基于机器学习的复杂地形下短期数值天气预报误差分析与订正     

任萍  陈明轩  曹伟华  王在文  韩雷  宋林烨  杨璐 《气象学报》2020,78(6):1002-1020

初步研发了一套基于机器学习方法XGBoost且考虑地形特征影响的数值预报多模式集成技术,并与传统的等权重平均和线性回归方法的集成效果进行了对比分析。利用北京地区快速更新循环数值预报系统每天8次循环预报给出的近地面2 m温度、2 m相对湿度、10 m风速、10 m风向数据产品,分别基于机器学习方法XGBoost、等权重平均方法、线性回归方法构建了3种体现地形因子影响的多模式预报时间滞后集成模型。试验对比分析了暖季、冷季每日不同时刻的模式预报集成订正效果。结果表明:分季节试验中,基于XGBoost模型对2 m温度、10 m风速的集成预报结果相对原始最优预报结果误差明显优于其他两种传统方法。XGBoost对2 m温度集成的误差可降低11.02%—18.09%,10 m风速集成误差可降低31.23%—33.22%,10 m风向集成误差可降低4.1%—8.23%。2 m相对湿度的集成预报误差与传统方法接近。基于XGBoost的多模式集成预报模型可以充分“挖掘”不同模式或不同时刻快速更新循环预报优点,有效降低模式的系统性误差,提供准确性更高的多模式集成确定性预报产品。   相似文献   

基于SVM的导航星表构造   总被引：1，自引：1，他引：0  

张锐  江刚武  姜挺 《测绘科学技术学报》2007,24(3):196-199

导航恒星提取一般采用星等过滤方法MFM(Magnitude Filtering Method).但是MFM方法存在两个明显的缺陷:若星等阈值太高,导航星表冗余度高;反之,导航星表出现视场(FOV)空洞.支持向量机SVM(Support Vector Machine)作为一种可训练的机器学习方法,依靠小样本学习后的模型参数进行导航星提取,可以得到分布均匀且恒星数量大为减少的导航星表.利用SAO星表进行了实验,并对导航星表内恒星的分布情况作了统计.实验证明,SVM作为导航星提取算法具有很好的应用前景.  相似文献   

基于激光测高数据的月表撞击坑自动检测方法     

李卉  钟成 《地球科学》2013,(Z1):161-166

撞击坑是月球表面最醒目和最重要的地质构造标志.基于遥感影像的撞击坑检测方法受到数据本身的局限,遗漏检测的情况比较严重.激光测高数据可以快速构建全球的数字高程分析(DEM),为撞击坑检测提供丰富的几何形态信息.利用激光测高数据,提出了兼顾准确性和完整性的撞击坑自动检测方法.首先采用松散耦合的形态约束检测候选撞击坑,再利用机器学习的相关理论来提取正确的撞击坑.其中,提出基于可变尺度的撞击坑检测算法,以有效解决叠置撞击坑的检测问题;提出基于决策树的机器学习方法,以解决从候选坑中有效提取正确撞击坑的问题.实验证明了整个流程和关键技术的可行性和有效性.通过研究,实现高效、准确的月表撞击坑检测,充分挖掘探月卫星提供激光测高数据,向后续月球地质地貌研究提供具有准确性和丰富形态信息的基础数据.  相似文献   

Snow avalanche susceptibility evaluation in the central Shaluli Mountains of Tibetan Plateau based on machine learning method北大核心CSCD     

文洪  巫锡勇  赵思远  边瑞  周桂宇  孟少伟  孙春卫 《冰川冻土》2022,44(6):1694-1706

Snow avalanches,which are widely and frequently developed at high elevations,seriously threatens the built traffic corridors in the Tibetan Plateau. Susceptibility evaluation of snow avalanche via machine learning model with a high forecast accuracy can be appled to quickly and effectively assess the regional avalanche risk. This paper took the central Shaluli Mountain region as the study area,in which the snow avalanche inventory was established through remote sensing interpretation and field investigation verification. We quantitatively extracted 17 evaluation factors via GIS-based analysis,and these factors were selected through the variance expansion factor（VIF）. Four machine learning models containing SVM,DT,MLP and KNN were used to compile the susceptibility index map of snow avalanches,and kappa coefficient and ROC curve were used to verify the accuracy. The results suggested that the susceptibility indexes obtained from SVM,DT,MLP and KNN were in the range of［0,0. 964］,［0,815］,［0,0. 995］and［0,1］,respectively. The accuracy test results show that these four models all have good prediction accuracy. Among them,the SVM model is the best. The results also indicated that the areas with the high snow avalanche susceptibility mainly distributed in Genie Mountain and Rigong Mountain,most of which were above the planation surface of the Tibetan Plateau. The average altitude of the extremely high snow-avalanche-prone areas is 4 939 m,while the average altitude of the high snow avalanche-prone areas is 4 859 m. The snow avalanche has low perniciousness on the Sichuan-Tibet Highway and the Sichuan-Tibet Railway in the study area. This study can provide theoretical basis and method reference for disaster prevention and mitigation of snow avalanche along Sichuan-Tibet Railway and other major projects across Shaluli Mountains region. © 2022 Science Press (China).  相似文献   

基于机器学习和全岩成分识别东昆仑祁漫塔格斑岩–矽卡岩矿床成矿岩体和贫矿岩体     

刘嘉情  钟世华  李三忠  丰成友  戴黎明  索艳慧  郭广慧  牛警徽  薛梓萌  黄宇 《西北地质》2023,(6):41-56

东昆仑祁漫塔格成矿带是中国西北地区重要的铜钼铁铅锌多金属成矿带，发育卡尔却卡、野马泉、维宝、乌兰乌珠儿等许多与花岗岩类有关的斑岩-矽卡岩矿床。随着新一轮找矿突破战略行动的开展，进一步加强对祁漫塔格成矿带花岗岩成矿潜力的研究，已成为推动该地区金属矿产储量增长的重要突破口。为此，笔者在系统收集祁漫塔格成矿带典型斑岩-矽卡岩多金属矿床成矿岩体和贫矿岩体（即非成矿岩体）的全岩主量和微量元素数据基础上，选取28种常见的全岩地球化学特征，借助机器学习算法——随机森林，开展机器学习模型训练，建立能够识别该地区斑岩-矽卡岩多金属矿床成矿岩体和非成矿岩体的新方法。根据模型评价指标，笔者训练得到的随机森林分类模型准确率为0.90，证明该方法能够有效识别成矿岩体和非成矿岩体。该研究为祁漫塔格成矿带斑岩-矽卡岩多金属矿床的找矿勘查提供了新思路，将极大地提高找矿效率、降低找矿经济和人力成本，从而更好的服务新一轮找矿突破战略行动。相关机器学习代码已上传至GitHub，地址为https://github.com/ShihuaZhong/2023-Qimantagh-RF-whole-rock-classifier。  相似文献   

大数据开创地学研究新途径:查明相关关系,增强研究可行性     

罗建民  张旗 《地学前缘》2019,26(4):6-12

人类已经进入大数据时代,大数据研究的思想、方法在地学领域也备受关注。笔者认为,大数据研究的对象是数据,研究的工具是计算机,研究的方法、手段是查明数据间相关关系,研究的特点是取向高概率做出决策。大数据是通过对大量数据的挖掘,查明数据间的相关关系,研究问题并做出正确决策的思想、方法。本文提出大数据是应用“归纳法”开展科学研究的思想、方法,以及高性能计算机和大数据计算技术使“归纳法”得以升华的观点。文章通过对统计学、机器学习算法的深入探讨,得出大数据将改变人们对自然的理解和认知方式,改变科学研究的思想和方法,改变长期以来人们通过查找因果关系开展科学研究的习惯。大数据必将开创一条跨越复杂的因果关系、直接获得研究结果的全新的科学研究途径。随着数据爆发式增长,随着高性能计算机的普及和计算技术的迅猛发展,统计分析方法将很大程度地突破数据体量的限制,统计分析预测模型以其真实可靠的处理结果、对条件和结果良好的解释能力、结合机器学习算法对半结构化与非结构化数据的处理优势,将推动地质科学进入定量化研究的新高度。  相似文献   

基于机器学习的三维矿产定量预测——以四川拉拉铜矿为例     

向杰  陈建平  肖克炎  李诗  张志平  张烨 《地质通报》2019,38(12):2010-2021

在大数据蓬勃发展的时代背景下,矿产资源定量预测作为地质大数据的核心部分,其综合分析挖掘多元信息的基本思路与大数据的理念不谋而合。以四川拉拉铜矿为例,开展基于机器学习的三维矿产资源定量预测。通过建立三维地质模型,提取成矿有利信息,构建研究区定量预测模型;基于"立方块预测模型"找矿方法,采用机器学习随机森林算法,计算出研究区成矿概率分布,以此圈定出5个找矿远景区。结果表明,随机森林具有更高的预测准确度与稳定性,且能够对控矿要素重要性做出定量评价。该研究成功地将机器学习应用于三维矿产定量预测,为今后的矿产资源预测评价做出了积极的探索。  相似文献   

地图综合智能化研究的发展与思考          下载免费PDF全文

武芳  杜佳威  钱海忠  翟仁健 《武汉大学学报(信息科学版)》2022,47(10):1675-1687

地图综合是地图制图和多尺度空间数据变换的核心与关键技术。20世纪60年代以来,数字地图数据的自动综合研究逐渐展开并取得了长足的进步,囿于人工智能技术的限制,地图综合的智能解决方法虽有不少成果,但距离真正的智能化、实用化仍有一定的距离。近年来,以深度学习为代表的人工智能技术应用于诸多研究领域并取得显著成效,地图综合的智能化研究也有诸多新的尝试。首先,在归纳自动地图综合研究模式的基础上,阐述了智能地图综合研究的必要性;然后,结合人工智能发展历程回顾智能地图综合研究,梳理和分析了基于传统机器学习与基于深度学习的智能地图综合研究现状,并归纳了地图综合智能化研究的主要方法;最后,围绕地图综合智能化研究中的几个热点问题,探讨了智能地图综合的发展趋势。  相似文献   

基于LS-SVM的多系统融合GNSS-MR潮位反演          下载免费PDF全文

游高冲  郭杭  罗孝文  尹海博  王朝阳 《海洋学研究》2022,40(1):72-80

针对单系统GNSS-MR潮位监测中反演精度和时间分辨率低的问题,提出了一种基于LS-SVM的多系统融合潮位反演方法.利用香港HKQT站连续30 d的GPS、BDS、Galileo、GLONASS卫星观测数据进行实验,比较了基于滑动窗口最小二乘法、SVR、LS-SVM三种多系统融合方法.结果表明:基于LS-SVM的多系统...  相似文献   

机器学习在基于点云的三维物体识别领域的研究综述     

解则晓  李美慧 《中国海洋大学学报(自然科学版)》2021,(6):125-130,98

随着机器学习算法的不断更新发展,加之其良好的适应性、准确性及鲁棒性,在三维物体识别领域获得了广泛的应用,成为当前点云处理的研究热点。首先,本文对三维物体点云数据识别及机器学习的发展应用进行归纳。然后,从特征选择、特征提取、特征识别三个方面,进行分析总结。最后,指出机器学习在基于点云的三维物体识别领域的应用目前所面临的挑战及进一步研究的方向。  相似文献