Site characterization model using least‐square support vector machine and relevance vector machine based on corrected SPT data (Nc)     

Pijush Samui  T. G. Sitharam 《国际地质力学数值与分析法杂志》2010,34(7):755-770

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.  相似文献   

高分一号遥感影像地质灾害信息提取方法研究   总被引：1，自引：0，他引：1  

李启源  王明常  王凤艳  谭洋  卢立吉 《测绘与空间地理信息》2016,(2):17-20

山区地质灾害发生频繁,受灾范围大,危害严重。提取地质灾害信息、估算受灾情况,对救灾工作极为重要。传统的遥感人工解译方法速度慢、效率低;计算机自动解译速度快但解译精度受影像质量影响大,大范围地区很难建立起普适性的解译模型。本文利用洮南市西部高分一号遥感数据,结合DEM生成三维影像,建立解译标志,解译基础地质信息,分析地质灾害成因;根据研究区泥石流地质灾害的主要影像特征,提取影像的分类属性,基于面向对象的分类方法,建立信息提取模型,快速提取出地质灾害敏感区域;再进行人机交互,精确提取出地质灾害的类型和范围,通过野外验证,该方法十分可靠,为大范围地质灾害信息快速提取和灾后救援提供科学依据。  相似文献   

高光谱影像概率分类向量机分类方法研究     

薛志祥  余旭初  张鹏强  谭熊  魏祥坡 《测绘科学技术学报》2016,(4):426-430

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。  相似文献   

豫西地区雷暴预警预报系统构建方法研究     

李振锋  付伟基  陈红霞 《气象与环境科学》2016,39(4):126-134

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。  相似文献   

FDR自动土壤水分数据标定问题及解决方法   总被引：4，自引：0，他引：4  

周旭辉  王黎明  王建波  陈晨  王爱珍  刘焕乾  廖华 《气象科技》2016,44(4):535-541

针对目前FDR自动土壤水分数据可用性低的实际情况,本文从FDR自动土壤水分站传感器原理出发,结合数据处理流程与方法对湖南60个站点不同层次的标定参数及部分站点的相关观测数据进行了分析,指出目前田间标定法在自然条件下几乎无法得到覆盖土壤各个湿度区间的均匀样本数据,导致二次标定参数不合理是造成FDR自动土壤水分站数据可用性差的根本原因。二次标定方程参数不合理主要表现为方程斜率过大、过小、负值3种情况,导致观测数据增幅过大、常年不变、与实际土壤湿度变化趋势完全相反等问题。最后针对该问题提出了大样本原状取土,实验室标定的解决方法,并对方法进行了初步验证,结果表明该方法能从源头上有效改善土壤水分站观测数据质量。  相似文献   

支持向量机的车载雷达点云目标识别     

李海亭  王厚之  李艳红  汪汇兵 《测绘科学》2016,41(5):45-49

为了进一步研究移动测量系统的数据处理问题,该文根据点云的基本特征,归纳了由7个特征构成的点云原始特征向量,在此基础上,结合语义环境构建了由17个特征构成的点云扩展特征向量,并采用支持向量机模型对车载LiDAR点云进行行道树点云识别的一系列实验。实验中采用粒子群优化算法和遗传算法对支持向量机进行参数寻优;采用不同特征向量和不同数目样本对点云进行学习和目标识别;分析了特征向量的学习曲线和识别精度。实验结果表明,支持向量机模型能够在行道树点云识别中取得较高的精度。  相似文献   

一种裸露土壤湿度反演方法   总被引：1，自引：0，他引：1  

张清河  徐飞  朱国强 《测绘科学》2016,41(2):11-14

针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。  相似文献   

混合核特征加权SVM遥感湿地空间分类     

刘冰  吴超  林怡 《测绘工程》2016,25(7):13-17

针对湿地空间信息的复杂性和SVM的分类性能,设计一种基于混合核函数的特征加权SVM分类模型,综合利用多种特征信息,避免被弱相关特征所支配,从而提供更佳的映射性能和泛化能力。实验结果表明,该分类模型兼具良好的外推和内推能力,能够有效地融合不同信息源特征,得到更完整和准确的分类结果,在总体精度、Kappa系数等多项指标上都表现出更高的水平。  相似文献   

改进支持向量机的高分遥感影像道路提取   总被引：2，自引：0，他引：2  

朱恩泽  宋伟东  戴激光 《测绘科学》2016,41(12):224-228

针对支持向量机受分类数的限制在高分辨率遥感影像中无法直接获取高精度道路网信息的问题,该文提出一种新的混合的基于支持向量机的方法:首先,利用模糊C均值聚类方法将输入的遥感影像分为3类,以减少支持向量机的错分现象;其次,运用支持向量机将不同类别的像素分为道路类和非道路类;最后,应用马尔科夫随机场对分类结果进行噪声去除,并采用形态学进行后处理,进而得到精确道路网信息。实验结果表明:该算法不仅能够从高分辨率遥感影像中提取出道路网,而且精度优于直接使用支持向量机算法以及对比算法。  相似文献   

A support vector machine classifier based on a new kernel function model for hyperspectral data     

Zhilei Lin  Luming Yan 《地理信息系统科学与遥感》2016,53(1):85-101

The kernel function is a key factor to determine the performance of a support vector machine (SVM) classifier. Choosing and constructing appropriate kernel function models has been a hot topic in SVM studies. But so far, its implementation can only rely on the experience and the specific sample characteristics without a unified pattern. Thus, this article explored the related theories and research findings of kernel functions, analyzed the classification characteristics of EO-1 Hyperion hyperspectral imagery, and combined a polynomial kernel function with a radial basis kernel function to form a new kernel function model (PRBF). Then, a hyperspectral remote sensing imagery classifier was constructed based on the PRBF model, and a genetic algorithm (GA) was used to optimize the SVM parameters. On the basis of theoretical analysis, this article completed object classification experiments on the Hyperion hyperspectral imagery of experimental areas and verified the high classification accuracy of the model. The experimental results show that the effect of hyperspectral image classification based on this PRBF model is apparently better than the model established by a single global or local kernel function and thus can greatly improve the accuracy of object identification and classification. The highest overall classification accuracy and kappa coefficient reached 93.246% and 0.907, respectively, in all experiments.  相似文献