遗传算法优化支持向量机矿产预测方法   总被引：1，自引：0，他引：1  

季斌  周涛发  袁峰 《测绘科学》2015,(10):106-109

针对矿产预测中已知矿点的样本数目较少的问题,该文提出了一种基于遗传算法优化的支持向量机矿产预测方法。采用遗传算法优化支持向量机的惩罚因子和径向基核函数参数,避免了参数选择不当对支持向量机预测结果的影响,从而提高矿产预测的精度。以空间建模工具ArcSDM中的卡林型金矿床数据为例进行实验。结果表明,支持向量机模型的预测准确率为89.3%,查准率为70.2%;而证据权方法的预测准确率为79.4%,查准率为50%,均小于支持向量机预测结果,说明遗传算法优化的支持向量机是一种有效的矿产预测方法。  相似文献   

一种基于输入向量机的高光谱影像分类算法     

魏祥坡  余旭初  谭熊  付琼莹  于广瑞 《测绘科学技术学报》2015,(4):379-383

支持向量机分类方法存在惩罚系数需要交叉验证获取、训练时间较长、支持向量个数随着训练样本数量的变化而变化,以及稳定性和稀疏性较差等问题。针对这些问题,提出了一种基于输入向量机的高光谱影像分类算法。该算法在核逻辑回归模型的基础上,采用前向贪心算法选择训练样本中的输入向量来进行模型的训练,达到稀疏的目的,提高影像的分类精度和分类效率。通过PHI和OMIS两组高光谱影像分类实验,结果表明基于输入向量机分类算法具有稳定性好、稀疏性强的优点。  相似文献   

探空气球施放筒设计     

文永仁  赵毅勇  陈士英  王继凤  祝景先  戴玉芝 《气象科技》2013,41(4):635-638

探空气球的充灌和施放是高空气象观测工作的重要组成部分.目前高空观测中雷达跟踪探空仪、探空信号接收和数据处理都已经实现自动化,只有探空气球的充灌和施放是人工操作,气球充灌氢气有一定危险性,且至少需要一个观测员来完成施放气球工作.该文在分析探空气球充灌和施放各环节工作的基础上,介绍了一种探空气球施放筒的设计方案,以及在业务试验中存在的问题和改进方法,为高空气象观测系统的全程自动化创造条件.  相似文献   

Evaluation of superficial settlements in low overburden tunnel TBM excavation: Numerical approaches     

Dotting?L.?MancinelliEmail author 《Geotechnical and Geological Engineering》2005,23(3):263-271

In this paper the problem of the superficial settlements related to tunnel mechanised excavation is analysed considering a low overburden application example. The excavation of tunnels in urban areas has actually important diffusion. This kind of work always implies to guarantee the safety and the stability of the existing superficial structures. The use of a tunnel boring machine (TBM) represents a good method in these conditions and the estimation of the induced settlement represents a difficult engineering problem. The study shows the differences between three different numerical approaches; the results, function of the same loss of volume, evidence from a quantitative point of view, the ground settlement.  相似文献   

盾构机轴线方位角解算原理研究     

薄志义  王坡  张楠 《北京测绘》2006,(3):18-21

以德国VMT公司的TMB制导系统SLS-T为例,主要解析了盾构机轴线方位角测量原理,并完整地推导了盾构机姿态参数公式。由于国外导向系统的核心原理不公开,因此本文的研究成果,为隧道施工工程技术人员深入理解激光导向系统原理以及开发国产的自动导向系统提供了理论基础。  相似文献   

高光谱遥感影像分类研究进展   总被引：4，自引：0，他引：4  

杜培军  夏俊士  薛朝辉  谭琨  苏红军  鲍蕊 《遥感学报》2016,20(2):236-256

随着模式识别、机器学习、遥感技术等相关学科领域的发展,高光谱遥感影像分类研究取得快速进展。本文系统总结和评述了当前高光谱遥感影像分类的相关研究进展,在总结分类策略的基础上,重点从以核方法为代表的新型分类器设计、特征挖掘、空间-光谱分类、基于主动学习和半监督学习的分类、基于稀疏表达的分类、多分类器集成六个方面对高光谱影像像素级分类最新研究进行了综述。针对今后的研究方向,指出高光谱遥感影像分类一方面要适应大数据、智能化高光谱对地观测的发展前沿,继续引入机器学习领域的新理论、新方法,综合利用多源遥感数据、多维特征空间互补的优势,提高分类精度、分类器泛化能力和自动化程度;另一方面要关注高光谱遥感应用的需求,突出高光谱遥感记录精细光谱特征的优势,针对应用需求发展有效的分类方法。  相似文献   

基于机器学习的地震动特征提取与模拟以2021年云南漾濞6.4级地震为例          下载免费PDF全文

靳超越  胡进军  胡磊  王中伟 《世界地震工程》2021,(4):073-80

随着地震动数据数量的增长和质量的提高,将基于数据驱动的机器学习方法应用到地震动模拟中有重要意义。以2021年5月21日云南漾濞M_S6.4地震为例,利用主成分析方法从前震及余震地震动记录中提取特征母波时程,将地震动三要素作为模拟误差约束,在求解母波的线性组合系数时使用多目标优化算法寻优,最终找到帕累托最优解作为模拟目标台站记录时的组合系数,得到模拟地震动时程。结果表明:主成分析法在对实际地震动记录进行特征提取后,得到的特征母波时程可以在一定程度上保留原始数据的主要信息;考虑幅值、频谱和持时这三要素的角度去控制模拟误差,可以使得模拟的地震动时程更加接近真实记录。提出的基于特征提取的地震动模拟方法可以为基于小震数据合成大震地震动提供参考。  相似文献   

基于灰色关联度模型的区域滑坡敏感性评价   总被引：2，自引：0，他引：2       下载免费PDF全文

黄发明  汪洋  董志良  吴礼舟  郭子正  张泰丽 《地球科学》2019,44(2):664-676

数理统计和机器学习模型如支持向量机(support vector machine,SVM)等,在区域滑坡敏感性评价中得到广泛的应用.但这些模型的建模过程往往较复杂,如在对机器学习进行训练和测试时难以选取合理的非滑坡栅格单元,而且有较多的模型参数需要确定.为提高滑坡敏感性评价建模的效率和精度,提出基于灰色关联度的敏感性评价模型.灰色关联度模型能有效计算各比较样本与参考样本之间的定量的关联度,具有建模过程简洁和评价精度高的优点,该模型目前在区域滑坡敏感性评价中的应用还没有引起研究人员的足够关注且有待进一步拓展.拟将灰色关联度模型用于浙江省飞云江流域南田—雅梅图幅(南田地区)的滑坡敏感性评价,并将得到的评价结果与SVM模型的敏感性评价结果作对比分析.结果显示,灰色关联度模型在高和极高敏感区的滑坡预测精度优于SVM模型,而在中等敏感区的滑坡预测精度略低于SVM模型;整体而言,灰色关联度模型对整个南田地区滑坡敏感性分布的预测精度略高于SVM模型.对两个模型建模过程的对比结果显示,灰色关联度模型建模较简单,具有比SVM模型更高的建模效率,为滑坡敏感性评价提供了一种新思路.  相似文献   

基于粒子群算法优化小波支持向量机的岩土力学参数反演     

阮永芬  高春钦  刘克文  贾荣谷  丁海涛 《岩土力学》2019,(9):3662-3669

常用的确定岩土力学参数的方法有原位测试和室内试验两种,但都存在一定的局限性,参数选择的合理与否,对设计计算及数值模拟分析结果的有效性影响很大。支持向量机法在理论基础和求解算法方面都具有明显优势,为确保岩土力学参数取值的合理性,采用支持向量机法对岩土力学参数进行反演。先通过小波分析理论构造出支持向量机的核函数,再用粒子群算法(PSO)分别优化Morlet小波、Mexico小波和RBF函数的支持向量机模型参数,通过小波支持向量机模型建立反演参数与沉降值间的非线性映射关系。根据正交试验和均匀试验对需反演的岩土力学参数进行设计,结合有限元软件进行计算分析,得到学习样本和测试样本。分别采用Morlet小波、Mexico小波和RBF函数得出的预测结果和原始数据进行对比分析,发现采用Morlet小波核函数预测效果更佳。使用Morlet小波核函数预测的参数输入到Midas模型中计算建筑物最终沉降量,比较计算值与实际监测值,其相对误差不超过8.1%。研究结果表明,该方法在岩土工程参数的反演中具有良好的应用价值,对今后岩土力学参数的确定及校核提供了一种新方法。  相似文献   

Application of PSO-LIBSVM in Recognition of Potassium Salt Deposits     

Fuqiang Yang  Kegui Chen  Changbing Huang  Yuanyuan Chen  Jin Li  Xiaolin Ma 《地球科学进展》2019,34(7):757-764

The shortage of potassium salt seriously restricts the development of China's agriculture. Increasing the exploration and development of potash will help improve the self-sufficiency of potassium in China. With rich potassium salt resources, Sichuan basin is one of the most important research areas for potash exploration and development in China. Polyhalite is an important solid potassium salt mineral in Sichuan basin, often intercalated in rock minerals such as anhydrite, rock salt and dolomite. Aiming at the problem that conventional log interpretation methods are difficult to accurately identify polyhalites, this paper proposed a new Support Vector Machine (SVM) recognition method based on Particle Swarm Optimization (PSO) to classify polyhalites in Sichuan basin. Based on particle swarm optimization and support vector machine theory, combined with logging interpretation theory, the effective data sensitive to polyhalite logging response were selected as input samples to generate training sets and test sets randomly. The Radial Basis Function (RBF) parameters were optimized by particle swarm optimization, and the classification and prediction model of polyhalite was established. Compared with mud logging results, the recognition accuracy of SVM model based on particle swarm optimization reached 97.5758%, which is obviously better than that of SVM model optimized by cross validation method in recognition accuracy and speed. The results show that the model has broad application prospects in potash exploration in Sichuan basin.  相似文献