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.     

三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

一种等压面上流场的可视化方法

结合等压面上高度场及其气象要素矢量场数据的空间分布特征，设计了一种能客观反映大气在等压面上的运行规律的可视化方法－表面场线映射，它在气象上有较好的实用价值。     

ȱʧ�����»���EM�㷨��GPS�߳����

GPS????????????????????????????????????????????????????????????????????????ó??淽?????????????????????????????EM?????????????????????????????????????????????????????Ч????????????μ?GPS??????????     

基坑支护结构水平变形预测的遗传神经网络方法

采用遗传算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,先用遗传学习算法进行全局训练,再用BP算法进行精确训练。就遗传算法过程中的选择、变异进行了探索,提出了用BP网络训练产生变异的遗传算法。作为实例,将该方法应用于预测基坑支护结构水平变形中。结果表明,该方法有收敛速度较快、预测精度高等优点。     

Site characterization model using least‐square support vector machine and relevance vector machine based on corrected SPT data (Nc)

Statistical learning algorithms provide a viable framework for geotechnical engineering modeling. This paper describes two statistical learning algorithms applied for site characterization modeling based on standard penetration test (SPT) data. More than 2700 field SPT values (N) have been collected from 766 boreholes spread over an area of 220 sqkm area in Bangalore. To get N corrected value (N_c), N values have been corrected (N_c) for different parameters such as overburden stress, size of borehole, type of sampler, length of connecting rod, etc. In three‐dimensional site characterization model, the function N_c=N_c (X, Y, Z), where X, Y and Z are the coordinates of a point corresponding to N_c value, is to be approximated in which N_c value at any half‐space point in Bangalore can be determined. The first algorithm uses least‐square support vector machine (LSSVM), which is related to a ridge regression type of support vector machine. The second algorithm uses relevance vector machine (RVM), which combines the strengths of kernel‐based methods and Bayesian theory to establish the relationships between a set of input vectors and a desired output. The paper also presents the comparative study between the developed LSSVM and RVM model for site characterization. Copyright © 2009 John Wiley & Sons, Ltd.     

基于空间技术实测数据的板块构造运动研究

将ITRF2008解算结果 GPS、SLR、VLBI实测站速度信息和北美CORS网络、中国陆态网络、欧洲CORS网络站速度信息进行基准统一,联合解算IERS组织划定的全球14个主要大陆板块的欧拉矢量,对原有的板块运动参数进行精化;提出了基于最小二乘法的海量台站选择方法,实验结果表明,该台站选取方法能够有效提高海量台站的筛选效率和可靠性。稳定台站的数量越多,分布越均匀,越能够体现板块运动的现势性。     

高光谱影像概率分类向量机分类方法研究

从分析基于支持向量机和相关向量机的高光谱影像分类方法的优势和不足出发,将基于概率分类向量机的方法用于高光谱影像分类试验。在贝叶斯理论框架下,概率分类向量机为基函数权值引入截断Gauss先验概率分布,使得不同类别的基函数权值具有不同符号的先验分布,并利用EM算法进行参数推断,得到足够稀疏的概率模型,弥补了相关向量机选取错误类别的样本作为相关向量的不足,从而有效地提高了模型的分类精度和稳定性。OMIS和PHI影像分类试验表明,概率分类向量机能够很好地应用在高光谱影像分类。     

太原市地表热环境时空格局分析

针对鲜有资源型城市的地表热环境研究这一情况,该文基于Landsat8遥感数据,反演了太原市在2013—2015年间共3期的地表温度。提出一个考虑空间格局结构的城市热岛效应指数,在3期数据中,太原市区整体热岛效应指数分别为9.1%、9.8%和8.9%;同时,根据城市功能和路网结构将太原市区划分为6个分区,从分区级层面量化分析了地表热环境的时空分异特征规律,结果表明,太原市区地表温度整体呈现空间分散化特征,不同分区也呈现出不同的时空格局演变过程;最后,选取40个地表温度实测样本点验证反演精度,最大误差绝对值为1.1℃,最小误差绝对值为0.2℃,均方根误差为0.7℃。     

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。