基于机器学习方法的太湖叶绿素a定量遥感研究

为了比较评价人工神经网络和支持向量机2种机器学习算法在水质遥感中的应用能力,本研究首先从基础理论和学习目的入手,对比分析了2种机器学习算法的理论体系;其次,以太湖为例,基于MODIS遥感影像,构建了反演太湖叶绿素a浓度的2种机器学习方法模型,通过对模型的验证、稳定性和鲁棒性分析以及全湖反演结果对比3个方面评价了2种模型的泛化能力.验证结果表明,支持向量机模型对验证样本预测结果的均方差根和平均相对误差分别为5.85和26.5%,而人工神经网络模型的预测结果均方差和平均相对误差则高达13.04和46.8%;稳定性和鲁棒性评价亦说明,以统计学习理论为基础的支持向量机模型具有更加良好的稳定性、鲁棒性,空间泛化能力优于人工神经网络模型;2种机器学习算法对太湖叶绿素a的浓度分布反演结果基本一致,但人工神经网络模型因其学习目标设定和网络构建中的“过学习”等缺陷,造成了对东太湖以及湖心区叶绿素a的反演结果与实际监测结果差异较大.     

基于粗糙集的支持向量机地下水质量评价模型

以辽宁绥中县第四系松散岩类孔隙水的10组水质监测数据为基础,选取pH值、Cl^-、SO₄^2-、NH₄⁺、NO₂^-、NO₃^-、F^-、总硬度、总溶解固体等14项水质评价指标,采用粗糙集对指标进行约简,将基于属性依赖度和信息熵的启发式算法结合,获得属性约简集,应用支持向量机分别评价约简前后的地下水质量.结果表明,属性约简将14项水质指标精简为8项,水质评价结果与约简前保持一致,区域地下水普遍在III类以上,部分地区铁、"三氮"等超标,不适宜饮用.粗糙集和支持向量机的联合应用,在保证分类能力的前提下有效地减少冗余指标,降低运算维度,保证水质评价的合理性.     

基于支持向量机的水环境质量综合评价

提出了基于支持向量机的水环境质量综合评价方法。给出了数据规范化处理及学习样本生成的具体方法,采用“一对一”(1-v-1)的多类别分类算法,使用k-fold交叉验证优化参数。对湖泊水环境富营养化程度的综合评价结果表明,该方法简便、客观,具有较强的实用性。     

基于支持向量机的职业病危害预警模型研究

职业病危害的防治近年来逐渐得到国家和企业的重视,但是相关的标准和防治方案还不够健全,职业病危害的防治工作还有很长的路要走,职业病危害的相关预警模型建立还处于探索研究阶段。采用支持向量机对职业病危害的相关因素进行预警模型的建立和分析,新模型弥补了现有预警模型的部分缺陷,在一定误差范围内能实现更小样本、更快速度的职业病危害预警。     

金属-有机框架材料在废水脱色处理中的应用进展

合成染料的高毒性、难降解性等引发的环境问题受到广泛关注，因此开发新型废水处理脱色剂及高效脱色工艺对染料进行无害化处理是染料脱色领域的研究重点。金属-有机框架材料(Metal-Organic Frameworks, MOFs)是金属与有机配体通过配位键自组装而成的杂化晶态多孔材料，具有高孔隙、大比表面积、丰富的活性位点等结构优势，成为染料脱色研究的热点材料。本文根据废水中的染料脱色工艺分别综述了近年来MOFs作为吸附剂进行吸附脱色，MOFs作为漆酶载体进行生物降解脱色，MOFs作为催化剂进行光催化脱色，MOFs作为过硫酸盐活化剂进行高级氧化脱色，以及MOFs作为前驱物煅烧生成金属氧化物催化脱色等的研究进展。本文最后对MOFs在染料脱色领域的研究进行了总结，并对未来的研究方向进行了展望。     

基于EMD-LSSVM的瓦斯浓度动态预测模型

为提高回采工作面瓦斯体积分数预测时效性,建立了EMDLSSVM的瓦斯体积分数动态预测模型;为能够快速有效地反映瓦斯体积分数当前状态,避免早期历史数据对模型预测的影响,采用复合窗口技术对瓦斯体积分数时间序列进行动态更新;为提高算法预测精度,先采用经验模态分解算法(EMD)对更新后的窗口数据进行分解得到高频项、低频项和趋势项,考虑到瓦斯体积分数变化受到诸多因素干扰导致预测难度较大,但由同类因素影响的瓦斯体积分数变化特征具有较高的相似性,利用聚类方法将瓦斯体积分数监测数据划分成性质相似的若干个模式类别,以减少各种随机因素对预测结果的影响,再利用最小二乘支持向量机(LSSVM)对高、低频项进行加权预测,用自回归(AR)模型对趋势项进行预测,最后进行组合预测。实例对比分析表明,该预测模型能够有效地预测瓦斯体积分数的变化趋势,减少了预测时间,预测精度也满足矿山安全工程实际要求。     

可变模糊方法在旅游安全预警中的应用

在系统分析了旅游安全预警问题的基础上,从人-机-环境系统工程的视角出发,将可变模糊集理论引入旅游安全研究领域,建立了由预警指标体系、可变模糊综合评价模型、预警模式以及预警信息等四个部分组成旅游安全预警系统,提出了旅游安全预警的可变模糊方法。该方法综合考虑各级别相对隶属度对最终评价结果的影响,以级别特征值判断标准代替经典模糊集的最大隶属度原则,通过变化模型及其参数,合理地确定出样本的评价级别,从而实现对旅游地安全状况的预警评价,是传统模糊评价方法的发展。结果表明:所建立的可变模糊预警模型不但能够定量辨别旅游地的安全等级,而且能够区分同一等级不同样本的相对安全性,为进行旅游安全预警提供了一条新途径。     

基于气象因素和改进支持向量机的空气质量指数预测

空气污染已成为人类社会面临的严峻挑战,为了构建准确的空气质量预测模型,文章首先运用统计分析方法进行相关性分析,探讨气象要素变化对空气质量的影响;针对传统支持向量机预测精确度受输入变量影响较大的弊端,采用基于熵权理论对变精度粗糙集约简进行了改进,以处理支持向量机的输入变量,提高支持向量机的预测精度;最后以沈阳市的历史气象数据和空气质量指数进行验证。与传统方法相比,所提方法能够将预测准确率由71.28%提高到77.83%,空报率和漏报率也有降低,与实际基本吻合。     

基于SVM-BP神经网络的风暴潮灾害损失预评估

风暴潮灾害是影响我国最严重的海洋灾害,风暴潮灾害损失的预评估对防灾减灾有重要作用。本文选用2002~2014年的40组风暴潮历史灾情资料进行试验,首先建立风暴潮灾害损失评估指标体系并用灰色关联分析法对指标进行筛选,然后采用最优权重组合将支持向量机和BP神经网络进行组合预测分别对风暴潮直接经济损失和受灾人口数进行预测,并与单一预测方法进行对比,发现组合预测方法可以降低误差,提高损失预测的准确性,建立风暴潮灾害损失预评估模型,为决策者进行预警信息的发布提供有效依据。     

ODM技术支持下的滑坡位移预测研究

预测模型的建立是滑坡预报的核心问题。Oracle系统的数据挖掘选件(Oracle Data Mining,ODM)可直接对存储在数据库中的数据进行操作,能减少数据转换的资源消耗,保证数据的安全性。以三峡库区八字门滑坡为例,在深入分析滑坡累计位移变化特征与其降雨、库水位等影响因素响应关系的基础上,采用ODM中的PL/SQL API建立了可预测滑坡位移趋势的支持向量机(Support Vector Machines,SVM)模型,并利用建立的SVM模型对滑坡累计位移量的未来值进行了预测。经验证表明:测试样本的预测均方根误差和平均绝对误差分别为10.07mm和6.54mm,预测结果与实测值变化趋势基本一致,说明基于ODM的SVM滑坡位移预测模型在处理非线性时间序列数据上具有一定的优势,可用于滑坡监测数据的短期预测。