利用自回归模型检测地球极移重力效应

同时采用4个台站的国际超导重力仪长期连续重力观测资料和国际地球自转服务中心提供的同步地球自转参数，研究了极移引起的地球重力场变化特征。利用自回归模型估计了各序列的功率谱密度和积谱密度，结果表明极移导致的重力效应的主要能量集中在Chandler摆动和周年项附近，叠积后实际重力观测与极移重力信号理论值之间的差异分别为0．4％和3．9％，说明超导重力仪可有效监测极移导致的重力变化。     

利用高光谱数据进行植被生化成分反演方法研究

高光谱数据包含着丰富光谱信息,能够定量地分析物质成分^[1]。由高光谱数据,可以运用多元逐步线性回归方法反演植被生化组分含量,从而达到监测植被生长状况的目的^[2]。本文具体介绍了多元逐步线性回归方法,及其在氮、木质素和纤维素含量估算中的应用。     

基于AGA的SVM需水预测模型研究

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统.其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策.作为一种集中参数预报方法,支持向量机方法具有对未来样本的较好的泛化性能,对于这类资料缺乏、系统结构尚欠清晰的问题可以取得较好的模拟和预测结果.基于此,本文将支持向量机方法引入需水预测领域,建立了需水预测支持向量机模型.同时,本文将加速遗传算法和支持向量机方法耦合起来,构造了支持向量机模型参数的自适应优化算法.模型在珠海市的应用实例表明:与简单遗传算法比较,AGA的模型参数寻优效率更高;与BP神经网络模型相比,SVM模型较好地解决了小样本、经验性等问题,并取得了较高的预测精度.     

东海浮游翼足类(Pteropods)数量分布的研究

根据1997～2000年东海海域23°30'～33°00'N,118°30'～128°00'E的4个季节海洋调查资料,运用定量、定性方法,探讨了东海浮游翼足类总丰度的平面分布、季节变化及变化的动力学机制.结果表明,东海翼足类总丰度和出现频率有明显的季节变化,均为秋季最高,夏季次之,春季最低;总丰度在各个季节基本上呈东海南部高于北部、外海高于近海的分布趋势;春季的尖笔帽螺(Creseis acicula)、夏季的锥笔帽螺(Creseis virgula)、秋季的蝴蝶螺(Desmopterus papilio)和冬季的马蹄螔螺(Limacina trochiformis)是导致总丰度季节变化的最主要的种类;冬、春和夏3个季节丰度变化及4季总丰度的变化同表层或10m层水温有非常显著的线性相关关系,与底层温度及盐度的相关关系不显著.夏季翼足类高丰度区位于台湾暖流与黑潮暖流的分支处;从夏季到秋季,翼足类随着台湾暖流向北扩展,并在与长江冲淡水,闽浙沿岸水团,黄海水团等交汇处形成高丰度(大于500×10-2个/m3)和较高丰度(250×10-2～500×10-2个/m3)分布区.水温和海流是影响东海翼足类总丰度分布的主要环境因素.     

沉降监测多项式回归分析与神经网络预测

使用多项式和切比雪夫(Tchebyshev)多项式分别对沉降监测数据进行回归分析以预测未来沉降值,其中切比雪夫多项式的外推效果较好;应用前向BP神经网络对两种不同的单因子输入模式进行非线性函数逼近,并进行了不同采样步长的比较,实例表明将时间点作为网络的输入对沉降进行预测效果较好。     

成都地区大气平均温度建模及其在GPS/PWV计算中的应用研究

地基GPS气象学的关键技术是在于通过垂直方向上GPS信号的湿分量延迟值来确定大气可降水量-PWV,而这两个物理量间进行转换时需要用到一个关键性的参数——大气加权平均温度。本文首先讨论了估算加权平均温度的几种方法,然后利用成都地区2005年全年的大气探空数据,采用回归分析方法,建立了适合成都地区的大气加权平均温度模型,精度为±2.21K。最后将该公式应用到成都地区PWV的计算中,得到了非常理想的效果。     

基于光谱和纹理的SVM矿化蚀变信息提取研究

针对传统矿化信息提取方法单一,利用光谱或纹理、信息量相对较少、需要大量样本的缺陷,利用基于光谱和纹理的支持向量机(SVM)原理,建立矿化信息提取模型.选择青海泽库县析界日地区作为典型研究区.首先提取研究区光谱和纹理信息,选取训练样本;然后求解最优超平面,进而确定决策函数;最后泛化推广识别其他待识别的样本.通过所提取的遥感蚀变异常信息与重砂异常点叠加分析,叠加基本吻合;从野外实地验证来看,均发现了不同程度的矿化现象,并指出了5个重点异常区.     

基于SVM的多源遥感影像面向对象建筑物提取方法

在分析支持向量机(Support Vector Machine,SVM)分类技术和机载激光雷达(LIDAR)数据、航空影像特征的基础上,提出了基于SVM的LIDAR数据和航空影像的面向对象建筑物提取方法。结果表明,该方法充分利用了多源影像的互补信息,能够得到更高的信息提取精度,准确而快速地更新地理空间数据库,是一种有效的面向对象建筑物提取方法。     

区域似大地水准面确定的最小二乘支持向量机方法

支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性.     

苏锡常地区地面沉降风险评价管理模型研究初探

平原区超采地下水引发的地面沉降地质灾害已成为影响这些地区经济可持续发展的重要制约因素,如何从收益、成本、风险三个方面为决策者提供制定地面沉降相关防治措施的综合支持,实现灾害防治从被动应对向主动防御转变,是地面沉降防治研究领域的新课题。在综合考虑苏锡常地区技术、经济、人类活动等因素基础上,从地面沉降总体风险和地区差异水平出发,提出构建地面沉降风险评价模型及决策支持系统的初步研究思路和方法,为实现地面沉降防治的科学化决策管理进行了探索。