基于数学形态学多尺度分析的顶板下沉量预测

利用实测顶板沉降序列预测顶板下沉量是分析顶板稳定性的有效手段。提出基于数学形态学（MM）的预测方法,将沉降序列视为一组信号,用多尺度形态学算法将其解耦为若干分量,用最小二乘支持向量机（LSSVM）算法对各分量进行预测,叠加还原得到最终预测结果。根据某金矿762采场预控顶板AIII测点实测沉降时序,建立MM-LSSVM模型进行预测研究。研究结果表明,MM-LSSVM的解耦处理强化了各分量内部规律、弱化了相互干扰。与其他传统预测算法相比,MM-LSSVM的平均绝对百分误差和均方根误差大幅下降,预测精度显著提高。     

���μ���������Ԥ��Ĵ����벢��ģʽ�о�

??????μ???????????????????????????????????????????????????????????????з????????????????????????????????????????????????????￡?????????????????????????????????????????????????????????????????????Ч?????б????????????????????????????????????????????????????     

以夹角调制的矢量地图可逆水印算法

传统水印嵌入方法往往导致原始载体数据质量的下降,而可逆水印技术由于能完整恢复原始载体数据,因此,在精度要求较高的矢量地图版权保护应用中具有较高的适用性。目前,栅格图像的可逆水印算法研究较为成熟,而在矢量地图领域则主要借鉴栅格图像的相关方法,由于没有充分利用矢量数据的组织特性,因此鲁棒性不强。针对上述问题,本文以矢量地图坐标点之间的基本空间关系在常规地图操作前后的不变性,提出一种鲁棒的矢量地图可逆水印算法。算法首先利用道格拉斯—普克方法将要素点分为特征点与非特征点两类,在此基础上计算每个非特征点与其相邻前后特征点连线所构成的夹角。在水印嵌入时,利用该夹角来映射水印比特位,并通过调整非特征点坐标来对该夹角进行调制以实现水印信息的嵌入。实验表明该算法所生成的水印具有一般可逆水印的不可感知性与可逆性,同时,对旋转、平移、要素排序、裁剪、压缩、简化等攻击也具有较好的鲁棒性。     

任意各向异性介质相(群)速度的计算

反映弹性波在各向异性介质中传播特性的两个基础的物理量是相速度和群速度.本文在总结前人工作的基础上,提出任意各向异性介质相(群)速度的计算方案:首先推导各自计算公式,其次考虑剪切波奇点的特殊性,再次令其遵循相应约束条件,最后,采用三个计算实例检验该方案的正确性和有效性.通过对计算结果的分析以及各向异性理论预测可以加深对各向异性特有性质(如剪切波奇点、群速度多值性)的理解,有助于增强我们对任意各向异性理论的基本认识.     

基于ε-SVR的滑坡位移预测

我国是一个地质灾害多发的国家,特别是滑坡发生的次数比较多、危害性比较大。因此对滑坡的位移进行监控预测有着十分重要的意义。对于滑坡位移变化的非线性问题,可以利用支持向量机在回归分析中的方法——ε-支持向量回归机（ε-SVR）进行预测,该方法基于统计学理论,在处理小样本、非线性、高维数等问题上有一定的优势。以福建八尺门滑坡的监测数据为例,将前面的17个位移数据作为学习样本,后面的6个位移数据作为预测样本,采用不同的核函数分别进行位移预测来与原始监测值进行对比,比较其预测精度。结果显示,该方法产生的预测值与原始监测值之间的误差比较小,其位移变化趋势与原始数据的变化趋势也基本一致,这说明该方法预测精度高,实用性强。     

Study of tide prediction method influenced by nonperiodic factors based on support vector machines

Harmonic analysis, the traditional tidal forecasting method, cannot take into account the impact of noncyclical factors, and is also based on the BP neural network tidal prediction model which is easily limited by the amount of data. According to the movement of celestial bodies, and considering the insufficient tidal characteristics of historical data which are impacted by the nonperiodic weather, a tidal prediction method is designed based on support vector machine (SVM) to carry out the simulation experiment by using tidal data from Xiamen Tide Gauge, Luchaogang Tide Gauge and Weifang Tide Gauge individually. And the results show that the model satisfactorily carries out the tide prediction which is influenced by noncyclical factors. At the same time, it also proves that the proposed prediction method, which when compared with harmonic analysis method and the BP neural network method, has faster modeling speed, higher prediction precision and stronger generalization ability.     

基于SVM的海底声纳图像底质识别*

对海底底质声纳图像分割,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,优化支持向量机(SVM)参数.利用多分类 SVM 对砂、礁石、泥进行训练,有效、快速地分离出了3种底质类型,测试精度高于80%,表明该方法可有效用于海底底质声纳图像的识别和分类.     

���ڳ��������ƽ̨�IJ��н⼼�����������������е�Ӧ��

???????????????????н?????????????????????е???????????漰??????????л?????????????????????????????????????λ????????С????????,?????OpenMP??MPI??????л??????????Ч???     

基于几何坐标法的多维数据可视化技术在地质数据处理中的应用

为简单且快速地查看地质研究过程中所获得地质数据属性信息的分布特征,用VC++6.0实现了常用的基于几何坐标法的多维数据可视化方法,即平行坐标法和圆形平行坐标法。这两个方法融合了直方图和等值线图各自的优点,可以同时查看数据的频数分布及其对应的坐标,还可以通过多个坐标轴显示数据,拓宽了一个图所能承载的数据信息,因此可以用这样的一个图形总体把握数据的分布特征。该方法在澳大利亚新南威尔士州Mandamah地区铜金矿床钻孔数据的应用中,通过折线密度可以看出Au、Cu、Pb和Zn等元素都有高值突出,即高值附近折线密度稀疏,而大量数据聚集在低值附近,即低值附近折线分布密度高。     

面向对象的多特征分级CVA遥感影像变化检测

变化矢量分析CVA方法在中低分辨率遥感影像变化检测中已得到广泛应用,但由于高分辨率遥感影像存在不同地物尺度差异大、不同类别地物光谱相互重叠的问题,因此对于高分影像的变化检测具有局限性。为提高高分影像变化检测精度,提出了一种面向对象的多特征分级CVA变化检测方法,首先,利用基于区域邻接图的影像分割方法分别对两时相遥感影像进行多尺度分割,提取分割图斑的光谱、纹理和形状特征;然后,在各级尺度下,分别运用随机森林方法进行特征选择,计算CVA变化强度图;最后,根据信息熵对多级变化强度图进行自适应融合,利用Otsu阈值法检测变化区域,并与仅考虑光谱特征的分级CVA变化检测方法、像元级多特征CVA变化检测方法以及仅考虑光谱特征的像元级CVA变化检测方法进行比较分析。实验表明:与比较方法相比,本文方法的变化检测精度较高,误检率和漏检率较低。