基于支持向量机的雷暴潜势预报初探   总被引：1，自引：0，他引：1       下载免费PDF全文

周明薇  肖稳安  张其林  周四清  彭双姿 《大气科学学报》2018,41(4):569-576

根据2008—2010年夏季邵阳地区的NCEP全球再分析资料(分辨率为1°×1°)和闪电定位资料,利用支持向量机(SVM)分类方法建立该地区雷暴潜势预报模型,并用测试样本检验了该模型的预报能力,同时与Logistic回归模型和Bayes判别法的预报效果进行了比较。结果表明,SVM模型的预报准确率为86.21%,虚警率为15.25%,漏报率为13.79%。对比三种模型的TSS技术评分,发现使用SVM方法建立的模型对邵阳地区雷暴预报的效果最好,评分值为0.79。因此,SVM方法所建立的模型可以为邵阳地区6 h的雷暴潜势预报提供一定的参考价值。  相似文献   

特高压工程施工利用高分二号遥感影像进行水土保持远程监测研究   总被引：2，自引：0，他引：2  

陈凯  罗兆楠  王小松  毛玉娜 《地理信息世界》2016,(3):108-113

论述了遥感影像中图像正射校正、图像融合和支持向量机等遥感技术在国产高分二号影像中的应用,并展示了其研究成果应用于特高压工程水土保持远程监测效果。在实施中,对特高压工程施工期和试运行期分别进行监测,首先利用图像正射校正、影像融合以及支持向量机分类等遥感技术获取特高压工程水土保持远程监测各个要素面积,即施工期扰动土地总面积,试运行期扰动土地的整治面积、可恢复林草植被面积和林草类植被面积,进而计算水土保持效果评价的3个评价指标,即扰动土地整治率、林草植被恢复率和林草覆盖率。将研究成果应用于锡盟-山东特高压交流输变电施工过程中,实验结果表明,高分二号遥感影像技术能够有效应用于特高压工程水土保持远程监测,为特高压工程水保监督提供了优质低价、可长期持续的一种远程监测方法。  相似文献   

基于不确定性的大样本集抽样设计     

柳闻仪  张景雄  刘福江 《地理信息世界》2016,(5)

本文研究是针对全球森林覆盖变化检测系统的大训练样本选择的优化问题。样本自动标记系统自动标记了"千万个"代表森林和非森林的像元。为了提高精度和效率,我们需要从千万个样本的大样本集中选择对训练分类器有益的样本。本文提出了两种方法:第一种方法是传统的分层等距离采样;第二种方法是基于不确定性的样本优化,通过研究相同样本间的相似性度量指标、样本不确定性度量指标及样本特征空间分布,来实现基于不确定性的训练样本选择策略。实验通过精度评价验证了基于不确定性的采样策略能比传统的分层等距离采样策略获得好的效果。  相似文献   

分数阶傅里叶变换联合支持向量机的建筑物变形预测     

古巍  李倩  陈代果 《大地测量与地球动力学》2022,42(12):1239-1245

提出一种分数阶傅里叶变换(fractional Fourier transformation, FrFT)与支持向量机(support vector machine, SVM)相结合的建筑物变形组合预测模型。首先利用FrFT对变形时间序列进行多尺度分析,将复杂时间序列分解为一系列结构较为简单的子序列;然后利用SVM对每个子序列分别建立预测模型,通过将各个子序列的预测结果进行综合叠加,得到最终预测结果;同时考虑到SVM模型参数选择的难题,提出一种改进果蝇优化算法(improved fruit fly optimization algorithm, IFOA)对其进行全局寻优,提升预测性能。以西南地区某混凝土坝变形实测数据为例开展验证实验,结果表明,本文组合预测模型能够充分挖掘数据中隐含的趋势性和规律性信息,获得较高的预测精度。  相似文献   

Data-based modelling approach for variable density flow and solute transport simulation in a coastal aquifer   总被引：1，自引：1，他引：0  

Basant Yadav  Shashi Mathur  Sudheer Ch  Brijesh Kumar Yadav 《水文科学杂志》2018,63(2):210-226

Data-based models, namely artificial neural network (ANN), support vector machine (SVM), genetic programming (GP) and extreme learning machine (ELM), were developed to approximate three-dimensional, density-dependent flow and transport processes in a coastal aquifer. A simulation model, SEAWAT, was used to generate data required for the training and testing of the data-based models. Statistical analysis of the simulation results obtained by the four models show that the data-based models could simulate the complex salt water intrusion process successfully. The selected models were also compared based on their computational ability, and the results show that the ELM is the fastest technique, taking just 0.5 s to simulate the dataset; however, the SVM is the most accurate, with a Nash-Sutcliffe efficiency (NSE) ≥ 0.95 and correlation coefficient R ≥ 0.92 for all the wells. The root mean square error (RMSE) for the SVM is also significantly less, ranging from 12.28 to 77.61 mg/L.  相似文献   

海岸水边线提取方法在GF-2卫星影像中的适应性研究     

李阳东  温远超  笪亨融  梁君豪 《海洋通报》2022,(3)

准确提取海岸水边线是海岸线变迁研究中必不可少的基本工作。本文以海南省陵水黎族自治县2016年的GF-2影像为数据源,在大气校正和正射校正等预处理的基础上,结合数学形态学处理等方法,采用NDWI（Normalized Difference Water Index）阈值法、ISOADTA（Iterative Self-Organizing Data Analysis Technique Algorithm）、SVM（Support Vector Machine）和面向对象法（Object-Oriented Classification,OOC）等四种不同方法来对海岸水边线进行提取,并对其提取结果进行定性和定量评估,进而分析比较了这四种方法在提取人工海岸、砂质海岸和基岩海岸等三种不同海岸类型的水边线时的提取效果和提取精度。结果表明,SVM方法在三种海岸水边线上的总体提取效果最好,总体提取精度最高。  相似文献   

基于EC细网格产品在乌鲁木齐机场低能见度预测中的释用     

王楠 《沙漠与绿洲气象(新疆气象)》2020,14(2):81-89

利用2015—2018年乌鲁木齐机场航空例行天气报告(METAR报)、ECMWF(European Centre for Medium-Range Weather Forecasting)细网格数值预报产品对影响能见度的主要因子进行分析,提取与低能见度相关性高的物理量作为预报因子,采用SVM方法,分别基于Poly、RBF核函数建立乌鲁木齐机场未来21 h能见度预报模型。结果表明:(1)基于预报因子区间分类的SVM模型物理意义明确,试验结果较好;以RBF为函数建立的SVM模型(SVM-RBF)预报能力更好,其训练样本预测的TS评分0.84,准确率89.20%。(2)SVM-RBF模型的检验样本中,预报准确样本的预报误差整体偏小;在漏报样本中则有能见度越低、预报误差越大的特点,模型的振荡性明显。(3)结合NCEP/NCAR再分析资料研究SVM-RBF模型对天气过程的预报表现,发现模型对于特定天气形势下引发的低能见度天气,预报误差较小且预报提前量较大。  相似文献   

采用非正定OCSVM 的高光谱影像地物检测     

陈伟  余旭初  张立福  张鹏强 《遥感学报》2012,16(6):1157-1172

高斯径向基核函数是基于光谱向量间欧氏距离的度量,对于因光照强度变化而引起的地物光谱变异敏感,当同类地物光谱发生变异时,基于高斯径向基核的高光谱影像地物检测算法的性能下降.为了解决该问题,基于光谱曲线形状相似性描述提出了光谱角度余弦核测度这一非正定核函数,并应用于一种非正定OCSVM 方法的高光谱影像地物检测.最后利用两幅高光谱影像进行了实验分析,实验结果证明了本文算法的有效性.  相似文献   

Assessment of calanchi and rill–interrill erosion susceptibilities using terrain analysis and geostochastics: A case study in the Oltrepo Pavese,Northern Apennines,Italy     

Alberto Bosino  Paolo Giordani  Geraldine Quénéhervé  Michael Maerker 《地球表面变化过程与地形》2020,45(12):3025-3041

Soil erosion is one of the most important environmental problems distributed worldwide. In the last decades, numerous studies have been published on the assessment of soil erosion and the related processes and forms using empirical, conceptual and physically based models. For the prediction of the spatial distribution, more and more sophisticated stochastic modelling approaches have been proposed – especially on smaller spatial scales such as river basins. In this work, we apply a maximum entropy model (MaxEnt) to evaluate badlands (calanchi) and rill–interrill (sheet erosion) areas in the Oltrepo Pavese (Northern Apennines, Italy). The aim of the work is to assess the important environmental predictors that influence calanchi and rill–interrill erosion at the regional scale. We used 13 topographic parameters derived from a 12 m digital elevation model (TanDEM-X) and data on the lithology and land use. Additional information about the vegetation is introduced through the normalized difference vegetation index based on remotely sensed data (ASTER images). The results are presented in the form of susceptibility maps showing the spatial distribution of the occurrence probability for calanchi and rill–interrill erosion. For the validation of the MaxEnt model results, a support vector machine approach was applied. The models show reliable results and highlight several locations of the study area that are potentially prone to future soil erosion. Thus, coping and mitigation strategies may be developed to prevent or fight the soil erosion phenomenon under consideration. © 2020 John Wiley & Sons, Ltd.  相似文献   

基于SVM测井数据的火山岩岩性识别——以辽河盆地东部坳陷为例   总被引：2，自引：1，他引：1       下载免费PDF全文

牟丹  王祝文  黄玉龙  许石  周大鹏 《地球物理学报》2015,58(5):1785-1793

辽河盆地东部坳陷储集层由火山多期喷发形成,岩相岩性复杂,岩性以中、基性火山岩为主.本文将火山岩的岩心及岩矿鉴定资料与测井数据进行整合,应用测井数据建立支持向量机(SVM)两分类和多分类岩性识别模式.首先,深入研究支持向量机二分类及"一对一"、"一对多"和有向无环图三种经典多分类算法的基本原理及结构;然后,总结研究区域火山岩岩石特征,分析测井数据的测井响应组合特征,选择40口井中岩心分析和薄片鉴定资料完整、常规五种测井曲线(RLLD,CNL,DEN,AC,GR)齐全的1200个测井数据作为训练样本,构造三种支持向量机岩性识别模式;最后,对4测试井中800个测井数据进行岩性识别,识别结果与取心段岩心描述和岩心/岩屑薄片鉴定资料对比,实验结果表明有向无环图更适合辽河盆地火山岩的识别,识别正确率达到82.3%.  相似文献