SVM方法在扇体砂岩厚度预测中的应用

基于小样本学习理论的支持向量机(SVM)方法可用于建立非线性函数预测模型。利用支持向量机方法,根据样本数据采用自动拟合的方法构造核函数,使得建立的关系不仅具有较高的拟合精度,而且具有较好的推广性。地震波的频谱与其波形的关系是互为正、反傅立叶变换的关系,所以地震波的波形及其频谱是同一物理现象的两种不同的表达形式。波形特征沿纵横方向上的变化反映了地层介质在纵横方向上的差异;反射波频谱上的差异则反映了岩性和流体成分的不同以及地层厚度的变化等。直接由地震波波形预测扇体砂岩厚度,不仅充分利用了地震波信息,而且极大地提高了预测模型的准确性。模型及实例验证了该方法的适用性。     

DISCOVERY AND THE IMPLICATION OF A HYDROTHERMAL-METASOMATIC SKARN DEPOSIT IN GANGDISE TECTONIC ZONE,TIBET

DISCOVERY AND THE IMPLICATION OF A HYDROTHERMAL-METASOMATIC SKARN DEPOSIT IN GANGDISE TECTONIC ZONE,TIBET     

Bayesian Analysis of the Discovery Process Model Using Markov Chain Monte Carlo

Based upon the Bayesian framework for analyzing the discovery sequence in a play, a Markov chain Monte Carlo sampler—the Metropolis–Hastings algorithm, is employed to sample model parameters and pool sizes from their joint posterior distribution. The proposed sampling scheme ensures that the parameter space of changing dimension can be traversed in spite of the unknown number of pools. The equal sample weights make it easy to obtain the confidence intervals and assess the statistical error in the estimates, so that the statistical behaviors of the discovery process modeling can be well understood. Two application examples of the Halten play in Norwegian Sea and the Bashaw reef play in the Western Canada Basin show that, the computational advantage of this method to the simple Monte Carlo integration is considerable. In order to increase the convergence speed of the sample chains to the posterior distributions, several parallel simulations with different starting values are recommended.     

从主体与客体的关系看某些特大型金矿床的发现途径

从主体与客体的关系角度探讨了国内外一些大型、特大型金矿床的发现和开发规律,总结和揭示了一些具有鲜明指导意义的金矿的发现、扩大和勘查认识.     

《山海经》中的“东山”区位地理考古研究

《山海经》是一部中国最古老的地理著作。其中“五藏山经”篇中所讲的西、南、北、中山都分布在中国大陆,只有东山的记述在国内一直找不到,三千多年来我国古书上多“无注”或称“其山水无可考”。美国女学者亨利埃特·默茨(HenrietteMertz)通过实地考察后所写的《淡淡的墨迹(Palegnk-TosoOreientRecordsofChineseExplorationinAmerica1953)》证明“东山”海外部分竟分布在美洲大陆,它们就是落基山脉、内华达山脉、喀斯喀特山脉以及海岸山脉,它们的距离,山峰数与动植物的种类与《山海经》记载的都基本相同。该书主题提示这样写的:“《山海经》-印第安人-中国的影响-美洲-中国人的发现和探索”。书中结语还特别强调:“对于在4000年左右,就已踏着白雪皑皑的山顶和峻峭的山峰而徒步考察无畏的中国人后面,我们所能做的,首先要向他们顶礼膜拜、鞠躬致敬。”     

Similarity search and pattern discovery in hydrological time series data mining

The rapid development of data mining provides a new method for water resource management, hydrology and hydroinformatics research. In the paper, based on data mining theory and technology, we analyse hydrological daily discharge time series of the Shaligunlanke Station in the Tarim River Basin in China from the year 1961 to 2000. Firstly, according to the four monthly statistics, namely mean monthly discharge, monthly maximum discharge, monthly amplitude and monthly standard deviation, K‐mean clustering was used to segment the annual process of the daily discharge. The clustering result showed that the annual process of the daily discharge can be divided into five segments: snowmelt period I (April), snowmelt period II (May), rainfall period I (June–August), rainfall period II (September) and dry period (October–December and January–March). Secondly, dynamic time warping (DTW), which is a different distance metric method from the traditional Euclidian distance metric, was used to look for similarities in the discharge process. On the basis of the similarity matrix, the similar discharge processes can be mined in each period. Thirdly, agglomerative hierarchical clustering was used to cluster and discover the discharge patterns in terms of the autoregressive model. It was found that the discharge had a close relationship with the temperature and the precipitation, and the discharge processes were more similar under the same climatic condition. Our study shows that data mining is a feasible and efficient approach to discover the hidden information in the historical hydrological data and mining the implicative laws under the hydrological process. Copyright © 2010 John Wiley & Sons, Ltd.     

基于最优极化特征组合的SAR影像湿地分类

快速、准确的湿地地物分类是实现湿地精准监测的基础。为进一步研究湿地地物显著极化特征对分类结果的影响,提出了基于最优极化特征组合的SAR影像湿地分类方法。该方法利用箱型图等方式,在特征选择因子等准则下从多种极化分解方法选择最优极化特征进行组合,并在此基础上实现分类。首先,为了简化极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, PolSAR）影像并降低其斑点噪声,对互易处理后的极化SAR影像进行多视化和精致Lee滤波。然后,进行6种极化分解,得到多种极化特征。再之,利用箱型图、Cloude-Pottier平面散点图和均值散点图详尽分析上述极化特征和双台河口湿地典型地物散射机制间的相关性,并据此在特征选择因子、特征判断因子、H/α平面等和均值标准差的准则下选择最优极化特征组合。最后,以上述最优极化特征组合为输入,设计支持向量机（Support Vector Machine, SVM）分类器,实现湿地的最优分类。本文以辽宁省盘锦市辽河入海口双台河口湿地为例,采用2016年7月的C波段Radarsat-2全极化数据验证最优极化特征组合的有效性。结果表明：① Cloude-Pottier分解的H、A和α、MCSM （Multiple-Component Scattering Model ）分解的表面散射、Pauli分解的T₃₃与Yamaguchi3分解的表面散射和二面角散射为最优极化特征;② 使用最优极化特征组合不仅可以减少极化特征冗余,还可以提高各湿地地物的生产者精度、分类总精度及Kappa系数,其中各湿地地物的生产者精度提高1%~5%,分类的总精度可达到94.25%,Kappa系数达到93.63%。     

业务驱动的土地利用变化信息发现机制与技术试点

针对我国当前土地利用变化信息发现周期长的弊端,提出了业务驱动的土地利用变化发现机制,通过分析"批、供、用、补、查"五大类土地管理业务,监控与土地利用变化密切相关的业务环节,实现土地利用变化信息的及时提取,并在成都国土资源局进行了试点应用。结果表明该机制能够实现土地利用变化信息的日常性发现,缩短了土地利用变化发现的周期,对于促进土地变更调查具有显著意义。     

基于影像交叉学习的CBERS CCD波段模拟

与TM/ETM+相比,CBERS CCD缺少2个红外波段(波段5和波段7),这便导致了许多针对TM/ETM+数据的图像处理方法难以直接应用于CBERS CCD图像.为此,采用基于影像交叉学习的波段模拟方法,即以ETM+数据作为先验知识,通过支持向量回归( Support Vector Regression,SVR),拟...     

基于支持向量机的CloudSat卫星云分类算法

从基于云角色的分类思想出发,利用星载毫米波雷达探测资料提取云的特征参数,建立支持向量机（support vector machine,SVM）模型实现云的分类。通过与BP（back propagation）网络模型的分类结果进行对比,发现两种模型都具有较好的分类能力,但SVM模型的识别准确率更高,计算速度更快。基于CloudSat资料的云分类实例表明,SVM模型的分类结果与CloudSat数据处理中心（Data Processing Center,DPC）发布产品具有很好的一致性。