基于支持向量机的滑坡灾害信息遥感图像提取研究

阐述了基于支持向量机的滑坡灾害信息遥感图像提取的基本原理和方法,并结合实例说明了这种方法的有效性。通过研究,试图找到一种新的滑坡地质灾害信息提取方法,为滑坡地质灾害信息的快速提取、分析滑坡地质灾害发生的激发因素奠定基础。     

基于支持向量机的小流域水蚀预报模型研究

 土壤侵蚀过程复杂,很难直接应用土壤侵蚀预报方程进行定量计算。作为一种新的机器学习算法,支持向量机在样本有限的情况下,采用结构风险最小化准则,把学习问题转化为一个二次规划问题,从而得到唯一的全局最优解。首次尝试将最小二乘支持向量机技术用于土壤侵蚀预测,并与BP神经网络的方法进行了对比,取得了较好的预测精度。     

支持向量机、信息向量机和相关向量机的比较研究

介绍了支持向量机、信息向量机和相关向量机的理论与算法。利用最优化对偶理论,阐述了支持向量机的三种主要算法：硬间隔支持向量机、软间隔线性支持向量机和二次软间隔支持向量机的理论推导过程。对基于高斯过程模型,详细说明了信息向量机和相关向量机算法的实现过程。     

小波分析与支持向量机结合的冬小麦白粉病遥感监测

为利用遥感影像数据在区域尺度上实现快速、准确地监测小麦白粉病的发生、发展情况,该研究基于环境与灾害监测预报小卫星(HJ-1A/1B)数据对地表温度(land surface temperature,LST)进行反演、提取4个波段反射率数据并构建7个植被指数。耦合K-mean和Relief算法对小麦白粉病遥感特征进行筛选。通过支持向量机(support vector machine,SVM)与小波特征(Gabor)结合SVM(Gabor SVM)的方法分别建立河北省晋州市小麦白粉病发生监测模型,并对2种模型的监测精度进行对比。结果表明:归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio index,SR)和地表温度3种特征参量可较好地表征小麦白粉病的发生情况,Gabor SVM的总体精度达到86.7%,优于SVM的80%。因此,小波分析与支持向量机结合的方法可用于基于卫星遥感影像的大面积病害监测,对提高病害监测精度具有重要应用价值。     

基于支持向量机回归的冬小麦叶面积指数遥感反演

利用单一植被指数反演叶面积指数(LAI)时,存在不同程度的饱和性且每种指数只能包含部分波段的信息,该文提出利用支持向量机回归的方法进行叶面积指数的反演,可以用更多的波段信息作为输入参数以提高LAI反演精度。选取冬小麦起身期、拔节期和灌浆期的实测光谱和叶面积指数数据,用统计回归的方法分别建立NDVI-LAI和RVI-LAI模型,用支持向量机回归(SVR)方法分别建立以NDVI、RVI以及蓝、绿、红和近红外4个波段数据作为输入参数的回归预测模型,即NDVI-SVR、RVI-SVR和NRGB-SVR模型。上述5个模型分别利用对应时期的环境星HJ-CCD数据进行验证。结果表明:NDVI和RVI与叶面积指数(LAI)的回归模型预测的结果与实测值的RMSE分别为0.98与0.97;预测精度分别为59.2%与59.3%。以NDVI和RVI结合实测叶面积指数(LAI)训练并预测的结果与实测值的均方根误差RMSE分别为0.71与0.83预测精度分别为70.4%与67.1%。以蓝(B)、绿(G)、红(R)以及近红外(NIR)波段作为输入参数回归并预测的RMSE值为0.42,预测精度为81.7%。通过支持向量机回归预测具有更好的拟合效果,可以输入更多波段信息,提高了叶面积遥感反演精度,对冬小麦的多个生育期均具有较好的适用性。     

基于支持向量机的土壤水力学参数预测

为了分析支持向量机在土壤水力学参数预测方面的效果,应用支持向量机构建用于预测土壤水力学参数的土壤传递函数,以土壤粒径分布、容重、有机质含量等土壤理化性质为输入项,分别预测土壤饱和导水率、饱和含水率、残余含水率,以及van Genuchten公式参数的对数形式。结果表明预测值和实测值不存在显著性差异,用支持向量机预测土壤水力学参数是可行的。不同输入项处理的预测分析表明,输入项为粒径分布、粒径分布和容重、粒径分布和有机质含量3种情况的预测效果差异不明显,而输入项为粒径分布、容重和有机质含量时预测效果优于前3种情况。支持向量机在预测土壤水力学参数方面的效果要优于多元线性逐步回归模型,而与BP神经网络模型相比不具有明显好的预测效果。     

基于相关向量机的冬小麦蚜虫遥感预测

蚜虫的流行严重影响了冬小麦的产量。区域尺度上及时准确的预报冬小麦蚜害发生范围能为蚜害的有效预防提供基础信息,从而降低冬小麦产量的损失。该研究利用多时相的环境星CCD光学数据和IRS热红外数据,分别提取了冬小麦的长势因子,比值植被指数(ratio vegetation index,RVI)和归一化植被指数(normalized difference vegetation index,NDVI),以及生境因子,地表温度(land surface temperature,LST)和垂直干旱指数(perpendicular drought index,PDI),利用相关向量机(relevance vector machine,RVM)、支持向量机(support vector machine,SVM)和逻辑回归(logistic regression,LR)方法建立了北京郊区冬小麦灌浆期蚜虫发生预测模型,并对比分析了3种模型预测精度。试验结果表明,RVM总体预测精度达到87.5%,优于SVM的79.2%和LR的75.0%。另外,RVM模型计算量较小,相比于SVM和LR模型,其预测时间可分别缩短7倍和60倍。较高预测精度和较小计算量的特性扩大了RVM在实际中的应用价值。     

基于SI-Albedo特征空间的土壤盐渍化遥感监测指数研究

土壤盐渍化通常出现在气候干旱、土壤蒸发强度大、地下水位高且含有较多可溶性盐类的地区。它是一定的气候、地形、水文地质等自然条件共同对水盐运动产生影响的结果[1],这是一个复杂的动力学过程。因而对土壤盐渍化的探测、动态监测和制图是一项较为困难的工作。遥感技术能大面积重复获取同一地区的信息,具有宏观、综合、动态、快速的特点,并在速度、精度和成本花费方面凸显出众多优势[2]。现阶段运用遥感手段提取土壤盐渍化信息主要有两个方面:一是对遥感图像做相应的处理,突出盐渍化信息,但此种方法需要大量的实验;二是引入土壤含盐量、地下水等辅助量,但是引入的辅助量会引起图像的破碎化,有时难以满足要求,分类精度受到一定程     

基于最小二乘支持向量机的中国粮食产量预测模型研究

粮食产量预测是制定农业政策的重要依据。针对农业生产系统的特征,在统计学习理论和结构风险最小化原理的基础上,建立了基于最小二乘支持向量机的时间预测模型。预测结果表明该模型具有较高的预测精度,为粮食产量预测提供了一条新的途径。     

支持向量机与分类后验概率空间变化向量分析法相结合的冬小麦种植面积测量方法

利用遥感手段提取农作物种植面积时,需要结合作物物候特征,以提高面积的提取精度。该文以北京市通州区西南部为试验区,以冬小麦为研究对象,利用多时相的环境减灾小卫星遥感影像数据,通过基于支持向量机二分法的分类后验概率空间变化向量分析法进行冬小麦种植面积遥感测量试验研究。研究结果表明：该文提出的方法测量结果总体精度、Kappa系数分别为95%、0.90,远高于支持向量机（SVM）分类后直接比较方法（总体精度91%,Kappa系数0.79）;解决了实际应用中的变化阈值选取的主观性问题,该方法的频度直方图两极化现象使得变化阈值取值部分频度被压低摊平,阈值敏感度降低,变化阈值取值更为客观,一定程度上解决了阈值难以设定的问题;SVM二分法和变化向量分析的结合增强了对光谱的敏感性,能够监测不同季相上植被的长势变化,进而提高了农作物种植面积遥感测量的精度,同时对其他农作物种植面积测量提供了途径。     

基于三维特征空间的土壤盐渍化遥感模型

针对目前干旱半干旱地区出现的土壤盐渍化问题,以渭干河—库车河流域绿洲为研究区,在分析修改型土壤调整植被指数（MSAVI）、湿度指数（WI）、盐分指数（SI）与土壤盐渍化之间关系的基础上,提出了MSAVI-WI-SI三维特征空间,进而建立了土壤盐渍化监测指数（MWSI）模型。结果表明:该模型与土壤盐分实测值的相关系数R=0.896,精度高于三个指数两两构建的特征空间（MSAVI-WI特征空间,MSAVI-SI特征空间,WI-SI特征空间）的土壤盐渍化监测指数模型（MWI,MSI,WSI）,其与土壤盐分实测值的相关系数分别为:0.891,0.894,0.809,突出了三维特征空间的优势。同时,通过MWSI的差异矩阵分析,表明该指数对土壤的盐渍化程度反映灵敏。MWSI能较好地反映盐渍化土壤地表植被、土壤水分及土壤盐分的组合变化,具有明确的生物物理学意义。并且指数简单,易于获取,操作方便,对今后干旱区土壤盐渍化的监测与分析具有重要意义。     

基于最小二乘向量机土壤水分动态模拟与分析

土壤水分动态的模拟对水分循环与农业生产中水分的合理利用与管理具有重要的意义.应用最小二乘支持向量机对加入气象因子随机变量的红壤中土壤水分动态变化进行了训练、检验及模拟.结果表明,最小二乘支持向量机相比与神经网络方法不论是模拟性能指标还是建模的数学意义都有更好的可靠性和优越性;本研究应用最小二乘支持向量机对土壤水分动态日变化进行了模拟,并采用bior 3.3小波函数5层分解提取日变化趋势图进而把该研究区土壤水分日变化划分为4个阶段,其结果可为研究区水分合理利用和土壤墒情的预测预报提供科学依据.     

改进支持向量机的股票价格预测研究

为了提高股票价格预测精度,提出一种改进支持向量机的股票价格预测模型。该模型利用粒子群算法的全局寻优能力对支持向量机参数进行优化,以提高股票价格的预测精度,采用具体股票价格数据对模型性能进行测试。结果表明,改进支持向量机能够对股票价变化趋势进行预测,是一种有效、高精度的股票价格预测模型。     

支持向量机在土壤镁含量高光谱估算中的应用

研究利用土壤样本实验反射光谱,分析了土壤镁(Mg)含量与土壤反射光谱的关系,比较了主成分回归分析(PCR)、偏最小二乘回归分析(PLSR)和支持向量机回归分析(SVMR)等方法,以及土壤反射光谱及其变换光谱与土壤Mg含量之间的估算模型,为土壤Mg含量高光谱估算提供依据。结果表明:PCR、PLSR、SVMR 3种建模方法在Mg含量的估算中,SVMR的估算精度相对较高,估算精度平均达到80.96%,分别比PCR和PLSR提高了6.16%、4.20%;对于不同的数学变换处理方法,一阶微分变换相对较好,估算精度平均为80.76%,分别比反射率、倒数对数变换提高了4.95%、4.61%。因此,运用土壤反射光谱一阶微分变换的SVMR进行建模,可以相对较好地估算全Mg含量,精度达84.04%。     

基于支持向量机和BP神经网络的滑坡变形复合式预测

[目的]探讨复合式组合预测模型对滑坡两变形时间序列的预测效果,为滑坡的变形预测提供一种新的思路。[方法]基于支持向量机和BP神经网络,构建滑坡位移序列和速率序列的复合式预测模型,首先,对滑坡环境因素进行分析,提取其基本信息;其次,利用2种预测方法构建回归结构预测模型和多因素预测模型,并对两时间序列进行一重预测;最后,利用BP神经网络对一重预测结果进行了二重组合优化。[结果]滑坡库水位与滑坡两变形序列均具有较大的相关性,滑坡的稳定性很大程度上会出现周期性疲劳减弱的可能,且通过对滑坡变形的复合式预测。[结论]该方法的相对预测误差均较小,很大程度上提高了滑坡变形的预测精度和稳定性,证明了该预测模型的有效性。     

玛纳斯河流域土壤盐渍化时空动态变化

土壤盐渍化是土地荒漠化的重要方式之一,研究土壤盐渍化时空动态变化对土地管理利用具有重要意义。以玛纳斯河流域为研究区,采用1975年、1990年、2000年、2014年4期遥感影像为数据源,结合野外调查分析,分别提取了玛纳斯河流域土壤盐渍化信息,运用统计和空间分析方法对研究区近40 a的土壤盐渍化时空动态变化进行研究,并对引起其变化的驱动因子进行了分析。结果表明:（1）近40年玛纳斯河流域土壤受不同程度盐渍化侵扰复杂变化,总体呈逐渐减轻的趋势,其中重度盐渍化减少了2 369.4 km²,中度盐渍化处于稳定波动状态,轻度盐渍化增加了1 408.0 km²,耕地面积增加了3 443.5 km²;（2）玛纳斯河流域土壤盐渍化在空间上分布具有明显的区域性,其中重度、中度盐渍化主要分布在中游水库周围以及下游与古尔班通古特沙漠的过渡带,轻度盐渍化与耕地镶嵌分布;（3）玛纳斯河流域土壤盐渍化1975—1990年在空间总体变化上呈加重的趋势;1990—2000年在空间分布上呈减轻的趋势;2000—2014年又出现大面积的恶化趋势;（4）政策实施以及经济刺激是推动土壤盐渍化治理的有效措施。随着全球气候变暖,耕地面积的不断扩大,水资源利用的不合理,这将势必增加土壤盐渍化的不确定性。     

耦合植被物候的新疆绿洲土壤盐分信息挖掘

随着土壤环境问题涉及的尺度日趋增大，小区域斑块化盐渍化信息的提取难以了解土壤环境总体的变化趋势。本文以野外监测的南北疆典型绿洲区域——渭库绿洲和艾比湖流域为分析靶区，通过实测数据建立土壤–环境关系，并通过MODIS EVI数据反演得到植被物候特征，耦合植被物候、植被指数、盐度指数、地表温度和地形参数作为随机森林(random forest, RF)模型的输入因子，预测新疆绿洲区域土壤盐分含量信息并绘制土壤盐分空间分布图。结果表明：通过深入挖掘植被物候信息，物候参数在预测土壤盐分方面具有较高的相对重要性，代表生物积累量的LSI和SSI参数表征土壤盐渍化的能力较强，优于其他几个物候参数。耦合物候参数后土壤盐分信息预测精度明显提高，决定系数R~2从0.53提升到0.61。经模型反复迭代进一步筛选出适合研究区的23个环境参数，大幅提升了预测精度(R~2=0.73, RMSE=5.19, MAE=3.59)。从得到的盐渍化空间分布特征来看，新疆绿洲大部分区域分布的是非盐渍化土和轻盐渍化土，且普遍分布在绿洲内部，中度及以上盐渍化土多分布在绿洲外围，总体盐渍化水平依次为：伊犁平原<北疆绿洲&l...     

支持向量机在植物病斑形状识别中的应用研究

植物病斑形状识别属于小样本问题。提出了一种新的模式识别方法—支持向量机方法在处理小样本问题时具有很好的学习能力和推广性。该文讨论了支持向量机分类方法应用于植物病斑形状识别。对番茄植物病斑形状识别试验的分析表明，支持向量机分类方法适合于植物病斑复杂形状的分类问题，该方法在训练样本较少时具有良好的分类能力和泛化能力。不同分类核函数的相互比较分析表明，线性核函数最适合于植物病斑的形状识别。