将微粒群和支持向量机用于耕地驱动因子选择的研究

结合微粒群算法(PSO)具有执行速度快、受问题维数变化影响小的优点及支持向量机算法(SVM)结构风险最小化原理,构建了基于离散二进制微粒群(BPSO)与支持向量机的耕地驱动力因子选择方法,使用特征子集中确定的特征来训练支持向量回归机,用适应度函数来评价回归机的性能,指导BPSO的搜索。实验表明,该方法能有效地提取出耕地驱动因子的特征子集,从而降低了指标的维数,保留了关键信息,以获得知识的最小表达。     

环境风险应急管理决策支持系统的设计与实现

针对典型煤化工产业聚集区(太原市晋源区)环境风险应急管理决策支持系统的建立,进行系统功能结构划分和详细设计,并利用ArcGIS Server二次开发,实现在Web环境下地物空间信息的完整表达,地理信息的定位查询,应急救援资源的分类查询和对风险源的实时监控,完成最短路径查询、最邻近设施选择、救援服务区确定等空间分析功能,形成完整的应急响应机制,为应急管理决策提供有力依据。     

王家官庄旧村改造基坑支护设计与施工实践

介绍了青岛市即墨区王家官庄旧村改造项目基坑支护设计方案与基坑支护实施情况,该工程地层条件复杂,地下水丰富,又靠近石鹏水库,环境条件较复杂,通过采用土钉墙与高压旋喷桩止水帷幕,基坑降水等技术措施的顺利实施,基坑支护效果良好,确保了地下车库基坑开挖、基础施工的安全,施工质量满足相关技术要求。     

Assessment of calanchi and rill–interrill erosion susceptibilities using terrain analysis and geostochastics: A case study in the Oltrepo Pavese,Northern Apennines,Italy

Soil erosion is one of the most important environmental problems distributed worldwide. In the last decades, numerous studies have been published on the assessment of soil erosion and the related processes and forms using empirical, conceptual and physically based models. For the prediction of the spatial distribution, more and more sophisticated stochastic modelling approaches have been proposed – especially on smaller spatial scales such as river basins. In this work, we apply a maximum entropy model (MaxEnt) to evaluate badlands (calanchi) and rill–interrill (sheet erosion) areas in the Oltrepo Pavese (Northern Apennines, Italy). The aim of the work is to assess the important environmental predictors that influence calanchi and rill–interrill erosion at the regional scale. We used 13 topographic parameters derived from a 12 m digital elevation model (TanDEM-X) and data on the lithology and land use. Additional information about the vegetation is introduced through the normalized difference vegetation index based on remotely sensed data (ASTER images). The results are presented in the form of susceptibility maps showing the spatial distribution of the occurrence probability for calanchi and rill–interrill erosion. For the validation of the MaxEnt model results, a support vector machine approach was applied. The models show reliable results and highlight several locations of the study area that are potentially prone to future soil erosion. Thus, coping and mitigation strategies may be developed to prevent or fight the soil erosion phenomenon under consideration. © 2020 John Wiley & Sons, Ltd.     

基于离散Gabor变换的磁暴识别

以地磁秒数据为研究对象,通过离散Gabor变换将时域的地磁数据转换至二维时频面,提取Gabor变换谱图的均值和方差作为特征值,使用支持向量机实现地磁正常数据与磁暴干扰数据的自动分类识别。对5个地磁台的200组地磁秒数据进行计算分析,结果表明该方法对测试样本数据的识别率可达94%。     

河网水质管理决策支持系统在引江济太中的应用

利用太湖流域河网水质管理决策支持系统（TAIHU DSS）,对2000年夏季望虞河应急调水进行了技术方案比较,论证,重点对望虞河引江应急调水过程中,常熟枢纽泵站运用,望虞河东岸分流与否及望虞河立交开闸前对底水的处理等不同条件下的望虞河入湖水量,水质等进行多方案比较,为望虞河启用泵站调水、东岸适当分流,先打开蠡河船闸处理望虞河底水的方案提供了决策的技术依据,并引发了对太湖流域引江济太工作的进一步深入研究和实践,是决策支持系统在实际工作中的成功应用之一。     

土钉墙支护设计的非线性有限元法

土钉墙支护是1种经济、安全、可靠的基坑支护型式。采用非线性平面应变有限元方法对土钉墙支护设计进行数值模拟。与传统的极限平衡法相比具有显著优越性。该方法将土钉与岩土介质作为1个系统研究,对十钉支护的作用机理、变形、和土钉墙内的受力进行分析,计算开挖最终阶段的变形量。与工程实例的对比检验,证实该方法的合理性。研究结论对土钉墙支护的设计与施工具有较高的应用价值。     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

基于遗传支持向量机的地下工程裂隙岩体注浆量预测

提出了地下工程裂隙岩体注浆量预测的遗传支持向量机方法,通过支持向量机对实际注浆数据样本进行学习,建立注浆量及其影响因素之间的非线性映射关系,基于这种关系实现注浆量的预测。模型建立过程中,考虑到支持向量机惩罚因子和核参数对预测精度的影响,以预测误差为适应度,采用遗传算法对最佳参数进行搜索。结果表明,本文方法计算快速,预测精度高,是一种注浆量预测的好方法。     

我国创意产业发展的支撑条件评价及空间发展战略

创意产业从提出开始,就引起世界高度关注,并成为各国竞相发展的战略性产业。在新一轮的全球竞争中,各国纷纷把发展创意产业作为提升国家经济实力和软实力的重要途径。本文通过对国内外创意产业发展的空间分布特征及影响因素的梳理,总结创意产业发展的支撑条件,进一步构建了创意产业发展支撑条件的评价指标体系。运用主成分分析法对中国35个主要中心城市创意产业发展支撑条件进行了定量评价,并提出现阶段我国创意产业发展的空间战略:因地制宜、发挥特色、科学规划;聚焦若干重点创意产业集聚区的发展,增强集聚效应;强化以珠三角、长三角、京津冀三大创意产业集聚区的龙头带动作用;鼓励中西部地区以区域性中心城市为依托,将创意产业与本地产业升级的带动作用结合起来,形成各具特色的区域性创意中心。