基于回归支持向量机的水库防洪承载力预测模型研究

防洪承载力,即水库目前剩余防洪库容条件下,不泄洪所能容纳的流域面降雨量.根据水量平衡原理分析概化出防洪承载力的预报因子为当前土壤含水量,当前入库流量以及水库剩余库容.利用2010-2020年青山水库55场历史洪水建立基于回归支持向量机的防洪承载力预测模型,利用贝叶斯优化进行超参数率定,通过分析预测值确定回归支持向量机核...     

基于àtrous小波分解的贝叶斯SAR图像滤波

合成孔径雷达(SAR)在成像过程中由于回波的相干性而产生斑点噪声,严重干扰了图像的自动解译。根据SAR图像斑点噪声的特殊性,首先对影像进行对数变换,并使用àtrous运算法则对变换后的影像进行分解,然后通过贝叶斯原理估计修正小波系数。与自适应局域统计滤波和基于M allat分解的滤波算法进行分析比较,结果表明,该方法在噪声滤除和边缘保持方面效果较好。     

基于语义相似度的海量遥感图像可视化研究

针对海量遥感图像如何有效的传达分类结果以实现有效的可视化问题,本文按照分类的语义标注结果的相似度并运用现有的信息可视化技术来实现图像的可视化。首先采用了贝叶斯网络学习的方法进行图像的自动分类标注,然后利用基于图像布局的多维标度算法(Multi-dimensional Scale)以及无需降维的Value and Relation(VaR)技术实现可视化。实验表明本文的方法能够填补图像低层视觉特征和高层语义之间鸿沟,对大量的图像在一个视图内进行有效的浏览,而不造成图像的混乱,并能实现高层次的图像分析。实验的可视化结果是十分有效的。     

典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例

目前普遍采用的分类器通常都是针对单一或小量任务而设计的,在小数据量的处理中能取得比较满意的结果。但对于海量遥感数据的处理,其在处理时效和分类精度方面还有待研究。本文以遥感图像场景分类任务为例,着重对遥感数据分类问题中几种典型分类方法的适用性进行比较研究,包括K近邻(KNN)、随机森林(RF),支持向量机(SVM)和稀疏表达分类器(SRC)等。分别从参数敏感性,训练样本数据量,待分类样本数据量和样本特征维数对分类器性能的影响等几个方面进行比较分析。实验结果表明:(1)KNN,RF和L0-SRC方法相比RBF-SVM,Linear-SVM和L1-SRC,受参数影响的程度更弱;(2)待分类样本固定的情况下,随着训练样本数目的增加,SRC类型分类方法的分类性能最佳,SVM类型方法次之,然后是RF和KNN,在总体分类时间上呈现出L0-SRCL1-SRCRFRBF-SVM/Linear-SVMKNN/L0-SRC-Batch的趋势;(3)训练样本固定的情况下,所有分类方法的分类精度几乎都不受待分类样本数目变化的影响,RBF-SVM方法性能最佳,其次是L1-SRC,然后是Linear-SVM,最后是RF和L0-SRC/L0-SRC-Batch,在总体分类时间上,L1-SRC和L0-SRC相比其他分类方法最为耗时;(4)样本特征维数的变化不仅影响分类器的运行效率,同时也影响其分类精度,其中SRC和KNN分类器器无需较高的特征维数即可获得较好的分类结果,SVM对高维特征具有较强的包容性和学习能力,RF分类器对特征维数增加则表现得并不敏感,特征维数的增加并不能对其分类精度的提升带来更多的贡献。总的来说,在大数据量的遥感数据分类任务中,现有分类方法具有良好的适用性,但是对于分类器的选择应当基于各自的特点和优势,结合实际应用的特点进行权衡和选择,选择参数敏感性较小,分类总体时间消耗低但分类精度相对较高的分类方法。     

改进的贝叶斯迭代反演方法及其在白云岩致密储层识别的应用

由于低孔隙度和低渗透率的白云岩致密油储集层的纵波阻抗与其围岩差异非常小,利用叠后反演技术难以有效预测储层,而可以提取丰富弹性信息的叠前反演是解决此问题的有效手段,但是由于噪声等问题,叠前反演方程有较强的不适定性,笔者在贝叶斯框架下引入了改进的多变量柯西分布和改进的低频约束因子,重新推导了反演方程,获得了新的目标函数,有效地减少了反演的不适定性,从而提高了反演的稳定性,并结合迭代的思想来不断更新反演求解过程中的背景纵横波速度比值,从而增加了反演结果的精度。模型数据测试和实际资料应用都证明了该方法的稳定性和适用性。统计表明,利用提出的反演方法,目的层段内优质储层厚度预测吻合率高达89.75%。因此,此方法对类似硅质致密储层的勘探有重要的借鉴意义。     

台风风暴潮情景构建与时空推演

因台风风暴潮的突发性、情景演变时间的连续性和路径的不确定性,导致应急决策者在应急救援中难以做出正确决策,针对这一现状,将“情景—应对”应用在台风风暴潮应急决策中。本文在分析台风风暴潮情景、情景要素的概念模型基础上,首先通过资料搜集、属性识别等方法提取关键情景要素,采用框架表示法构建情景;然后分析台风风暴潮情景演变规律及演变路径;其次通过动态贝叶斯网络法构建台风风暴潮动态情景网络;最后利用先验概率与条件概率计算情景状态概率,实现了台风风暴潮的关键情景推演。本文以2018年9月16日11时至17时山竹台风对广东省沿海城市影响为例,演示了台风风暴潮的情景推演流程及关键技术。实证分析结果表明,溃堤、海水倒灌、洪水、滑坡发生的概率分别为85%、81%、74%、54%,验证了情景推演在风暴潮中应用的合理性。     

WiFi指纹定位的一种新组合算法

探讨AP选取策略和贝叶斯位置估计算法对基于RSS的WiFi室内定位技术位置估计精度的影响。国内外学者分别对AP选取算法和贝叶斯位置估计算法进行了大量的研究。为了进一步深入研究不同算法的优劣性,利用组合优化的思想对不同算法进行组合,通过找出最优算法组合从而提升WiFi室内定位系统的性能。基于互信息最小化的AP选取策略和考虑AP相关性的贝叶斯位置估计算法,提出一种新的WiFi指纹定位组合算法。实验分析表明:新算法具有良好的实用性和定位性能。     

基于贝叶斯网络的水源涵养服务空间格局优化

以渭河流域关中—天水经济区段（简称“渭河流域关天段”）为研究区,基于贝叶斯网络和水量平衡原理建立了水源涵养服务网络模型;将CA-Marcov模型与贝叶斯网络模型相结合,预测了2050年不同土地利用情景及其水源涵养服务分布概率;提出了关键变量关键状态子集方法,对研究区水源涵养服务空间格局进行优化。结果表明：① 保护情景下,林地面积增长了18.12%,其主要来源为耕地;草地和城市面积增长缓慢,分别增加了0.73%和0.38%;水体和未利用地分别减少了5.08%和0.92%,该情景下的水源涵养量值偏高的概率在3种情景中最大,保护情景的设计对未来的土地利用政策制定具有一定参考价值。② 水源涵养服务的关键影响因子是降水、蒸散发和土地利用,水源涵养量最高状态对应的关键变量关键状态子集是：﹛降水= 1,蒸散发= 2,土地利用= 2﹜,该子集主要分布在年平均降雨量和蒸散发量较大,植被覆盖率高的地区。③ 研究区适宜优化水源涵养的区域主要分布在天水市麦积区南部、宝鸡市陇县西南部和渭滨区南部、咸阳市旬邑县东北部和永寿县西北部,以及铜川市耀州区西部。结合贝叶斯网络模型研究水源涵养服务的优化区域,不仅有助于提升对生态系统水源涵养服务过程的直观认识,而且增加了情景设计和格局优化的合理性。在此基础上提出的关键状态关键因子方法,对研究区水源涵养生态环境建设和政策制定都具有重要的意义。     

基于BPSO-NBayes的雷暴释用预报技术研究

提出了一种新的雷暴预报法,即二进制粒子群-朴素贝叶斯分类器(Binary Particle Swarm Optimization-Naive Bayesian Classifiers,BPSO-NBayes)方法,以福州、连城、宁波3站为例,对使用T511数值预报产品站点的雷暴释用预报技术进行研究。利用2010—2014年T511数值预报产品和单站观测资料,使用BPSO-NBayes方法,建立了0~72 h雷暴预报模型,并与Fisher判别准则和Bayes判别准则进行比较。预报结果表明,BPSO-NBayes模型临界成功指数都在0.29以上,平均值达到0.33以上,是3种方法中最好的,空报率都在0.59以下,漏报率在0.60以下,而且变化幅度很小。BPSO-NBayes模型明显优于Fisher判别准则和Bayes判别准则,具有良好的稳定性和预报能力。