地质图切剖面计算机辅助编绘系统设计与实现

借助于GIS技术研究开发了一套地质图切剖面计算机辅助编绘系统。该系统能较好地解决褶皱构造岩性花纹及常规花纹的填充问题,同时采用数据挖掘技术,大大提高了系统自动化程度。以北京周口店地质图的图切剖面编绘为例,证明该系统效率高,质量好,基本可以满足现有各种比例尺的地质图切剖面的制作要求。      

数据挖掘技术及其在地学中的应用

数据挖掘（Ｄａｔａ Ｍｉｎｉｎｇ）是一个极具有创新性的领域,其在天文、商业等领域得到了广泛的应用,取得了一系列重要的应用成果,它在地学领域的应用潜力越来越受到人们的重视。概括了数据挖掘的６种模式,２种工具,７种方法,探讨了其在地学中应用的前景和意义。利用数据挖掘技术,人们可以从已获得的大量中提取出可理解的模式,从而有效地认识地咎所陷藏的地质规律,发现新知识。同时数据挖掘技术的量化处理方法可以增加分     

基于数据挖掘的地震经济损失与当地经济情况相关性分析

本文以收集的西南地区1950年以来301个典型破坏性地震震例数据为基础,选择关联规则和决策树两种数据挖掘方法,对地震经济损失与当地经济情况进行分析,给出了相关规则,并对关联规则和决策树两种不同的挖掘方法得出的结果进行了分析比较.     

基于Weka的地震数据挖掘系统的设计与实现

基于开源的数据挖掘系统Weka,使用Java语言及面向对象的思想,设计并实现了地震数据挖掘系统。根据地震数据资料的特点,将数据挖掘的核心技术（聚类分析、关联规则分析等）引入到该系统中,其中聚类分析选用DBSCAN作为核心算法,关联规则分析选用Apriori作为核心算法。用户使用该系统只需在交互界面选择相关参数,即可实现调用数据挖掘算法来分析地震数据,发现探索其隐含规律。     

双铰四次弹性拱的混沌行为研究

对双铰四次弹性拱的混沌行为在横向周期荷载下的混沌行为进行了研究。首先利用拱的单元平衡方程建立了拱的二阶三次非线性动力学模型;然后通过变换使方程转化为不含常数项的非线性微分动力系统,并由此得到无扰动系统的3个不动点（一个鞍点,两个中心）与同宿轨道;再用Melnikov函数法给出了发生混沌的临界条件;最后给出了该系统出现定常运动和混沌运动的数值结果。研究表明四次弹性拱在横向周期荷载作用下的外激励振幅在一定范围内会出现混沌现象。     

空间同位模式支持下城市服务业关联发现及特征分析

空间同位模式分析是数据挖掘中一种常见的方法,可有效挖掘城市设施在空间位置上的关联特征,进而发现城市设施的分布规律.本文基于POI数据同位模式挖掘用来获取城市服务业空间关联结构:首先,通过邻近实例获取、同位候选模式存储与筛选,得到城市服务业二阶同位模式;然后,据此构造产业空间关联图,得到产业间的关联结构;最后,分别构造了...     

城镇-农业-生态空间划定的多情景模拟

城镇-农业-生态空间划定(简称"三区"划定)是国土空间规划的核心内容,对于科学合理地规划、利用有限的国土资源具有重要的意义。已有研究主要根据区域内土地利用与社会经济发展现状构建指标体系进行"三区"划定,较少将未来土地利用变化纳入"三区"划定过程中,使得划定结果在指导实践过程中缺乏前瞻性。针对这一问题,本文提出一种基于土地利用情景模拟,结合指标体系评价与决策树特征挖掘的"三区"划定方法,并以武汉市2015年土地利用现状为基础,在土地利用变化情景模拟的基础上进行"三区"划定。通过对比,验证了本文提出方法的合理性。研究发现:①不同情景下的"三区"空间在规模、空间分布上具有明显差异,将未来土地利用变化纳入"三区"划定过程中确有必要;②不同土地利用情景下"三区"空间的差异主要出现在三类空间的交界区域,这些区域是国土空间规划应该关注的重点区域。     

关联规则挖掘在卷烟市场研究中的应用

应用基于Apriori算法的关联规则挖掘技术对一次卷烟市场调查得到的数据进行分析，找出其中的关联规则，作为正确决策的基础。     

气象领域深度学习知识体系框架及前沿应用

介绍了数据挖掘、机器学习和深度学习的概念和相互关系,按照整体性学习理论建立了气象领域深度学习知识体系框架,简要介绍了当前主流的深度学习框架工具Caffe和TensorFlow,以及深度学习在气象领域的几个前沿应用,最后提出了推进深度学习技术在气象领域研究应用应当重视的三个关键环节。     

基于数据挖掘CART算法的区域夏季降水日数分类与预测模型研究

夏季降水日数的准确预测,对于保障农业、运输业、电力等行业的有序进行具有重要现实意义.利用连云港市气象局提供的1951—2012年夏季降水数据对连云港地区的降水日数特征进行分析,难以直观地发现夏季降水日数随时间分布的规律.为进一步探索降水日数的发生规律,结合国家气候中心网站提供的多种气候因子数据,基于CART决策树算法构建了连云港地区夏季降水日数是否偏多与是否偏少的分类与预测模型.该模型可以发现在多种气候因子不同条件下,夏季降水日数是否偏多（偏少）的规律,模型的分类与预测都具有良好的效果.利用52 a的数据样本训练模型,模型的训练准确率为90.38%（86.54%）,再用剩余10 a数据样本检验模型,测试准确率为80%（80%）,并且得到规则集,方便气象业务人员使用以及决策服务人员参考.同时,为降水日数的预测提供了数据挖掘的新思路.