基于最大熵原理的贝叶斯法在测量数据分析中的应用

工程安全监测过程中广泛存在着不确定性问题,它们为整体研究工程系统的运行状态产生了广泛的影响,从工程安全角度来看,深入认识和研究工程安全监测中可能出现的不确定性因素,充分考虑其影响,对提高工程安全监测分析水平具有重大的实际意义.本文在分析大坝工程坝区渗流观测资料和明确大坝渗漏成因的基础上,应用概率论与数理统计等随机理论建立最大熵原理的贝叶斯随机不确定性反分析模型,实现了对渗透系数的优化反演;并利用优化反演的渗透系数与常规反演法得到的渗透系数分别预测渗漏量,研究其精度的变化.     

基于贝叶斯最大熵模型的紫金山松材线虫危害程度时空分析

【目的】对紫金山国家森林公园松材线虫危害程度进行时空预测,旨在为森林病虫害防治规划的制定提供科学依据。【方法】以2004-2008年紫金山国家森林公园风景林96个松材线虫病疫点定点观测数据为主要信息源,与松材线虫危害程度相关的6个生态环境因子作为辅助信息源,采用GIS平台及贝叶斯最大熵（BME）方法,对松材线虫危害程度进行了时空分析。【结果】2004-2008年,紫金山国家森林公园松材线虫病各个疫点的林木平均死亡株数从29.96下降到8.17;在空间分布上,2008-2012年,紫金山西部的疫情得到缓解,中部的疫情得到控制,东部依然较为严重,死亡株数多的高疫点之间的连通性降低。2012年松材线虫病疫点林木死亡株数空间聚类结果表明,交通不便、林龄老化、蓄积量大、松林分布面积较广的紫金山深山区域,是松材线虫危害严重、需要重点防治的区域。【结论】借助于GIS平台和BME方法及少量的定点观测数据,可以对松材线虫的危害程度进行时空预测,这为森林重大有害生物入侵的预防与控制工作提供了科学依据。     

基于改进插值法的农田土壤水分与养分空间变异研究

掌握农田土壤水分和养分的空间分布特征是实现农田土壤精确管理及实施精确农业的重要±据。该文将贝叶斯最大熵法(Bayesian maximum entropy,BME)和贝叶斯人工神经网络方法(Bayesian neural networks,BNN)结合形成一种空间插值新方法,用融入BNN法结果的BME法(Bayesian maximum entropy method combined with Bayesian neural networks,BMENN)模拟土壤变量的空间分布。以新疆希尼尔水库周边某田块的土壤水分、碱解氮、速效钾和速效磷这4种土壤特性的采样数据为例,运用交叉验证法,将BMENN法对土壤变量的估值精度与BNN法、普通克立格法(ordinary Kriging,OK)进行了比较。结果表明:与OK法和BNN法相比,BMENN法将估计方差(meansquared error,MSE)缩小2.26%～23.54%,具有最小的估计方差和接近于0的平均绝对误差(mean error,ME);BMENN法的估计值与实测值相关系数更大(r=0.62～0.89),具有更高的相关程度;MSE的组成分析表明,BMENN法再现变量波动程度和波动大小的能力更强。BMENN法对于利用有限数据信息提高土壤变量空间分布模拟精度具有重要意义,并可为土壤管理、精准农业的实施以及区域环境规划等提供科学±据。     

基于最大熵模型的全球森林土壤呼吸模拟分布研究

在森林土壤呼吸研究中,温度和降水是众多研究中公认的对土壤呼吸影响最大的环境因子.本文以全球气候数据、全球森林土壤呼吸数据库为数据来源,通过最大熵模型模拟分布,得出森林土壤呼吸年平均速率与年平均温度、年平均降水量均呈极显著正相关关系,年平均气温贡献率高于年平均降水量贡献率,森林土壤呼吸年平均速率出现极值的年平均气温、年平...     

用高程辅助提高土壤属性的空间预测精度

 【目的】探讨土壤属性变量与高程之间在何种条件下，可利用高程变量来辅助提高土壤变量的预测精度。【方法】用两种将高程作为辅助变量的克里格插值方法（协克里格法和简单克里格加变化局部平均值法）与没有考虑高程的普通克里格插值方法进行对比分析，用均方根预测误差和预测精度的相对提高值作为标准对3种方法的预测结果进行评价。【结果】对于交换性钾和pH值，协克里格法获得最精确的预测；对于Olsen-P、土壤有机质和有效锌，简单克里格加变化局部平均值法得到最精确的预测；而有效铜、有效铁和有效锰的最精确的预测结果则由普通克里格法产生。【结论】高程数据能够用来提高土壤特征的空间预测精度，但并不是对所有的土壤属性都适合；在利用高程数据来提高土壤属性空间预测之前，应该先对高程和土壤特征变量之间的线性相关关系、结构相关关系和全局趋势等进行仔细地分析，然后再选择适宜的方法。     

基于最大熵理论的黑土地土壤风蚀主导因子概率密度函数

土壤风蚀是一个复杂的过程,影响因素众多。严重的土壤风蚀会引起土壤质地变粗,结构变坏,土壤肥力下降,可持续生产能力降低,尤其东北黑土地耕作土壤疏松,抗蚀能力弱,水土流失日趋严重。众多因子对风蚀结果的影响是一个随机连续的概率事件,最终结果反映在风蚀量上。一次土壤风蚀可看作各变量随机组合作用于地表土的连续分布事件。为了将事件明了化,引入最大熵原理对风蚀变量寻找其熵概率密度函数,而目前运用最大熵原理来研究土壤风蚀的相关成果甚少。该方法对风蚀建模的筛选模型变量具有重要意义。     

基于最大熵的自动确定多阈值方法

针对图像多阈值分割中，人为给定而非自适应确定图像分类个数的缺点，结合一种基于最大熵的多阈值快速算法，同时考虑阈值及图像分类个数的影响，提出了自适应确定分类个数的判据。该算法不仅能够快速确定阈值，同时可以确定分割图像的分类个数。实验结果表明，该算法效果理想。     

基于最大熵模型预测东北地区红松潜在分布

【目的】红松是我国重要的经济树种和生态树种,预测红松的潜在分布范围和分析影响其生长的重要环境因子很有必要。在现有的建模工具中,最大熵(MaxEnt)模型是应用最为广泛的模拟物种分布模型。在建模过程中,大多数研究人员常使用默认参数来进行计算,然而,最近研究表明,基于默认参数构建的模型结果并非最优,这些参数的设置仍有待讨论。【方法】利用红松分布数据和环境变量,在不同随机测试百分比下计算训练数据和测试数据的建模精度,用最适宜的比例模拟了红松的潜在分布。【结果】训练数据的AUC在不同百分比下的范围为0.890～0.898,而测试数据的AUC在不同百分比下的范围为0.854～0.884。当百分比为5%时,两组数据的准确率都比较准确。在此比例下,Bio12(年平均降水),Bio14(最干月降水量)和Bio15(降水量变异系数)对红松分布最为重要。【结论】研究结果表明在不同随机测试百分比下,模型的精度有所差异,默认值25%不是最合理的百分比,而在5%时训练数据和测试数据的结果更准确。降水和温度是影响红松潜在分布的气象要素,但是在东北地区,由于温度空间差异较小,影响红松潜在分布的主要为降水。红松主要分布范围在东北地区的东北和西南地区,特别是在辽宁省和吉林省交界处。研究的结果表明模型参数的设置对于模型的精度十分重要,调整参数可以更合理地反映物种对环境因素的反应,准确地模拟物种的潜在分布。     

应用最大熵模型预测黄连木在中国的潜在分布

为了合理规划黄连木(Pistacia chinensis)的引种栽培区、黄连木的引种栽植和可持续管理提供科学依据,以中国科学院植物研究所植物标本馆和中国数字植物标本馆297个黄连木样本分布记录和WorldClim数据库中下载末次盛冰期、当代(1960—1990年)和2070年的气候数据为数据源,利用MaxEnt和Arcgis模拟黄连木的潜在地理分布.结果表明:当代黄连木的适分布区在河南、山东、安徽、浙江、贵州、江西、广西、湖南等省份,面积为74.5万km2;末次盛冰期时的最适分布区面积为74.4万km2;2070年的分布范围明显减缩,主要分布在安徽、山东、贵州、广西等省份,最适生分布区面积为61万km2,较当代减少17.6％.年均降水量、最冷月份最高气温和12月份最低气温是影响黄连木分布最重要的环境变量.MaxEnt预测结果与黄连木实际分布相符合,能够反映黄连木在中国的分布情况.未来气温升高,降水减少,黄连木最适生区会逐渐缩减,降水较少区域黄连木的分布更容易受到环境因子的影响.     

应用最大熵模型预测的欧李潜在适生区分布及气候变化对其的影响

为预测我国欧李适生区分布及气候变化对其的影响。利用R语言和ArcGis筛选出欧李(Cerasus humilis(Bunge) Sok)134个分布数据和25个环境因子;调用ENMeval程序包,优化最大熵生态位模型参数;根据Pearson相关分析和方差膨胀因子(VIF)分析,筛选出建模所需的环境因子,利用刀切法评估影响欧李适生区的主导环境因子。利用优化后的模型,构建欧李适生区的地理分布,推测末次间冰期、末次冰盛期和全新世中期的潜在适生区,分析其历史时期适生区分布变化,预测不同气候情景欧李未来分布区的变化趋势。模型预测结果表明：在默认参数设置时,调控倍率为1,特征组合为LQHPT,delta.AICc值为297.65。将模型参数优化后,在特征组合为LQH,调控倍率为2.5时,delta.AICc值为0,最大熵模型的拟合度最佳。据刀切法评估结果,降水量变异系数、最冷月极端低温、海拔、最湿月降水量、气温变异系数是影响欧李分布的主导环境因子。当前我国欧李的适生区主要分布于天津、北京、山东、河北地区;气候变化对欧李的影响较为明显;未来气候变暖将会引起欧李适生区的向北迁移,尤其在温室气体高排放浓...     

基于改进的快速最大熵多阈值的成熟草莓图像分割

成熟草莓图像分割是草莓机械化采摘中首要解决的难题之一,最大熵多阈值算法是图像分割中效果较稳定的方法之一,但存在计算复杂度高、分割速度慢等缺点。为降低算法的计算复杂度、加快搜索速度,提出了一种改进的快速最大熵多阈值图像分割算法(IFMEMT)。首先提取RGB彩色图像的R分量灰度图像及灰度图像信息,然后应用IFMEMT算法求得最大熵及对应的阈值,最后进行图像分割。实验结果表明,在复杂环境下IFMEMT相对OTSU等图像分割算法不仅能达到相同甚至更好的分割效果,而且有更好的分割效率,能满足成熟草莓机械化采摘的实时性要求。     

土壤风蚀影响因子分布规律研究的最大熵方法

土壤风蚀是一个综合的自然地理过程,包括气候、植被、土壤、地形地貌等多种因子。作为随机变量的风蚀因子,其分布规律直接或间接地影响着风沙的运动规律,一方面导致土壤风蚀程度及方向的变化,另一方面变量之间的非线性相互作用的结果导致风沙流的混沌特性。为此把影响风沙运动规律的各因子作为研究对象,应用最大熵原理与遗传算法相结合的方法,建立了风蚀影响因子概率密度函数模型,采用Matlab语言编制了相应的计算程序,并以阴山北部农牧交错带为例对所建模型的合理性和可行性进行了验证。结果表明,风蚀影响因子的熵概率密度函数不仅合理可行而且具有较高的精度。     

基于MODIS和DEM的土壤有机质空间预测研究(英文)

[目的]本研究以湖南省石门县为例,采用普通克里格和基于MODIS和DEM数据的回归克里格方法,结合有限个采样数据对该区有机质进行空间预测,并进行对比分析。[方法]运用由地形参数(由DEM派生得到)、归一化植被指数(NDVI)以及由MODIS派生得到的地表温度(LST)等指标进行空间模拟,然后通过平均误差(ME)和均方根误差(RMSE)验证精度,数据的描述性统计及转换均通过软件实现。[结果]结果表明在有限个采样数据下,结合多元遥感数据的回归克里格方法优于普通克里格法,回归克里格法的平均误差和均方根误差均低于普通克里格法,相对提高值为6.03%。[结论]在低山丘陵区,运用MODIS数据及其他遥感数据对土壤有机质进行空间预测具有较好的效果。     

基于3种空间预测方法的黄土区土壤颗粒组成空间分布研究—以宁夏海原县为例

【目的】探索适合地形复杂的黄土母质地区土壤颗粒组成的空间预测方法。【方法】以宁夏自治区海原县为研究区域,结合地形因子、土壤类型、归一化植被指数变量,采用基于对称对数比转换的经验贝叶斯克里格法（SLR-EBK）、回归克里格法（SLR-RK）、随机森林（SLR-RF）3种方法对训练集100个样点表层土壤颗粒组成的空间分布进行预测,并通过验证集24个样点比较了3种方法的预测精度。【结果】（1）最终进入土壤颗粒组成线性回归预测模型的辅助变量包括高程（Ele）和土壤类型;进入RF模型的辅助变量包括高程（Ele）、土壤类型、坡度（Slo）和风力作用指数（WEI）,其中,高程（Ele）是最重要的辅助变量,其次是土壤类型,坡度（Slo）和风力作用指数（WEI）重要性相对较低。（2）3种方法预测的海原县土壤各粒级含量空间分布的趋势基本一致,表现为砂粒含量西南部低,东北部高,粉粒、黏粒则相反。与SLR-EBK相比,SLR-RK和SLR-RF能够更好地反映局部变异并减小平滑效应。（3）SLR-RF法对验证集3个粒级含量预测的平均绝对误差（MAE）和均方根误差（RMSE）均低于其他两种方法,且从平均Aitchison距离（MAD）来看,SLR-RF（0.208）相似文献   

基于贝叶斯最大熵和辅助信息的土壤重金属含量空间预测

预测土壤重金属空间分布对于识别高污染区域、进行污染来源解析和制定预防控制策略具有重要意义。本文选取浙江省杭州市为研究区,以土壤母质类型作为辅助信息,通过贝叶斯最大熵(Bayesian maximum entropy,BME)法,预测土壤重金属的空间分布,并与传统的克里金方法的预测结果进行比较。结果表明:BME在土壤重金属含量空间预测方面精度更高,其残差分布区间、平均绝对误差和均方根误差更小。研究区内重金属污染风险相对较低,其平均值均低于二级土壤环境质量标准值,但镉和砷的含量高于当地背景值,分别是背景值的1.59倍和1.31倍。铅和汞在该研究区东北部的城市地区含量较高,城市化、工业化和交通运输可能是其污染来源;镉和砷在西南部和中西部农村地区含量较高,农业活动可能是其污染来源。此外,镉在中东部还存在一块明显的高含量区域,这与当地矿业活动密切相关。铬主要受自然因素的影响。     

基于最大熵原理的区域水资源短缺风险综合评价

针对目前水资源系统风险分析方法中存在的评价结果分辨率不高等问题,基于信息论中的Jaynes最大信息熵原理,选取区域水资源短缺风险程度的风险率、脆弱性、可恢复性、重现期和风险度作为评价指标,建立了基于最大熵原理的区域水资源短缺风险评价模型。最后对包括北京和天津在内的首都圈水资源短缺风险进行了评价。结果表明,如果没有南水北调工程,2010年整个首都圈的水资源短缺风险将会处于高风险水平,亟待对水资源采取有效的风险管理措施。     

基于随机森林的农耕区土壤有机质空间分布预测

以陕西省周至县农耕区为研究区,采集192个土壤样品,通过随机森林模型(random forest, RF)对土壤有机质含量进行回归预测,通过29个(15%)独立验证点对预测结果进行精度验证,并与普通克里格(ordinary kriging,OK)和协同克里格(cokriging,COK)插值结果进行对比分析。结果表明,研究区土壤有机质含量在训练集和验证集中均属于中等变异性,含量处于中等偏低水平,大致表现为中、南部黑河东岸土壤有机质含量相对较高,东北部渭河沿岸含量较低。对变量重要性进行排序,影响研究区土壤有机质的主要因素为数字高程(DEM)和降水量。与OK、COK相比, RF对土壤有机质的预测值和实测值的相关系数(0.782)更高,而平均绝对误差(0.618 g·kg^-1)和均方根误差(2.062 g·kg^-1)更低,说明RF能够更精确地反映局部土壤有机质含量的空间变化信息。     

地理权重回归在土壤pH空间预测中的应用

为高效利用土壤和开展精准农业生产,采用地理权重回归方法对区域土壤pH的空间分布进行预测,以获得比普通线性回归方法更高的预测精度和论证其对其他土壤属性进行预测的可行性。实测样点土壤的pH,然后选用与土壤pH相关程度较高且易于获取的环境因子(海拔高程、坡度、归一化植被指数、铁氧化物指数、样点距河流的最近距离、土壤侵蚀强度)来建立与土壤pH的回归方程。因子经过逐步回归及多重共线性检验后,用地理权重回归模型对pH进行预测。通过ME、RMSE及回归决定系数等指标,用验证样点数据对预测效果进行评价。结果表明,地理权重回归模型的预测精度高于普通线性回归模型,能大幅度降低AIC值,显著提高模型的回归决定系数,有效地降低回归的残差值;生成的预测图在空间上过渡自然,制图效果较好;利用地理权重回归法能将环境影响因子纳入模型,并能充分考虑样点的空间位置,适合于具有高度空间变异的土壤属性预测及制图。     

基于层次分析熵权法和模糊贝叶斯网络的农民专业合作社资金互助突发事件风险评估

本文通过分析农民专业合作社资金互助突发事件和致因机理,确定了合作社资金互助突发事件的三级风险因子指标,构建了合作社资金互助突发事件的风险评估模型。运用层次分析熵权法确定了各风险因子的权重;并从事件层、状态层和风险层的视角,建立了突发事件模糊贝叶斯网络;最后,通过政府间气候变化专门委员会(IPCC)确立的当量公式实现了量化农民专业合作社资金互助突发事件风险。研究结论表明:合作社内部因子风险发生的概率明显大于外部因子风险发生的概率,内部因子中的道德因子、资金因子和操作因子指标整体风险值较高;外部因子中仅个别指标风险值较高。并从风险认知、风险防控、政府监管、完善政策及应急管理办法等方面提出防范资金互助突发事件风险的建议。     

基于MEA-BPNN-F模型的土壤有机质空间分布预测

以江西省万年县为例,根据万年县测土配方数据,构建以思维进化算法、BP神经网络、四方位搜索法三者结合的模型(MEA-BPNN-F模型),同时加入高程和坡度信息来预测万年县耕地土壤有机质的空间分布,并与普通克里金法(OK模型)、以地理坐标为输入的BP神经网络模型(BPNN-G模型)、以高程和坡度作为辅助变量同时利用四方位搜索法加入邻近信息的BP神经网络模型(BPNN-F模型)进行比较。结果表明:4种模型的预测精度表现为MEA-BPNNFBPNN-FBPNN-GOK。应用MEA-BPNN-F模型预测精度最高、效果最好,比较符合土壤有机质地学运动规律及实际情况。该模型克服了BP神经网络全局搜索能力差和收敛速度慢的缺点,提高了BP神经网络的泛化能力。