基于多种模型的云南元江哈尼云海景观预报研究

为推动区域旅游事业发展,满足旅游气象服务需求,研究针对云南元江哈尼云海景观进行了立体气象观测和业务预报实验。本研究基于云南元江云海气候站2016—2019年观测数据,利用经验预报法、Logistics回归、支持向量机、决策树分析等方法,进行了云海景观出现与否的二分类预报实验。结果表明：各预报方法间训练样本总体准确率在74.3%—82.2%之间差别不大,但传统经验预报基于云海机理研究背景,预报指标物理意义明确,随着预报经验的积累经验预报2019年TS评分为54.8,优于2016—2018年TS评分46.0,也优于仅使用局地数据的统计学习算法的预报评分,且其他几种统计学习预报方法的检验样本TS评分均不如训练样本评分高。云海景观出现需要水汽条件和大气静稳条件的配合,局地云海气象观测站建设收集的立体气候数据有利于预报人员改进预报指标体系,提高预报准确率,有利于提升区域旅游气象服务能力发展。     

科技创新 再铸辉煌 山东省地质科学实验研究院2010年度科技进展

2010年,山东省地质科学实验研究院在山东省国土资源厅党组的正确领导下,紧紧围绕服务国土资源管理中心工作,积极承担地质勘查、土地规划研究和相关科研任务,发挥科技引领和支撑作用,取得一批优秀科研和找矿成果,为山东国土资源事     

基于灰色模型和最小二乘支持向量机的卫星钟差预报

提出一种联合灰色模型（Grey Model,GM）和最小二乘支持机（Least-Squares Support Vector Machines,LS-SVM）回归算法的卫星钟差智能组合预报方法。首先根据历史钟差数据建立不同的GM（1,1）灰色模型,然后利用这些模型进行钟差预报,最后采用最小二乘支持向量机回归算法对不同GM（1,1）模型的预报结果进行非线性组合,以获得最终预报值。该方法在充分利用灰色模型所需原始数据少、建模简单等优点的基础上,结合最小二乘支持向量机所具有的小样本、非线性、泛化能力强等特性,提高了预报可靠性和精度。实例验证了该组合方法的可行性、有效性和实用性。     

基于核主成分分析和粒子群优化支持向量机的滑坡位移预测

利用核主成分分析法对滑坡位移影响因子进行特征提取,以获得的主成分作为支持向量机的特征向量建立支持向量机模型,其中模型参数通过粒子群算法进行选择优化,构建出核主成分分析和粒子群优化支持向量机协同模型,对滑坡相对位移进行预测。预测结果的平均绝对误差和相对误差分别为0.760和7.563%,与其他预测模型相比,其拟合和泛化能力最优,表明核主成分分析和粒子群优化支持向量机协同模型的预测结果与实际监测值具有很好的一致性。     

斜坡单元支持下的滑坡易发性评价支持向量机模型

针对传统滑坡预测手段数据源有限、数据更新周期长、难以发现隐藏在复杂滑坡系统中的规律等问题,本文以三峡库区为研究对象,从多源空间数据中提取滑坡孕灾环境和影响因素等信息,采用数字地形水文分析方法划分斜坡单元,对评价因子进行重采样,进而构建两类支持向量机模型。分析了多源影响因素与滑坡易发性的定量关系,并生成滑坡易发性分区图。采用成功率曲线和误差率评价预测结果,模型预测精度达到98.21%,与野外调查实际情况吻合较好。     

多特征差分核支持向量机遥感影像变化检测方法

讨论了利用遥感影像光谱、纹理等多种特征信息的多核函数组合方式,给出了多特征空间差分核函数的构建方法,设计了多特征差分核支持向量机变化检测算法,该算法能够实现联合类别样本加权和遥感影像多种变化类别信息的直接检测。实验结果表明,该算法综合利用多种特征信息,检测精度明显高于传统方法,有利于提取小样本的变化信息,避免了以往检测方法需要确定变化阈值的复杂性和不确定性。     

利用SVM的GPS/INS组合导航滤波发散抑制方法研究

为验证导航模型在GPS信号更新频率较低的情况下的导航能力,给出了GPS/INS组合导航滤波模型。载体运动过程中,分别使信号中断5s、10s、15s。通过实验得出,GPS信号中断时间过长(10s以上),GPS信号恢复后,Kalman滤波器会产生发散现象。引入支持向量机,提出利用SVM内插GPS信号提高信息更新频率消除组合导航滤波器的发散。结果表明,GPS信号中断时间过长导致组合导航系统滤波发散的情况下,通过SVM内插GPS数据提高GPS更新频率,可以有效地抑制滤波发散,提高导航的准确性。     

利用视线向量的资源三号卫星影像严格几何处理模型

根据资源三号立体测绘卫星三线阵传感器的成像原理,利用卫星影像的视线角等状态构建资源三号卫星影像的严格几何处理模型。经验证发现,因资源三号卫星视线角及相机安置等卫星状态获取存在误差,在无控状态下直接利用卫星姿态数据和严格几何处理模型进行定位精度较差。为有效消除卫星轨道位置、姿态角元素等存在的固定系统误差,引入视线向量修正模型进行修正,修正后精度提升明显,平坦区域仅采用3个地面控制点在X和Y方向的定位精度即可优于3m。     

基于SVM的冲击地压分级预测模型及R语言实现

采场冲击地压的分级预测对保障矿山安全具有重要的意义。在综合考虑采场冲击地压等级判别的各类影响因素之后,引入支持向量机理论,建立了采场冲击地压等级判别的SVM模型。通过借助R语言实现了分层随机抽样的技术,保证了训练集与测试集样本数据的随机性和差异性。研究表明：基于SVM理论的采场冲击地压分级预测模型,可靠性强、预测准确率高。同时,采场冲击地压分级预测模型程序化语言的实现,对保障工程后期的研究预测的可持续性具有重大的意义。     

基于SSA-SVM模型的台风风暴潮灾害损失评估

受全球气候变化影响,台风风暴潮造成的损失显著增加,准确构建高效、合理的损失评估模型对海洋灾害防灾减灾工程具有重大现实意义。使用4组指标构建台风风暴潮指标体系,并通过主成分分析筛选出输入因子。采用麻雀搜索算法优化支持向量机模型对台风风暴潮损失分级和直接经济损失进行评估,与其他优化算法进行比较分析,发现该模型具有更好的预测精确性。对指标体系中的4组指标分别进行评估,得出指标的有效性大小为危险性指标>气候变化指标>易损性指标>防灾减灾能力指标,表明了该实验的合理性,为防灾减灾事业提供了有效的评估方式。