非线性支持向量机在油气预测中的应用

油气预测的传统方法通常是基于经验风险最小化准则,但在有限样本情况下,预测效果并不理想.研究引入基于结构化风险最小化准则的非线性支持向量机方法,通过对推广误差界的最小化达到最大的泛化能力和全局最优,时于小样本数据,该方法具有可靠的预测能力.在对四川观音场构造面新统上部碳酸盐岩储层数据处理中.通过实例试算,结果表明该方法有效可靠,预测精度高,与已知结果吻合较好.     

岩质高边坡稳定性支持向量机预测方法研究

提出一种基于支持向量机的岩质边坡稳定性预测方法。该方法地很好的表达了岩质边坡稳定性与其影响因素之间的非线性映射关系,并应用该方法建立了相应的模型。预测结果表明,利用该方法进行岩质边坡稳定性预测是可行的、有效的。     

灰色最小二乘支持向量机在滑坡变形预测中的应用

结合灰色系统思想与最小二乘支持向量机构成灰色最小二乘支持向量机,根据目前灰色模型与最小二乘支持向量机结合的方法,提出并联型、串联型和残差型三种预测模型的结构.将上述三种灰色最小二乘支持向量机模型用于对三峡库区石佛寺滑坡垂直位移进行预测,模型精度和预测结果比较理想,优于单一预测模型.试验表明:灰色最小二乘支持向量机可提高预测精度,用于滑坡变形预测是有效可行的.     

多源高分辨率遥感影像不透水面提取

随着经济的发展,社会需求的不断提高,不透水面面积越来越代表着社会的城市化进程和经济发展水平。为了解安徽省不透水面面积和经济发展水平,本文以安徽省为研究对象,将2018年的哨兵2号（Sentinel-2）和美国陆地卫星（Landsat8）影像相结合,利用珞珈一号夜间灯光数据为辅助数据,制作安徽省森林、农田、不透水面、水体四类地物的土地利用规划图,高精度提取了2018年安徽省全省的不透水面信息。研究结果表明：通过与Sentinel-2&珞珈一号和Landsat8&珞珈一号的结果进行对比,充分证明Sentinel-2、Landsat8以及珞珈一号数据结合能够较准确、高精度地提取不透水面信息。     

冬小麦区域遥感监测及识别中的方法研究

通过基于高时间分辨率的"环境一号"卫星数据的变化向量分析(CVA)冬小麦遥感识别方法,并以地理国情普查数据为调整单元对识别结果进行修正,达到提高冬小麦遥感识别精度的目的。结果表明,使用CVA方法可提高冬小麦遥感识别精度,以国情普查数据为调整单元可在一定程度上降低遥感影像配准误差影响,对其他农作物遥感识别具有一定的参考意义。     

一种裸露土壤湿度反演方法

针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。     

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。      

结合实体词与句子语义的地理实体关系抽取

地理实体关系抽取是地理知识获取的重要组成部分。规则制定的繁琐和难以发现的隐式关系表达,使得现有规则匹配与机器学习的方法不能有效解决地理实体关系抽取中存在的中文文本语法结构复杂且地理实体关系显式与隐式表达并存的问题。因此,根据上下文反映显式或隐式地理实体关系的特征,提出利用实体词向量和句子语义向量从文本中抽取地理实体关系的方法。实验表明,利用该方法从网络文本中获取显式和隐式表达的地理实体关系具有较好的效果,在测试集中准确率和召回率可以达到75.2%和79.2%。本研究为构建地理知识图谱、地理信息检索以及地理本体学习提供方法支持。     

GRAPES全球奇异向量方法改进及试验分析

基于总能量模的奇异向量扰动常用于构造集合预报的初始条件。以建立GRAPES（Global and Regional Assimilation PrEdiction System）全球集合预报系统为目的,基于前期研发的GRAPES全球模式奇异向量方法,在GRAPES全球切线性模式和伴随模式2.0版的框架下,开展了引入线性化边界层方案来改善奇异向量结构,并提高奇异向量计算效率的研究。通过连续试验,从奇异向量的扰动能量结构、扰动能量谱及扰动空间分布等方面,综合分析改进GRAPES全球奇异向量的结构及演变特征。试验结果表明,改进后的GRAPES奇异向量方法有效抑制了之前扰动能量在近地面层不合理的快速增长,同时,奇异向量最优扰动的结构更客观地体现了中高纬度区域大气初始条件中的斜压不稳定扰动及其演变,如在初始时刻奇异向量扰动能量主要位于对流层中层,并呈现出随高度向西倾斜的大气斜压特征;经过线性化演变,扰动能量向较大水平尺度转移,并在垂直结构上表现出向对流层高层上传及向对流层低层下传的特征等。针对GRAPES奇异向量迭代求解中伴随模式计算耗时为主的情况,改进伴随模式中广义共轭余差方案的调用方式,并采用大内存存储法来提高其计算效率,进而将奇异向量总计算时间缩短了25%。总之,改进后的GRAPES奇异向量方法,可应用于构建面向业务应用的GRAPES全球集合预报系统。