究的基础上提出了LS-SVM稀疏算法,由于留一样本交叉检核法求解的残差序列可以有效地表示函数预测值偏离实际水深的程度,因此利用该原则重新修剪后的样本数据不仅使算法具有稀疏特性,而且构造的函数模型更合理。为了检验算法的有效性,选取实测的多波束测深数据进行验证,计算结果表明留一样本交叉检核法能够合理地筛选出对函数模型构造贡献程度大的测深训练样本,使得构造的函数模型更合理。 相似文献
4.
在验证趋势面滤波是最小二乘支持向量机算法取特定参数解的基础上,利用 LS-SVM 所构造的海底趋势面对测深异常值进行剔除。 为了克服 LS-SVM 解非稀疏性的缺点,同时抑制偏差较大的训练样本对海底趋势面构造的影响,提出并实现了一种基于局部样本中心距离的训练样本优化方法。 为了检验该算法的有效性,选取实测的多波束测深数据进行验证,结果表明在训练样本优化的基础上,通过调整 LS-SVM 的参数可以得到更为合理的海底趋势面,测深异常值地剔除也更为有效。 相似文献
5.
6.
7.
最小二乘法在海域勘界界线划定中的应用研究 总被引:1,自引:1,他引:0
海域行政区域勘界是海域使用管理的一项基础性工作,其技术性和行政性均较强。本文介绍了海域勘界界线划定的几种方法,重点详述了侧界线推导法的原理以及运用最小二乘法原理对分界线的拟合,并结合实际需要和技术需求,详细介绍了最小二乘法在海域勘界中的应用研究,为海域勘界提供界线草案的拟定方法。 相似文献
8.
9.
10.
Brezinski等人给出了最小二乘问题近似解的一族误差估计。该误差估计含有1个实参数。本文的贡献有3个方面:其一是给出了1种参数选择策略;其二是对该族误差估计的性质做出进一步分析;其三是分析了应用于Tikhonov正则化时应注意的一些问题。 相似文献
11.
为了对锚泊状态下未来0.5 h的船面风速和风向进行估算,提出了一种基于小波变换和最小二乘支持向量机的估算方法。首先对原始风速数据进行正交分解,得到X轴和Y轴风速;然后分别对X轴和Y轴风速进行小波分解,提取出低频和高频数据序列;其次利用最小二乘向量机方法,分别对低频、高频序列进行估算,分别将X轴和Y轴各序列估算结果进行叠加得到X轴和Y轴估算风速;最后利用矢量法则,同时实现了风速和风向未来0.5 h的估算。以试验船在东海海域锚泊状态下船舶气象仪所测的风速风向数据进行建模与实例验证分析,结果表明该方法具有较高的估算精度。 相似文献
12.
13.
14.
采用支持向量机对海浪要素中的有效波高进行预测,采用风场和波浪场作为学习要素,对比不同特征向量对有效波高预测结果的准确度。取台湾岛东部海区作为实验区域,使用NCEP再分析的数值模式数据作为学习样本。选用支持向量分类机,建立了4组不同特征向量的模型进行海浪有效波高的预测,并对4种模型的结果进行比较和分析。实验表明,当输入的特征向量过多或过少时,会对模型的预测结果和计算效率产生不同的影响。当使用风场和波浪场共同作为特征向量进行学习时,在该区域预测结果与模式预报结果相比更接近,相关系数将近99%,均方根误差约0.2 m。 相似文献
15.
16.
基于阵列感应测井的支持向量机流体识别方法 总被引:3,自引:0,他引:3
基于研究区块的高分辨率阵列感应测井(HDIL)资料,首先分析了利用交会图法进行流体识别的效果,指出了该常规解释方法的局限性。在此基础上,将基于遗传算法优化的支持向量机(GA-SVM)引入到测井解释当中,结合阵列感应测井和常规测井资料,建立了流体识别的非线性模型。利用该模型对45个训练样本进行回判,准确率为100%,对21个预测样本进行预测的准确率为90.48%,相对于常规解释方法,该流体识别方法具有更高的准确率。 相似文献
17.
18.
Simplified techniques based on in situ testing methods are commonly used to predict liquefaction potential. Many of these simplified methods are based on finding the liquefaction boundary separating two categories (the occurrence or non-occurrence of liquefaction) through the analysis of liquefaction case histories. As the liquefaction classification problem is highly nonlinear in nature, it is difficult to develop a comprehensive model taking into account all the independent variables, such as the seismic and soil properties, using conventional modeling techniques. Hence, in many of the conventional methods that have been proposed, simplified assumptions have been made. In this study, an updated support vector machine (SVM) based on particle swarm optimization (PSO) is used to evaluate liquefaction potential in two separate case studies. One case is based on standard penetration test (SPT) data and the other is based on cone penetration test (CPT) data. The SVM model effectively explores the relationship between the independent and dependent variables without any assumptions about the relationship between the various variables. This study serves to demonstrate that the SVM can “discover” the intrinsic relationship between the seismic and soil parameters and the liquefaction potential. Comparisons indicate that the SVM models perform far better than the conventional methods in predicting the occurrence or non-occurrence of liquefaction. 相似文献