| 基于支持向量机和BP神经网络的水深反演研究 |
| |
| 引用本文： | 朱金山,纪轩禹,宋珍珍.基于支持向量机和BP神经网络的水深反演研究[J].测绘与空间地理信息,2019,42(6):11-14. |
| |
| 作者姓名： | 朱金山 纪轩禹 宋珍珍 |
| |
| 作者单位： | 山东科技大学 测绘科学与工程学院,山东 青岛,266590;山东科技大学 测绘科学与工程学院,山东 青岛,266590;山东科技大学 测绘科学与工程学院,山东 青岛,266590 |
| |
| 基金项目： | 国家自然科学基金;山东省自然科学基金;国家重点实验室开放研究项目 |
| |
| 摘 要： | 根据高空间分辨率Quickbird遥感影像反射率和实测水深之间的相关性,选取相关性较高的反演因子b1/b2、b1/b3和b2/b3建立单因子模型、双因子模型、多因子模型和BP神经网络模型,并对甘泉岛附近20m内的水深进行反演。同时,利用最佳指数因子(OIF)和支持向量机(SVM)对甘泉岛研究区域基于水深颜色分成两类,将分类结果分别提取建立BP神经网络模型并进行水深反演。通过对反演结果对比发现:遥感影像分类前,线性回归模型中多因子线性模型反演精度最高,但比BP神经网络模型稍差。遥感影像分类后,浅海水域BP神经网络模型的反演精度要比分类前的各模型反演精度低,但是,深海区域BP神经网络模型的反演精度最高。
|
| 关 键 词： | 支持向量机 BP神经网络 水深反演 最佳指数因子 |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
