基于光谱—空间特征的ASTER影像岩性分类研究——以甘肃北山白峡尼山地区为例

遥感岩性制图是地质填图中的重要工作,基于光谱特征的岩性分类易受到色调、纹理等因素影响导致精度不佳。前人进行岩性自动分类研究多关注影像的光谱特征,而忽略空间特征,笔者等基于甘肃北山白峡尼山地区ASTER影像,将支持向量机、极限学习机两种机器学习分类方法与基于空间特征的快速漂移算法相结合进行岩性分类。结果表明支持向量机分类总体精度为89.17%;极限学习机不但具有需调节参数少的优势,且分类精度和速度均优于支持向量机,分类总体精度达96.70%;利用快速漂移算法提取的影像空间特征可有效减少错分区,提升岩性分类效果。研究证实将基于光谱特征的极限学习机和基于空间特征的快速漂移算法结合的岩性分类方法具有客观、高效、高精度等优势,可为后续地质填图和找矿勘查工作提供可靠数据支撑,在遥感岩性分类领域具有较高的推广价值。     

JGN型耐高温建筑结构胶抗震加固性能研究

为有效增强建筑结构的抗震性能、提高建筑抗震水平,对JGN型耐高温建筑结构胶抗震加固性能展开研究。将高活性酚醛胺(T－31)作为主固化剂、聚酰胺树脂(PA)为辅助固化剂,结合气相白炭黑、超细石英砂、石棉纤维、纳米材料、环氧树脂等材料,制备JGN型耐高温建筑结构胶。在高温环境下,使用万能试验机分析不同配比条件对结构胶抗震加固性能的影响。测试主要以拉伸强度、压缩强度以及压缩弹性模量为指标。测试结果表明：当固化剂质量比为45∶15、气相白炭黑掺量为4.5%、超细石英砂掺量为10%、石棉纤维掺量为10.5%、纳米SiO₂掺量为3.5%、纳米CaCO₃掺量为2.5%时,JGN型耐高温建筑结构胶的拉伸强度和压缩强度更大,压缩弹性模量得到优化,结构胶的抗震加固性能达到最佳状态。     

基于机器学习的锆石成因分类研究

锆石是在自然界中多种温压条件下能够稳定保存,并记录原岩年龄信息的副矿物。锆石微量元素能完整记录地质演化过程信息。通过微量元素分析锆石成因的研究已久,通常利用Th-U图解和La_N-(Sm/La)_N图解等二元图解对锆石进行分类研究。然而,随着锆石研究的深入,以及二元图解无法呈现数据高维度信息的局限性,传统图解已经不能满足对锆石类型进行准确判别,且对已知类型的锆石出现判定偏差。因此,本文将地质大数据与机器学习相结合,训练出高维度锆石成因分类器。文中收集了3 498条不同成因类型的锆石微量元素数据,并通过测试和运用随机森林、支持向量机、人工神经网络和k近邻等4种机器学习算法,最终得出准确率为86.8%的线性支持向量机锆石成因分类器,用于锆石类型的判定与预测。这项工作为锆石分类研究提供了更高维度的判别手段,极大提高了微量元素分析成因结果的精度。将锆石微量元素数据与机器学习方法相结合,是大数据分析与机器学习技术在地球化学研究中的积极探索。     

基于机器学习模型的淮河流域中长期径流预报研究

准确可靠的中长期径流预报是支撑水资源科学调配、提高水资源利用效率的关键。本研究采用AdaBoost模型(AdB)、随机森林模型(RF)和支持向量机模型(SVM)进行淮河流域王家坝和蚌埠站当年11月至次年10月共12个月的中长期径流预报研究。采用置换准确度重要性度量法从130项气象-气候因子及前期降雨/流量构建的1 562个因子变量中筛选出影响各月径流的关键因子,构建了基于AdB、RF和SVM模型的各月径流预报模型,模型参数采用随机搜索技术并结合交叉验证方式确定。采用变幅误差合格率和等级(五级)预报合格率指标对模型的预报精度进行了评估。变幅误差合格率指标表明,王家坝12个月的平均合格率分别为99.8%(AdB)、96.6%(RF)和95.9%(SVM),蚌埠站分别为100%(AdB)、94.8%(RF)和93.8%(SVM);等级预报合格率指标表明,王家坝12个月的平均合格率分别为79.0%(AdB)、76.4%(RF)和79.9%(SVM),蚌埠站分别为81.0%(AdB)、75.6%(RF)和76.6%(SVM)。模型均具有较好的预报效果,但RF和SVM模型对于高流量值的预报存在偏低现象,AdB模型整体上优于RF和SVM模型。     

基于机器学习的表层土壤成矿元素空间预测: 以稀有金属铷元素为例

近些年随着土地质量地球化学调查工作的开展,获取了大量表层土壤样品数据。然而,这些数据也存在一个明显的缺陷,即1∶50 000大比例尺表层土壤数据往往缺少成矿元素。鉴于土壤成矿元素含量对于矿产资源勘查的重要指示作用,尝试基于现有数据对大比例尺表层土壤成矿元素含量提供一个补全方案。以稀有金属铷元素为例,采用随机森林算法把同一区域2 548组1∶250 000小比例尺表层土壤数据按照8∶2的比例随机分为两组,用80%的数据进行训练建模,20%的数据对模型进行验证。采用变量重要性度量排序和构建学习曲线的组合方法优选了8种元素(K、B、Ni、V、Zn、As、Co、Cu)作为预测变量,模型对训练数据和测试数据的拟合优度R²分别达到0.983 2和0.895 6,说明预测变量的优选方法是有效的。随后将1∶50 000表层土壤的上述预测变量数据作为输入变量导入模型中,得到预测的Rb元素含量,预测结果比较符合实际特征。本研究表明将大数据机器学习随机森林算法引入表层土壤地球化学元素含量空间定量预测具有可行性,可进一步拓展土地质量地球化学数据的服务应用维度。     

大直径深层钻孔灌注桩拔除工艺研究

结合郑州南站连接线明挖隧道（拔桩区间）拟拔桩基直径大、桩长的特点,对桩体受力特征和拔桩工艺进行了研究。通过拔桩过程中桩周土破坏模式和桩体自身的抗拉强度分析计算,选取有效的减阻方法并应用于工程实践,取得良好效果。最后总结出大直径深层钻孔灌注桩拔除工程中桩身局部扩大、桩侧摩阻力过大和断桩等问题及相应的解决方法,供今后类似工程借鉴。     

高光谱影像信息向量机分类

信息向量机是一种基于贝叶斯理论的稀疏高斯过程方法,其模型训练速度快、内存耗费小、稀疏性强,具有良好的预测性能。本文从高斯过程回归模型出发,提出了一种基于信息向量机的高光谱影像分类方法,针对高斯过程分类中的非高斯噪声模型,采用假定概率滤波算法将分类问题转化为回归问题,通过最大化边缘似然函数进行模型训练,选择活动子集中的信息向量数量达到了稀疏的目的。通过ROSIS影像试验,表明了基于信息向量机的高光谱影像分类方法的优势。     

虚拟航空摄影测量实验系统的设计与实现

随着网络教学的兴起,虚拟现实技术用于实验教学,成为强化实验室建设、改革实验教学手段的一个重要发展方向。介绍虚拟建模和开发软件,并以我院仿真模拟摄影测量与遥感实验室为原型,采用VRML软件为主,三维建模软件SkecthUP和3Ds Max为辅,阐述系统设计与实现的具体过程,构建虚拟航空摄影测量实验系统。该系统主要包括虚拟地形地貌沙盘(虚拟校园模型和虚拟栅格地形)、虚拟全数字摄影测量工作站模型、虚拟无人机和控制轨道动态模型,以及虚拟实验室场景。具有数字摄影测量工作站动态操作演示、无人飞机航空摄影测量操作演示,以及实验室参观展示等功能。研究成果无实体实验室的时空限制,有利于学生开展自主学习,有效地提高摄影测量实验教学质量,其对于虚拟实验系统的研发具有一定的借鉴意义。     

基于VR的具有民族地域文化特色的农村小城镇规划设计

利用虚拟现实技术,建立具有不同民族地域文化特色的三维模型和场景,虚拟展示城镇和新农村建设规划设计,从而取代传统的采用沙盘、平面规划图等展示介绍的方法,便于专家和广大民众参与交流。     

一种基于输入向量机的高光谱影像分类算法

支持向量机分类方法存在惩罚系数需要交叉验证获取、训练时间较长、支持向量个数随着训练样本数量的变化而变化,以及稳定性和稀疏性较差等问题。针对这些问题,提出了一种基于输入向量机的高光谱影像分类算法。该算法在核逻辑回归模型的基础上,采用前向贪心算法选择训练样本中的输入向量来进行模型的训练,达到稀疏的目的,提高影像的分类精度和分类效率。通过PHI和OMIS两组高光谱影像分类实验,结果表明基于输入向量机分类算法具有稳定性好、稀疏性强的优点。