Assessing model of highway slope stability based on optimized SVM     

《China Geology》2020,3(2):339-344

Considering the geological hazards attributed to the highway slope, using a common simple model cannot accurately assess the stability of the slope. First, principal component analysis (PCA) was conducted to extract the principal components of six factors (namely, bulk density, cohesion, internal friction angle, slope angle, slope height, and pore water pressure ratio) affecting the slope stability. Second, four principal components were adopted as input variables of the support vector machine (SVM) model optimized by genetic algorithm (GA). The output variable was slope stability. Lastly, the assessing model of highway slope stability based on PCA-GA-SVM is established. The maximal absolute error of the model is 0.0921 and the maximal relative error is 9.21% by comparing the assessment value and the practical value of the test sample. The above studies are conducive to enrich the assessing model of highway slope stability and provide some reference for highway slope engineering treatment.  相似文献   

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测     

王飞  刘梦婷  刘雪芹  秦志亮  马本俊  郑毅 《海洋科学》2020,44(8):197-204

海雾气象条件下船只高精度检测识别面临较大困难，传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题，提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法，实现图片清晰度分类处理；其次为提高海雾气象条件下海上船只的实时检测精度，消除海雾遮挡对目标识别的影响，运用暗通道先验去雾方法对含有海雾的图像实行去雾；最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只，对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。  相似文献   

利用人工鱼群算法优化高斯过程模型及应用分析     

邱小梦  周世健  王奉伟  欧阳亮酉 《测绘通报》2018,(1):157-160,164

基于高斯过程利用传统共轭梯度法搜索超参数,存在对初始值依赖性强、获得局部最优解的不足。本文采用人工鱼群算法对超参数进行智能寻优,建立了基于人工鱼群算法的高斯过程模型对变形体形变进行预测分析。通过隧道和基坑两个工程实例计算比对分析,NN、SE和RQ 3种核函数中NN核函数的预测效果最好,平均相对误差分别为0.69%和1.06%。结果表明超参数优化模型的预测精度得到了较大的提高,改善了高斯过程算法本身存在的超参数求解方面的不足,效果明显。  相似文献   

Identification of Convective and Stratiform Clouds Based on the Improved DBSCAN Clustering Algorithm     

Yuanyuan ZUO  Zhiqun HU  Shujie YUAN  Jiafeng ZHENG  Xiaoyan YIN  Boyong LI 《大气科学进展》2022,39(12):2203-2212

A convective and stratiform cloud classification method for weather radar is proposed based on the density-based spatial clustering of applications with noise (DBSCAN) algorithm. To identify convective and stratiform clouds in different developmental phases, two-dimensional (2D) and three-dimensional (3D) models are proposed by applying reflectivity factors at 0.5° and at 0.5°, 1.5°, and 2.4° elevation angles, respectively. According to the thresholds of the algorithm, which include echo intensity, the echo top height of 35 dBZ (ET), density threshold, and ε neighborhood, cloud clusters can be marked into four types: deep-convective cloud (DCC), shallow-convective cloud (SCC), hybrid convective-stratiform cloud (HCS), and stratiform cloud (SFC) types. Each cloud cluster type is further identified as a core area and boundary area, which can provide more abundant cloud structure information. The algorithm is verified using the volume scan data observed with new-generation S-band weather radars in Nanjing, Xuzhou, and Qingdao. The results show that cloud clusters can be intuitively identified as core and boundary points, which change in area continuously during the process of convective evolution, by the improved DBSCAN algorithm. Therefore, the occurrence and disappearance of convective weather can be estimated in advance by observing the changes of the classification. Because density thresholds are different and multiple elevations are utilized in the 3D model, the identified echo types and areas are dissimilar between the 2D and 3D models. The 3D model identifies larger convective and stratiform clouds than the 2D model. However, the developing convective clouds of small areas at lower heights cannot be identified with the 3D model because they are covered by thick stratiform clouds. In addition, the 3D model can avoid the influence of the melting layer and better suggest convective clouds in the developmental stage.  相似文献   

新冠肺炎流行病学模型的最优参数化          下载免费PDF全文

Li Zhang  Jianping Huang  Haipeng Yu  Xiaoyue Liu  Yun Wei  Xinbo Lian  Chuwei Liu  Zhikun Jing 《大气和海洋科学快报》2021,14(4):58-62

现如今,新冠肺炎(COVID-19)严重威胁着世界各国人民的生命健康.许多流行病学模型已经被用于为政策制定者和世界卫生组织提供决策参考.为了更加深刻的理解疫情趋势的变化特征,许多参数优化算法被用于反演模型参数.本文提议使用结合了高斯-牛顿法和梯度下降法的Levenberg-Marquardt(LMA)算法来优化模型参数.使用四个病例数相对较多的国家来验证这一算法的优势:相较于传统流行病学模型模拟曲线过早过快的到达峰值,应用 LMA 的 Statistical-SIR(Statistical-Susceptible-Infected-Recovered)模型可以更好地拟合实际疫情曲线.  相似文献   

基于改进混合蛙跳算法的个性化旅游路线推荐     

申晓宁  王森林  吴俊潮  仇友辉  张磊  李常峰  王玉芳 《南京气象学院学报》2021,13(4):467-476

大众在旅游途中期望获得开销低、行程方便、舒适度高的旅游体验,同时还具有历史人文、自然景观、美食购物等不同游览需求.因此,本文提出了一种基于改进混合蛙跳算法的个性化旅游路线推荐方法.首先建立个性化旅游路线推荐问题的优化模型,并针对该模型的特点,设计改进混合蛙跳算法.通过调整可控精度,增加筛选准则和及时处理异常解等策略增强群体的多样性,降低遗漏最优解的风险,强化局部搜索能力,并提高算法的求解精度.以南京三日游个性化旅游路线推荐问题作为实例,收集南京市内知名景点的门票价格、开放时间、不同出行方式所需的时间和花费情况以及食宿费用等相关数据,基于改进混合蛙跳算法进行求解.实验结果表明,与改进前的方法相比,所提改进方法能够获取更优的路径解,推荐的路线能够更好地满足用户的个性需求.  相似文献   

超声波测风仪风速的不同算法误差分析          下载免费PDF全文

涂满红  曹云昌  詹国伟  赤桑单吉 《气象与环境科学》2019,42(1):119-126

超声波测风仪与气象业务用风向标测风仪相比具有诸多优势,可为气象业务中风向风速观测急需解决的较多问题提供解决方案。为促成超声波风速仪尽早在气象部门业务应用,同时解决资料同化等问题,研究和选择适用于超声波测风仪的风速平均(平滑)算法显得极为重要。为此,从超声波测风仪测量原理出发,介绍了超声波测风仪获取数据的特点;利用台站获取的超声波测风仪风速的秒数据,采用不同时段、不同平均(平滑)方法,计算风速多种形式的平均值,通过统计、分析和比较,获得了标量和矢量不同算法下风速平均值的特性差异及其之间的误差,进一步验证了标量平均大于矢量平均的结论。通过对超声波测风仪的风速算法研究及其误差分析,对减小因算法带来的风速测量误差提供方法,同时探讨了超声波测风仪在气象业务使用的可能和方向。  相似文献   

基于OFA-PP模型的区域最严格水资源管理类型识别与评价          下载免费PDF全文

胡林凯  崔东文 《水文》2018,38(6):65-71

为科学识别云南省16个州市最严格水资源管理区域类型,提出最优觅食算法(OFA)-投影寻踪(PP)识别模型。从最严格水资源管理用水总量控制红线、用水效率控制红线、纳污控制红线3个方面分别构建指标体系和分级标准,利用2015年云南省各州市指标数据及分级标准阈值分别构建基于"三条红线"的投影指标函数,采用OFA分别搜索最优投影向量,并计算各州市综合投影值和各分级标准阈值投影值,利用分级标准阈值投影值对各区域最严格水资源管理类型进行识别。结果表明,OFA-PP识别模型具有较好的识别效果,识别结果可为云南省实行最严格水资源管理制度提供参考。  相似文献   

几种梯度场计算的数值算法及其地学应用          下载免费PDF全文

杨莉  张宝一 《地质找矿论丛》2018,33(2):306-311

梯度作为标量场在空间上最重要的微观变化特征,能较好地反映其在空间上的变化趋势。本文介绍了中心差分算子、相邻梯度因子和Sobel梯度算子三种梯度数值算法。以点电荷在三维空间中产生的电势场构造了一标量场,通过理论公式求解了其梯度值,并将理论梯度值与三种数值算法的结果进行了对比与统计分析,验证了三种梯度数值算法的有效性和适用性。结果表明,排除场源的影响后,Sobel梯度算子相较其它两种数值算法更逼近于理论梯度值。最后,利用Sobel梯度算子求取了某铜矿区可控源音频大地电磁法(CSAMT)三维视电阻率场的梯度场,用梯度场刻画了视电阻率在空间上的变化趋势,提高了对三维地下空间的电性分布规律和地质情况的认识。  相似文献   

基于改进K-SVD字典学习方法的地震数据去噪   总被引：2，自引：0，他引：2  

程时俊  韩立国  于江龙  张凤蛟 《世界地质》2018,37(2):627-635

为实现更好的地震数据去噪技术,笔者引入一种新的算法:快速迭代收缩阀值法(FISTA),通过FISTA和K-奇异值分解(K-SVD)不断迭代更新K-SVD字典,利用更新得到的K-SVD字典对地震数据进行稀疏表示,去除稀疏系数中较小的数值,使数据中的随机噪声得到压制。对层状模型合成地震记录,Marmousi模型合成地震记录以及实际地震数据进行对比实验,得出FISTA算法较OMP算法能更好地提高地震数据的信噪比,同时有效地保护了反射信号。  相似文献