基于支持向量机的喀斯特山区土壤环境质量评价——以贵州北部一茶叶园区为例

以贵州北部一茶叶园区80个表层土壤样品为研究对象,对其Hg、As、Cd、Pb、Cr和Cu含量进行测定,在MATLAB中应用支持向量机构建土壤环境质量评价模型,并与模糊综合评价法和内梅罗综合污染指数法的评价结果对比分析,探究支持向量机模型在喀斯特山区土壤环境质量评价中的适用性,其结果表明:研究区土壤质量Ⅰ类与Ⅱ类样品比例为33∶7,土壤环境质量大多数为I类;支持向量机方法的评价结果与模糊综合评价法和内梅罗综合污染指数法结果的相同率分别达到82.5%和80.0%,并分析结果有差异的样品,发现支持向量机评价结果更符合实际情况,这说明该模型适用于土壤环境质量的评价。      

一种盾构施工引起的地面沉降预测方法

针对盾构施工引起的地面沉降的影响因素众多、关系错综复杂,常规数学模型难以准确预测沉降量的问题,该文提出了采用主成分分析法和粒子群优化的支持向量机方法来建立预测模型。并结合工程实例将预测结果与常用的多元线性回归模型和基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做了比较。结果表明:PCA-PSO-SVM的预测结果精度较多元线性回归模型和LM-BP神经网络有很大的提高,证明了该研究方法具有一定的理论意义和参考价值。     

基于局域自适应信息理论测度学习的高光谱目标探测方法

传统基于信号检测的目标探测方法需要依赖特定的统计假设,只有在符合条件的情况下才能取得较好的目标探测结果。为了克服这一缺陷,提出了一种基于局域自适应的信息理论测度学习方法。首先将信息理论测度学习方法作为目标主函数,然后加以局域自适应决策法则进行约束,自适应地减小相似样本对距离,增大不相似样本对距离,使得在考虑阈值的同时兼顾测度学习前后距离的改变情况来进行目标探测决策,从而更好地实现目标探测。实验证明,该方法与其他经典目标探测方法或测度学习方法相比,可以更好地实现目标与背景分离,能够更有效地对高光谱影像数据进行目标探测。     

智慧城市时空信息综合决策关键技术与系统

如何根据智慧城市运行管理、建设规划和应急指挥等政府决策部门的综合需求,实现分散信息资源的统一集成、复杂模型资源的有效调用和决策时空信息的高效共享与可视化,成为现阶段城市综合决策的重大挑战。首先提出了感知联网与时空信息接入、地理空间模型联网与认知、决策时空信息聚焦服务等智慧城市时空信息综合决策共性关键技术,突破了城市时空信息智能分析、协同决策与主动聚焦服务的瓶颈;其次,设计并实现了智慧城市时空信息综合决策原型系统,并以太原市燃气泄漏应急响应为例,验证了系统辅助城市综合决策的可行性和适用性;最后,概括了城市（群）立体感知网、城市（群）模型网和城市（群）时空大数据3大主要发展趋势。     

二三维一体化的城市三维仿真应用系统设计与实现——以琶洲为例

随着城市化进程的深入发展,传统二维GIS应用系统的空间分析与表达已无法满足城市信息化管理的需求。三维GIS系统相对于二维GIS系统具有直观、准确的优点,是支撑智慧城市建设的核心技术。本文以广州市海珠区琶洲街为范围,设计了二三维一体化的城市三维仿真应用系统的体系结构,介绍了系统建设的技术路线,最后对应用系统的部分软件功能予以展示。本系统建设流程主要包括数据建设和应用系统开发两大部分,本文均予以详细阐述。由于需对海量的二三维数据进行融合存储并实时调度,而本系统底层利用的Skyline三维引擎支持实时的超大数据融合,因此,本系统具有良好的三维数据运载能力。     

基于优化经验模态分解和聚类分析的滑坡位移智能预测研究

针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解为多个固有模态函数(IMF),并采用K均值(K-Means)聚类法对其进行聚类累加,得到有物理含义的位移分量(趋势性位移、周期性位移以及随机性位移)和影响因子分量(高频影响因子和低频影响因子)。使用最小二乘法对趋势性位移进行拟合预测;采用果蝇优化-最小二乘支持向量机(FOA-LSSVM)模型对周期性位移和随机性位移进行预测。将各位移分量预测值进行叠加处理,实现滑坡累计位移的预测。研究结果表明,所提出的(SSSC-EMD)-K-Means-(FOA-LSSVM)模型能够预测"阶跃式"滑坡的位移变化规律,且预测精度高于传统的支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)模型;并通过改变训练集长度,进行单因素分析,发现其与预测精度之间呈正相关关系。     

基于多源遥感影像的长春市城市建成区提取

夜光遥感影像记录的城市灯光与人类活动密切相关,已广泛应用于城市信息提取。珞珈一号作为新一代夜光遥感数据源,比以往的夜光数据具有更高的空间分辨率和光谱分辨率,可以更清晰地表达城市建成区范围和内部结构。本文利用珞珈一号夜光遥感影像,通过人类居住指数（human settlement index, HSI）、植被覆盖和建筑共同校正的城市夜光指数（vegetation and build adjusted nighttime light urban index, VBANUI）及支持向量机（support vector machine, SVM）监督分类3种方法对长春市城市建成区进行提取,并与利用NPP/VIIRS（suomi national polar-orbiting partnership/visible infrared imaging radiometer suite）夜光遥感影像、采用同样方法得到的结果对比。结果显示：本文提出的VBANUI提高了传统植被覆盖校正的城市夜光指数（vegetation adjusted nighttime light urban index, VANUI）的提取精度,使用珞珈一号夜光遥感影像通过VBANUI提取的城市建成区结果最优,其Kappa系数为0.80,总体分类精度为90.74%;使用珞珈一号和NPP/VIIRS夜光遥感影像通过HSI按最佳阈值提取城市建成区的Kappa系数分别为0.75和0.72,总体分类精度分别为88.27%和86.54%;复合数据的SVM监督分类法中Landsat-NDBI、Landsat-NDBI-VIIRS、Landsat-NDBI-LJ和Landsat-NDBI-LJlog的Kappa系数分别为0.602、0.627、0.643和0.681,总体分类精度分别为81.11%、81.52%、82.25%和84.48%。研究结果表明：3种提取方法下,均为使用珞珈一号夜光遥感影像的结果优于使用NPP/VIIRS夜光遥感影像的结果,证明相比于NPP/VIIRS夜光遥感影像,珞珈一号夜光遥感影像更适用于城市尺度的建成区范围提取。     

流域水资源调度多目标时变偏好决策方法及应用

传统多目标决策方法难以刻画流域水资源系统调度周期内多目标互馈关系及需求动态变化, 可能导致关键时期特定目标保障不足。为弥补该缺陷, 提出多目标时变偏好决策方法。以金沙江下游为例, 分析发电与生态目标需求的时空变异性, 构建并求解两目标随时程变化的Pareto前沿簇, 量化各时期目标间竞争强度, 基于灵敏比的非支配关系, 定量识别各调度时期决策人的目标偏好, 形成偏向度决策支持集, 建立多目标时变决策模型。结果表明: 考虑时变偏好的决策方法, 其动态累积Pareto前沿可以支配传统静态Pareto前沿; 相较于传统方法, 研究区全年增发电量0.7亿kW·h, 全年和关键生态期生态效益分别提升8.06%和2.83%, 可以在保持发电效益的同时显著优化生态效益, 并提高关键时期生态需求的保障程度。     

机器学习模型在滑坡易发性评价中的应用

机器学习在滑坡的易发性评价中面临两个难点,一是评价指标的客观量化,二是训练样本的选择。鉴于此,采用频率比法实现了评价指标的客观量化,利用k均值聚类算法实现了非滑坡样本数据的筛选。结果表明,以k均值聚类算法筛选非滑坡为前提,神经网络的训练精度由73%提升到了97%,支持向量机的训练精度由75%提升到了96%。基于GIS平台,将神经网络和支持向量机模型计算的全区易发性指数按自然断点法分为五个区域,分区图与历史灾害点的叠加分析统计结果显示,神经网络在全局范围内的评价结果优于支持向量机模型,全局精度分别为76%和74%。研究结果可为南江县的防灾减灾工作提供参考。     

基于支持向量机的膨胀土胀缩等级预测

膨胀土的胀缩等级判定对膨胀土地区工程建设具有重要的意义。为此,本文提出了一种基于支持向量回归机（SVR）模型的膨胀土胀缩等级预测方法。基于肯尼亚“蒙内铁路”沿线膨胀土的土工试验数据,以土体自由膨胀率作为预测目标,构建了包含两种不同预测指标体系的膨胀土胀缩等级预测模型。模型I以液限、塑限、塑性指数、3种不同粒径的颗粒含量（< 0.075、0.075～0.25、0.25～0.5）、土的类型为输入参数,模型II以液限、塑限、塑性指数、粒径< 0.075的颗粒含量、土的类型为预测参数。两个模型在预测时采用Linear、Polynomial、RBF和Sigmoid核函数进行训练。结果表明:（1）当预测采样次数达到1000次时,训练模型均趋于稳定;（2）整体而言,模型I的预测精度要优于模型II,模型I中采用RBF核函数建立的模型给出了最高准确率86.6%,其次为Linear核函数（准确率82.9%）和Sigmoid和函数（准确率75.1%）。模型II中采用RBF核函数建立的模型给出了最高准确率77.4%,其次为Linear核函数（准确率74.3%）和Sigmoid和函数（准确率72.9%）;（3）采用Linear函数、Sigmoid函数和RBF函数作为核函数模型对44组未知胀缩等级的土样预测时,模型I中三者预测结果相同的数量占比为73%,其余组土样的预测胀缩等级相同或相邻,不存在“越级”现象,模型II中三者预测结果相同的数量占比为68%,不存在“越级”现象。最后,通过与模糊层次分析法评价结果对比,进一步证明了本文研究结果可为肯尼亚等类似地区工程建设中膨胀土的胀缩等级预测和处理提供依据。