Diagnosis of sewer pipe defects on image recognition of multi-features and support vector machine in a southern Chinese city

An image-recognition-based diagnosis system of pipe defect types was established. 1043 practical pipe images were gathered by CCTV robot in a southern Chinese city. The overall accuracy of the system is 84% and the highest accuracy is 99.3%. The accuracy shows positive correlation to the number of training samples. Closed circuit television (CCTV) systems are widely used to inspect sewer pipe conditions. During the diagnosis process, the manual diagnosis of defects is time consuming, labor intensive and error prone. To assist inspectors in diagnosing sewer pipe defects on CCTV inspection images, this paper presents an image recognition algorithm that applies features extraction and machine learning approaches. An algorithm of image recognition techniques, including Hu invariant moment, texture features, lateral Fourier transform and Daubechies (DBn) wavelet transform, was used to describe the features of defects, and support vector machines were used to classify sewer pipe defects. According to the inspection results, seven defects were defined; the diagnostic system was applied to a sewer pipe system in a southern city of China, and 28,760 m of sewer pipes were inspected. The results revealed that the classification accuracies of the different defects ranged from 51.6% to 99.3%. The overall accuracy reached 84.1%. The diagnosing accuracy depended on the number of the training samples, and four fitting curves were applied to fit the data. According to this paper, the logarithmic fitting curve presents the highest coefficient of determination of 0.882, and more than 200 images need to be used for training samples to guarantee the accuracy higher than 85%.     

有机过氧化物反应热的危险性预测研究

为了采用非实验的方法对安全物质学的研究内容及研究方法进行初探,基于定量结构-性质关系法,选择13种与有机过氧化物热危险性的影响因子密切相关的描述符,分别对起始分解温度T0和分解热△H的实验数据进行多元线性回归、偏最小二乘和支持向量机回归分析,从而获得3种相应的预测模型。对比T0与△H的实验值和预测值,结果发现:SVM预测模型的精度高于PLS预测模型,MLR预测模型的精度最低;同种预测模型对分解热的预测结果均优于起始分解温度。此外,分析各预测模型的稳定性数据发现:MLR模型的预测过程发生了过拟合现象,不具备预测能力;PLS模型的交互验证系数均大于0.5,具备较稳定的预测能力;SVM模型的交互验证系数均大于0.9,具备非常稳定的预测能力。     

基于支持向量机的黄东海富营养化快速评价技术

以发展黄东海富营养化现场快速监测技术为目的,选取有色溶解有机物(CDOM)特征吸收系数a_CDOM(255)、a_CDOM(355)、a_CDOM(455)及能现场实时监测的浊度(Tur)、叶绿素a(Chl a)、溶氧(DO)等水质参数,以TRIX值为参照,利用支持向量机建立了近海富营养化快速评价技术.建立的支持向量机模型最优惩罚参数C=45.3,最优核函数参数g=0.7,对训练集分类准确率为92.5%,交叉验证准确率为91.8%,验证集分类准确率为85.0%.结果表明:基于CDOM吸收系数及DO、Chl a、Tur建立的近海富营养化快速评价技术能够准确的对近海富营养化状态进行评估,可为近海富营养化的现场快速监测提供技术支持.     

基于熵值法和支持向量机的煤矿应急救援能力评价模型

为增强煤矿应急救援能力,提高评价的精度,弥补单一评价方法的缺陷,构建了基于熵值法和支持向量机的煤矿应急救援能力评价模型。根据各评价指标数据所提供的信息量,运用熵值法设定指标权重,进一步将指标权重定量化、客观化;同时鉴于煤矿应急救援能力评价数据难收集、影响因素复杂多变的状况,结合具有处理非线性、小样本数据问题的支持向量机进行评价,保证了评价结果的准确性。实证分析表明,该模型的评价结果与煤矿实际应急救援能力非常接近,可用于实际的煤矿应急救援能力评价。     

基于支持向量机的入侵检测研究

根据入侵检测和支持向量机的特点,提出基于最小二乘支持向量机异常检测方法,并建立基于支持向量机入侵检测的模型,对网络数据进行采集,提取特征,进行分类,分辨正常的数据和异常的数据。并在KDD CUP'99标准入侵检测数据集上进行实验,选取data_10_percent子集,把该数据集中的41个属性作为特征,将该子集最后一个属性label属性为:back,ipsweep,neptun,ports-weep和normal各200个数据进行测试。实证表明:该方法能获得较高检测率和较低误警率。     

模糊支持向量机在滑坡危险性评价中的应用

为了将模糊支持向量机应用于滑坡灾害危险性评价工作,并进行验证,进行了研究区滑坡现状的调查,评价指标的选取,隶属函数的确定和基于FSVM的滑坡灾害危险性评价.选取了高程指标、坡度指标、岩土体指标、地表湿度指标及植被覆盖指标等5个指标作为滑坡灾害危险性评价指标,最后以莆田市为例,结合Rs和GIS技术,进行了滑坡危险性评价的研究.评价结果与实地验证和莆田市国土局提供的地质灾害现状图基本吻合.     

基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型。经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度。同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点。由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学。     

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.     

广州地区灰霾与清洁天气变化特征及影响因素分析

利用2006~2010年广州气象站逐时地面风场、湿度、能见度观测资料和2006~2009年珠江三角洲其他33个地面观测站风场观测资料,通过对灰霾与清洁天气过程的风速风向进行统计分析与矢量和分析,研究了广州地区灰霾与清洁天气过程的变化特征及影响因素.结果表明:灰霾天气过程在干季发生较频繁,主导风向为东南及东南偏南风,风速一般在1.5m/s以下,静风频率大于多年静风频率;灰霾天气过程风矢量和较小,扩散条件较差.清洁天气过程主要出现在湿季,风速普遍较大且主导风为东南及东南偏南风,干季也可以出现清洁天气过程,主要为较强的北风及偏北风;清洁天气过程风矢量和较大,有较强的平流输送.     

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.