Spectral band selection for vegetation properties retrieval using Gaussian processes regression     

《International Journal of Applied Earth Observation and Geoinformation》2016

  相似文献   

基于ELM的风电场短期风速订正技术研究     

张颖超  肖寅  邓华 《气象》2016,42(4):466-471

风速预测是风电场风功率预测的基础,其准确度严重影响着风电场的运行效率。为了提高短期风速预测的准确性,本研究采用了WRF中尺度数值模式,对我国东部沿海某风电场的风速进行预报。在此基础上,利用极限学习机算法(ELM)对WRF模式预报的风速进一步订正。实验结果表明,WRF模式对风速、风向等气象要素有着较好的回报效果,利用ELM算法对WRF模式预报风速进行订正后,预报风速的误差进一步减小,相对均方根误差和相对平均绝对误差降低了20%～30%。与其他的智能算法(BP神经网络、SVM算法)对比分析后得出,ELM算法对WRF模式预报风速具有较好的订正效果,能够有效提高风速预报准确率。  相似文献   

基于机器学习方法的辽宁省初霜冻日期预测模型研究     

王涛  王乙舒  赵春雨  王小桃  秦美欧  沈玉敏  侯依玲  赵建云 《气象与环境学报》2022,38(4):47-56

基于前期ERA5逐月再分析数据, 应用3种机器学习算法(Lasso回归、随机森林和神经网络)对辽宁省初霜冻日期进行预测评估。Lasso回归算法提取对初霜冻日期预测有重要指示意义的气象要素特征集, 通过交叉验证和超参数调优建立初霜冻日期预测模型, 利用均方根误差(RMSE)和距平同号率方法定量定性地评估模型的预测效果。结果表明: 特征选择后的气象要素特征集建模提升了模型的泛化能力、可解释性和稳定性; Lasso回归模型在4月起报的预测效果最好(RMSE为6—8 d), 神经网络模型在5月起报性能最好(RMSE为6—9 d), 随机森林模型在3月起报性能最好(RMSE为8—9 d); 辽宁全省大部分站点距平同号率为50%—70%, 其中Lasso回归和神经网络模型为5月起报最高(约为68%), 随机森林算法为3月起报最高(约为62%)。特征选择和敏感性实验结果发现, 低植被覆盖比例是初霜冻日期预测关键预测因子, 植被覆盖率越高越有利于地表含水量保持, 降温容易产生霜冻, 初霜冻日期也就越易提前, 去掉低植被覆盖比例因子后模型预测效果显著下降, 也表明该因子是模型建模的前期关键因子。  相似文献   

SVM方法在扇体砂岩厚度预测中的应用     

乐友喜  王俊 《应用地球物理》2007,4(4):276-281

基于小样本学习理论的支持向量机(SVM)方法可用于建立非线性函数预测模型。利用支持向量机方法,根据样本数据采用自动拟合的方法构造核函数,使得建立的关系不仅具有较高的拟合精度,而且具有较好的推广性。地震波的频谱与其波形的关系是互为正、反傅立叶变换的关系,所以地震波的波形及其频谱是同一物理现象的两种不同的表达形式。波形特征沿纵横方向上的变化反映了地层介质在纵横方向上的差异;反射波频谱上的差异则反映了岩性和流体成分的不同以及地层厚度的变化等。直接由地震波波形预测扇体砂岩厚度,不仅充分利用了地震波信息,而且极大地提高了预测模型的准确性。模型及实例验证了该方法的适用性。  相似文献   

基于支持向量机理论的海水水质富营养化评价研究   总被引：13，自引：0，他引：13  

王洪礼  王长江  李胜朋 《海洋技术学报》2005,24(1):48-51

首次利用支持向量机(SVM)理论对海水水质富营养化的程度进行评价，并与BP人工神经网络方法所得结果进行比较，通过实例验证，说明SVM理论能较好地解决小样本的分类评价问题，评价效果良好，在水质评价领域有较好的应用前景。  相似文献   

基于深度学习的镜下矿石矿物的智能识别实验研究   总被引：1，自引：3，他引：1  

徐述腾  周永章 《岩石学报》2018,34(11):3244-3252

矿石矿物鉴定的智能化是智能地质学和智能矿床学的基础技术之一。计算机视觉技术和深度学习理论使矿石矿物鉴定的智能化成为可能。本研究基于深度学习系统Tensor Flow,以吉林夹皮沟金矿和河北石湖金矿的黄铁矿、黄铜矿、方铅矿、闪锌矿等硫化物矿物为例,设计有针对性的Unet卷积神经网络模型,有效自动提取矿相显微镜下矿石矿物的深层特征信息,实现镜下矿石矿物智能识别与分类。实验显示,模型在训练过程中,随着训练次数的增加,模型精度在不断增大,损失函数不断减小;经过3000个批处理之后,模型精度和损失函数基本趋于稳定。训练出的模型对测试集中的显微镜镜下矿石矿物照片的识别成功率均高于90%,说明实验所建立的模型,具有很好的图像特征提取能力,能完成镜下矿石矿物智能识别的任务。  相似文献   

基于SVM的泥石流危险度评价研究   总被引：5，自引：4，他引：1  

原立峰 《地理科学》2008,28(2):296-300

选取泥石流一次(可能)最大冲出量(L₁)、泥石流发生频率(L₂)、流域面积(S₁)、主沟长度(S₂)、流域最大相对高差(S₃)、流域切割密度(S₆)和泥沙补给段长度比(S₉)7个因子作为泥石流沟谷危险度评价因子,运用支持向量机理论,以云南省37条泥石流沟的259个基础数据为样本进行学习训练和测试,建立泥石流危险度评价的支持向量机模型,通过实例验证,取得良好效果。  相似文献   

天水锻压机床厂滑坡变形破坏机制及形成演化   总被引：4，自引：1，他引：3  

田尤  杨为民  刘廷  李浩  程小杰 《地质力学学报》2015,21(2):298-308

天水锻压机床厂滑坡(1.4×106 m3)发生于1990年8月11日, 滑坡体主要由次生黄土组成, 滑床为第四系黄土和新近系泥岩, 滑坡沿黄土-泥岩接触面发生, 属黄土接触面滑坡。通过野外调查和工程钻探对锻压机床厂滑坡变形破坏机制及形成演化进行研究, 结果表明, 该滑坡变形破坏方式表现为滑移-拉裂式, 受区内二元斜坡结构控制, 是在工程切坡和降雨、灌溉等诱发因素作用下形成; 其形成演化经历了高陡边坡形成期→滑坡孕育期→滑动面贯通临界期→滑坡启动下滑堆积期→滑坡复活变形期等过程。该滑坡目前处于欠稳定状态, 遇地震或强降雨等作用, 极有可能再次复活下滑。研究成果可为该类滑坡的防治预警提供理论依据。   相似文献   

虚拟技术在地震前兆技术系统中的应用     

胡玉良  程冬焱  李惠玲 《震灾防御技术》2015,10(3):688-694

地震前兆技术系统长期稳定和可靠运行对管理人员来说至关重要,本文以山西前兆台网为例,基于VMware虚拟机搭建了地震前兆技术系统,并利用其快闪及克隆功能实现了地震前兆技术系统的快速备份及恢复,提升了地震前兆技术系统故障应急处置能力。  相似文献   

Application of support vector machine and relevance vector machine to determine evaporative losses in reservoirs   总被引：1，自引：0，他引：1  

Pijush Samui  Barnali Dixon 《水文研究》2012,26(9):1361-1369

This article employs Support Vector Machine (SVM) and Relevance Vector Machine (RVM) for prediction of Evaporation Losses (E) in reservoirs. SVM that is firmly based on the theory of statistical learning theory, uses regression technique by introducing ε‐insensitive loss function has been adopted. RVM is based on a Bayesian formulation of a linear model with an appropriate prior that results in a sparse representation. The input of SVM and RVM models are mean air temperature (T) ( °C), average wind speed (WS) (m/sec), sunshine hours (SH)(hrs/day), and mean relative humidity (RH) (%). Equations have been also developed for prediction of E. The developed RVM model gives variance of the predicted E. A comparative study has also been presented between SVM, RVM and ANN models. The results indicate that the developed SVM and RVM can be used as a practical tool for prediction of E. Copyright © 2011 John Wiley & Sons, Ltd.  相似文献