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.     

豫西地区雷暴预警预报系统构建方法研究

目前,基层台站在雷暴预警预报中主要依赖传统经验预报方法,而对卫星云图、大气电场、多普勒雷达回波和高分辨率数值预报产品等资料释用水平不高,存在主观定性分析多、客观定量计算少等不足。依托现有气象资料和雷暴预报方法,以雷暴预警预报系统构建为目标,从气象数据仓库构建、支持向量机雷暴预报、相似预报雷暴预报、Poor Man集合预报技术和多源数据融合分析等方面,探讨了雷暴预警预报系统构建方法,实现了雷暴中期预测、短期预报和短时临近预警三个层次的预报功能,解决了气象资料庞杂难以管理、数值预报产品释用水平不高、数值预报结果存在"跃变"、多源数据融合分析缺乏手段等问题,提高了基层台站雷暴预报工作效率和预报水平,同时也为其他地区类似系统构建提供了参考。     

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.     

一种基于核学习的储集层渗透率预测新方法

基于核学习的支持向量机,是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法,具有完备的理论基础。这里提出了核学习技术在储集层非均质特性描述中渗透率参数预测的新用途。在复杂地层中,基于支持向量机的智能和自适应模式识别能力而建立了常规测井多参数信息输入的渗透率预测模型,然后对实际油田储集层渗透率进行了预测。与常规线性回归模型预测结果相对比,所提出的方法更易于使用,很少受不确定因素的影响,并具有较强的信息整合能力以及更高的预测准确性和可信度。     

提高复杂地层取心质量的新型钻具

地质勘探钻进的主要任务是可靠准确地获取有代表性的地层岩芯样品,然而,在复杂地层中,现有的钻探方法很难获得有代表性的高质量岩芯样品.本文介绍了一种双管强制取芯新型钻具.论述了其工作机理,对其关键机构的设计进行了分析探讨,并归纳出新型钻具的主要技术特征,生产试验表明,该新型钻具能够显著提高复杂地层的取芯质量,应用前景广泛.     

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。     

基于支持向量机的岩石薄片图像分割

支持向量机是对传统学习分类方法的一个良好替代,特别是小样本、高维的情况下,有着良好的泛化能力,利用支持向量机良好的分类特性,将图像分割的问题转化为分类问题,对岩石薄片图像进行分割实验.通过实验表明：支持向量机对于分割颜色分布不均匀、边缘模糊的岩石薄片图像,有很好的应用前景.     

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.     

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。