机器学习与支持向量机

<正>现代社会我们已经越来越离不开对未知信息的预测:比如天气预报,地震、海啸预警,山体滑坡、泥石流等自然灾害的预报等等,那么我们是依据什么对未知世界进行预测的呢?这就不得不提到人工智能的一个分支——机器学习。     

遥感技术在减轻自然灾害研究中的应用

自然灾害是自然界发生的对人类生存和发展有危害作用的自然现象。土壤侵蚀与水土流失,土壤、大气和水体的污染多由人为因素所致,但它们反过来又日趋严重地危及人类生活与生态平衡,所以也归入自然灾害之列。四川是全国自然灾害高发区域之一。如泥石流的分布遍及全川各条水系,有70％的县(区)有泥石流活动,近40座县城受泥石流威胁。据近百年统计,灾害损失中泥石流的损失占60％;四川的滑坡约占全国1/4-1/3,其中大型滑坡约占全国之半;四川是全国暴雨最多的地区之一,暴     

基于SBAS-InSAR方法的岷江上游峡谷区地表沉降的坡向分异规律研究

岷江上游峡谷区滑坡等地质灾害频发,认识灾害的分布特征及诱因对于减小灾害损失具有重要意义。基于2015～2019年的60景哨兵一号（Sentinel-1A）卫星雷达影像,采用小基线集合成孔径雷达干涉测量（SBAS-InSAR）方法获取了地表雷达视线向形变的时间序列及多年平均速率,分析了地表沉降的分布规律及其同植被覆盖、降水、人类活动等因子的内在联系。结果表明：研究区地表沉降具有明显的坡向分异规律,即快速沉降区多分布于阳坡,年平均沉降速率（-33.02 mm/a）明显快于阴坡（-9.33 mm/a）。针对该地表沉降的坡向分异规律,研究进一步揭示了其环境控制机制：(1)阳坡水分条件胁迫较强而植被覆盖差,不利于地表稳定;(2)地形雨来向多为偏南方向,阳坡受侵蚀较为强烈;(3)阳坡光热条件好,受垦殖等人类活动影响大。由此建议：在岷江上游峡谷区的偏南向边坡,应特别注意防范滑坡等灾害,加强地表形变监测和滑坡灾害预警。     

基于STM32的泥石流远程监测系统设计

泥石流在形成过程中泥位和流速会发生明显变化,因此设计了一种基于STM32和AD7706的低功耗泥石流远程监测系统,可实现对泥石流沟降雨量、泥位、流速等数据实时在线监测与预警预报。该系统通过Micro SD卡实现数据存储,利用GPRS/北斗双模通信网络将监测数据传送至地质灾害监测预警云服务器,实现24小时不间断对泥石流现场参数进行数据采集、传输、分析及预警判断,可在泥石流灾害监测中推广应用。     

基于水土耦合的泥石流预报系统设计与实现

为提高泥石流业务预报的准确性，满足泥石流减灾的需求，运用GIS技术，设计并实现基于流域水土耦合机制的区域泥石流预报系统。通过分布式水文模型和非饱和土极限平衡法实时评估每条泥石流流域内的水土混合物密度ρ，利用ρ判定区域内每条泥石流流域内发生泥石流概率的大小，实时发布泥石流预警信息。以四川省为研究区，以2013年7月9日特大降雨过程诱发大规模泥石流灾害事件作为系统的验证实例。验证结果表明，该系统运行稳定且具有较高的预报精度，能够很好地满足泥石流减灾需求。     

Google Earth三维可视化在滇藏铁路林芝-拉萨段地质选线中的应用

以滇藏铁路林芝-拉萨段为例,利用Google Earth对两拟选线路方案沿线的活动断裂,滑坡、泥石流、崩塌等地质灾害进行遥感解译,并制作三维飞行动画。研究发现北线方案主要受泥石流影响,南线方案活动断裂、滑坡、崩塌、泥石流均较发育,从工程地质条件来看北线优于南线。     

泥石流智能监测预警系统设计

针对目前用于泥石流灾害监测预警方法存在的传感器选择种类单一、预警功能与监测数据相分离等问题，设计一种基于模糊控制的泥石流灾害监测预警系统。设计以导致泥石流灾害发生的主要因素为切入点，运用新型传感器对泥石流进行实时监测，借助于模糊控制系统对采集到的实时数据进行处理，最终提高对泥石流灾害发生概率预测的准确性。实验结果表明，该系统对泥石流灾害发生概率的预测达到了较为理想的效果，可为泥石流监测相关工作人员提供便利与支持。     

一种应用无线传感器网络观测泥石流的方法

介绍了泥石流的形成机理,对现阶段的泥石流监测方法进行了分析和比较,给出了基于无线传感器网络的泥石流关键因子的小尺度观测方法,阐述了传感器节点的硬件构造方法、节点部署方法和节能通信协议。传感器网络不仅为泥石流机理的深入研究提供了数据源,也为泥石流灾害预报和预警机制的建立奠定了基础,有助于降低泥石流地质灾害的损失。     

基于次声监测的泥石流实时预警系统

目前的泥石流次声报警设备经常受环境噪声干扰而频繁产生误报,导致无法投入到实际应用中。为了提高泥石流次声监测预警的准确率,基于泥石流次声和环境干扰次声的特征差异这一原理,采用单片机与上位机相结合的方式,借助混合编程、数据库与GIS二次开发等技术手段,设计与开发基于次声监测的泥石流实时预警系统进行现场泥石流次声信号监测与判识。对云南东川蒋家沟长期现场泥石流的监测验证了该系统的工作性能。实际应用结果表明：该系统不仅具有操作简便、响应及时和实时识别等特点,还具有较高的预警准确率,在长达2年的野外监测过程中,仅出现18次误报且无一漏报。     

快鸟影像用于泥石流冲毁区自动提取

针对泥石流冲毁区难以自动提取的问题,该文基于快鸟(QuickBird)高分辨率影像,探讨了泥石流冲毁区自动提取方法,提出一种多信息结合自动提取模型。该方法首先对原始反射率影像做缨帽变换,利用湿度分量和绿度分量的差得到初始泥石流冲毁区影像;其次利用阈值自动提取技术将疑似泥石流冲毁区区域与其他地物分离,得到泥石流冲毁区候选区域;最后提取出水体信息和植被稀少地区,对泥石流冲毁区候选区域进行掩膜运算,得到泥石流冲毁区,并对泥石流冲毁区中的小斑块做后处理,得到相对准确的泥石流冲毁区分布范围。实验结果表明,此泥石流冲毁区自动提取模型是可行和有效的,取得了较好的结果;但对小斑块泥石流提取的精度不高,需要加强研究。     

机器油液中磨粒铁磁性甄别及检测系统研究

针对油液磨粒分析中磨粒铁磁性甄别的要求,设计了磨粒分离传感器和视觉检测系统。对磨粒在流场和磁场中受力进行了分析,提出了根据总流道和非铁磁性磨粒流动的检测信息,对铁磁性磨粒间接检测的方法。运用DPIV的方法对观测点的流场进行检测,解决了根据单幅图像准确计算磨粒的污染度的问题。最后,对系统的检测性能进行了实验验证。     

基于松鼠觅食算法优化LSSVM的泥石流预测

针对山区村镇泥石流影响因素多元复杂、LSSVM算法参数随机导致的精度不佳及陷入局部最优问题,采用核主成分分析KPCA降维、SSA算法参数寻优的方法建立LSSVM泥石流灾害预测模型。以山阳县中村镇泥石流为例,分析泥石流全域地形地貌成灾因子,对数据预处理清洗规范,利用KPCA主成分贡献率选取出6个成灾因子作为LSSVM算法的输入数据,泥石流发生概率为输出,建立泥石流预报模型,并用SSA算法进行模型参数的优化。将SSA寻优后的LSSVM预测结果与GA、GC参数寻优模型预测结果比对,结果表明SSA-LSSVM准确率达到93.2%,相比其他模型提高[4.8%-1.4%],且SSA算法优化的LSSVM模型的MAE、MSE和RMSE最小且接近于零,同时从泥石流发生的预报等级维度进行结果比对分析,结果进一步说明模型预测的精度及稳健性。本研究说明SSA-LSSVM算法可用于泥石流灾害发生概率的预测,为此类灾害预测提供了科学依据。     

基于GIS和神经网络的泥石流危险性评价系统

基于ArcEngine组件和．Net集成开发天山公路泥石流危险性评价系统,将GIS技术和神经网络集成应用于泥石流危险性评价中,发挥GIS强大的空间信息可视化管理和分析功能以及神经网络的非线性描述和分析功能,实现泥石流危险性评价的可视化管理,为工程决策者和管理人员提供一种强有力的决策支持方案。     

基于改进KPCA与混合核函数LSSVR的泥石流预测

针对引发泥石流灾害的多重影响因素而导致的预测维数灾难，以及最小二乘支持向量回归（least squares support vector regression， LSSVR）模型中选取单核函数而导致的模型训练性能部分缺陷的问题，提出了一种基于改进的核主成分分析（kernel principal component analysis， KPCA）与混合核函数LSSVR的泥石流灾害预测方法.首先，将影响泥石流发生的7种初始因子赋予权重，利用加权KPCA法筛选出3个主成分影响因子作为模型输入；然后，将局部核函数与全局核函数相结合，运用到LSSVR模型上，进行泥石流发生概率预测，以平衡样本学习能力与泛化能力，并使用果蝇优化算法（fruit fly optimization algorithm， FOA）更新模型的最优参数；最后，以磨子沟监测数据进行仿真验证.结果表明，该方法能够有效地降低维数灾难并提升预测模型精确度，在误差允许范围内预测出泥石流发生概率值及对应的预警等级，为相关决策部门提供一定的借鉴经验.     

基于FMPCE与OPF的泥石流灾害预报模型

针对目前泥石流预报模型输入数据维度较大和训练时间较长的问题,采用快速多个主成分并行提取算法选取出了6个泥石流灾害高维度影响因子,包括降雨量、土壤含水率、孔隙水压力、山坡坡度、沟床比降和相对高差。基于最优路径森林算法,以泥石流影响因子为输入、泥石流发生概率为输出,构建了泥石流预报模型。实验结果表明,本文提出的模型准确率更高,训练时间更短,为泥石流灾害预报的应用提供了新的思路。     

遗传BP神经网络在泥石流危险性评价中的应用

泥石流危险性的评价是地质灾害预测的重要研究课题之一,根据泥石流危险性评价因子,建立了遗传BP神经网络评价模型。模型利用BP神经网络的函数逼近能力,模拟泥石流某些主要评价指标与危险程度之间的非线性函数关系,实现对泥石流危险性的评价。为克服BP神经网络收敛慢、易陷入局部极小、泛化能力差等缺陷,引入遗传算法和对比分析方法优化BP评价网络的权值、阈值和网络结构。实验证明,采用所述方法优化后的BP神经网络的拟合精度、准确度、效率大幅提高,泛化能力也得到增强,该方法可作为解决泥石流危险性评价问题的一种新思路。     

Fast animation of debris flow with mixed adaptive grid refinement

Animating debris flow is one of the most challenging tasks in computer graphics, because of its complex dynamic mechanism and the interaction between flows and solids in so large scale region. The difficulty focuses on how to resolve the contradiction between lower computational load and higher request of animating quality. A highly effective method of modeling and animating of debris flow with adaptive grid is presented. First, the debris flow is modeled as Bingham plastic fluid with view‐dependent adaptive grid that is adopted to model the flow volume, and the boundless grids can cover the large scale region of debris flow. Then the mixed grids are built for confluent flows, and the two‐way coupling interaction between flows and environment is considered. After extracting the debris flow surface, adaptive surface tension combining wave particles equation is used to enhance the details and sprays are generated by particles considering the interaction between two fluid volumes. Finally, different dynamic realistic scenes with debris flow are successfully animating at interactive rates. Copyright © 2013 John Wiley & Sons, Ltd.     

基于伪卫星测试的并行计算灾害救援中心选定模型构建

泥石流具有时间和空间群发性、运动持续性、灾害链式性、类型单一性、致灾方式和受灾对象的多样性特点;灾害救援中心位置选取过程是典型的非线性不收敛问题;单纯以线性技术和约束条件为基础的模型面对复杂泥石流灾害指标的情况下,会出现较大偏差;提出基于伪卫星测试结合并行计算的灾害救援中心选定模型设计方法;以泥石流灾害为例,利用离散元法和GPU并行算法构建泥石流运动堆积模型,将沟道泥石流汇流后运动堆积特点和灾害区域当作模拟参照,对泥石流运动进行模拟,根据模拟结果,预测泥石流覆盖范围;利用伪卫星技术计算灾害扩散程度和易发点距离,在救援中心搭建费用与救援成本最低前提下,将用户选择的位置与高度作为已知条件,以期望损失最低为约束,以精度因子为标准得到救援选址的核心区域点,构建基于伪卫星测试的灾害救援中心选定模型;仿真实验表明,设计模型的选址精度和效率较高,可为泥石流灾害救援提供数据支撑。