支持向量机在变形监测数据处理中的应用

支持向量机是基于统计学习理论的结构风险最小化原则的数据挖掘新方法，它将最大分界面分类器思想和基于核的方法结合在一起，具有很强的泛化能力，能保证所得解是全局最优解。文中简要介绍了支持向量机的基本原理及其在变形监测数据处理中的应用，论述了如何利用支持向量机进行建模和预报。通过对某大坝变形监测的连续观测数据的计算分析，论证了支持向量机在变形监测中应用的可行性和有效性。     

基于最小二乘支持向量机的ET0模拟计算

参考作物蒸散量 （ET0） 有多种计算方法。本文将ET0看作是气象因素的复杂非线性回归,以日最高温度、最低温度、平均风速、太阳辐射以及相对湿度5个气象因子不同方式的组合作为输入数据,以FAO56 Penman-Mon?teith公式计算的结果作为预测校准值,建立了最小二乘支持向量机模型。选取河套地区临河气象站2005年逐日气象数据进行训练与验证,并将模拟结果同其他常用ET0计算公式的计算结果进行对比研究。结果表明最小二乘支持向量机能够很好的反映ET0同气象因素之间的非线性关系,模拟计算精度高,但随着气象因素个数的减少模拟精度有所下降。当基于温度和辐射条件计算时,最小二乘支持向量机模拟计算结果较Priestley-Talor公式计算精度更高,当基于温度条件计算时,温度较低时最小二乘支持向量机的模拟精度高于Hargreaves公式。     

基于GPRS网络的输电线路绝缘子污秽在线遥测系统

研制了一种基于通用分组无线业务（GPRS）通信网络的监测线路绝缘子污秽状况的新系统，简述了其系统构成、技术特点和应用效果。并给出了监测分机的硬件和软件的具体设计方法。借助在线监测系统对运行绝缘子进行了一系列的试验，结果表明，当不同污秽等级的绝缘子的环境湿度增大时，其泄漏电流增加幅度有很大差异；专家软件引入模糊控制算法，部分开放报警模型，提高了绝缘子污秽判断的准确性，从而及时指导绝缘子的清扫工作。     

高海拔地区500kV线路绝缘配合设计中导线绝缘子片数的选择

文章主要根据高海拔地区线路经过的污秽等级,通过泄漏比距计算出了工频电压条件下所要求的绝缘子片数,并进行海拔修正,然后根据操作过电压及雷电过电压对该绝缘子片数进行复核,最终确定导线绝缘子片数.     

基于相空间重构和支持向量机的电能扰动分类方法

电能扰动的分类需要信号特性提取和分类器构造2个阶段，文中采用相空间重构和支持向量机的组合，提出了一种全新的电能扰动信号的分类方法。首先利用相空间重构方法构造扰动信号轨迹，通过编码获得二进制轨迹图像。针对该图像定义了4类具有区别性的指标，以表征不同扰动类型的特性。然后将特性指标作为支持向量机分类器的输入矢量，实现自动分类识别。算例表明该方法计算量少，正确率高，所需训练样本少，可以有效分类识别电压暂降、电压瞬升、电压中断、脉冲振荡、谐波、闪变等6种电能扰动。     

支持向量机在混凝土CT图像分析中的应用

本文引入支持向量机的理论,对混凝土圆柱体试件一个扫描断面的5个应力阶段的CT图像进行了分析,对图像的各组成部分进行了分类,获得了清晰的裂纹、孔洞区域,砂浆区域和骨料区域的空间位置分布.从支持向量机分类图中可以看出裂纹或孔洞区域的大小分布随应力的变化过程,表明混凝土试件经历了压密、扩容、CT尺度裂纹扩展贯通至最后破坏的过程.与用传统的统计方法研究混凝土CT图像相比,支持向量机法不仅可以反映出材料的空间分布,同时使复杂的CT数分布对应转换为三类数的分布,简化了下一步统计分析.     

支持向量机在吉林西部地下水环境质量评价中的应用

根据支持向量机(SVM)的原理和特点,设计了多层次分类器,改进了支持向量机的分类算法,将该方法应用于吉林省西部地区的地下水环境质量评价,并将该评价结果与当前常用评价方法的评价结果进行对比分析,评价吉林西部地下水环境质量现状。     

基于机器学习的小流域土壤侵蚀量检测方法

目前的土壤侵蚀量检测方法对于土壤侵蚀程度的分类精度较低,因此提出一种基于机器学习的小流域土壤侵蚀量检测方法。首先对采集到的图像进行预处理,主要包括灰度化、去噪、分割、形态学处理等一系列操作,为后期的支持向量机分类打下基础。提取出小流域土壤侵蚀图像特征及类型因子,在检测过程中引入支持向量机构建一种新土壤侵蚀分类模型,利用最优超平面对数据进行归一化,实现土壤流失情况分类。为验证所设计的检测方法的有效性,选择某研究区进行实验。侵蚀量分类检测的实验过程根据研究区的相关参数完成建模并进行分类检测,为验证设计检测方法的有效性,选择传统检测方法作为对照。实验结果表明,设计方法的检测分类结果更加接近实际值,验证了设计方法在小流域土壤侵蚀量分类检测中的有效性。     

融合灰度变换和空间滤波的形态学红外图像增强算法

针对红外弱目标图像对比度差、信噪比低等特点,提出了一种结合局部线性变换和空间滤波数学形态学的红外图像弱目标增强方法.该方法采用局部线性变换对图像进行局部灰度拉伸,利用数学形态学方法对图像数据进行简化,较好地保持了目标的基本形状和边缘,同时去除不相干的信息,提高了图像的对比度和信噪比,有利于后续的图像分割.     

基于支持向量机的混凝土强度预测

支持向量机是建立在统计学理论之上的机器学习技术。提出了混凝土28 d抗压强度预测的一种新方法,即支持向量机回归方法。该方法根据有限的学习样本,建立了各种影响因素和混凝土抗压强度之间的一种非线性映射,可以对混凝土强度进行预测。以实际样本数据进行训练,并对测试样本进行了预测。预测结果表明,支持向量机方法有着良好的泛化能力,优于人工神经网络建模方法。     

某土工膜堆石坝帷幕后水位偏高成因初步分析

某土工膜堆石坝的坝基防渗体系包括趾板及坝基帷幕,帷幕后实测水位偏高,与上游水位连通性较强,需要对其成因进行分析。基于渗流观测资料建立回归模型进行初步分析,运用正交试验设计和渗流有限元计算生成训练样本,对各影响因素进行敏感性分析。借助支持向量机在小样本中的高度非线性映射能力,建立渗流参数与渗压水位的对应关系。采用遗传算法对支持向量机模型进行参数优化,以支持向量机预测值与实测值误差作为适应度值,对坝基地层和防渗体各区域渗流参数进行优化搜索,并将反演结果进行反馈计算验证。结果表明,基于支持向量机-遗传算法反演渗流参数是可行的,帷幕后渗压水位偏高由趾板与帷幕间的裂缝及坝基渗流各向异性综合引起,可针对上述薄弱部位进行工程处理以降低幕后水位。     

基于视频图像获取冰面特征的自动检测算法研究

基于船基或岸基平台拍摄视频图像,来获取冰凌块体几何参数的方法越来越成熟,而冰凌块表面特征信息提取还在发展之中。其技术难点在于如何自动化地处理批量图像,以提高工作效率。本文以船基图像中提取北极海冰表面融池分布信息参数为例,首先讨论了阈值法、K-means聚类算法、分水岭分割、支持向量机和随机森林算法提取冰面特征值的优缺点;然后对海冰表面特征检测开源算法OSSP进行改进,成功地将其应用到区分海冰图像中的冰雪、开阔水域与融池等表面特征;最后利用北极现场海冰图像及其他方法处理的结果进行对比,验证改进方法自动化地处理图像的可行性。发现本改进方法是自动提取船基海上流冰和岸基河冰流凌视频图像中冰面特征参数的一种潜在新方法。     

支持向量机在大坝渗流监测中的应用

支持向量机是基于统计学习理论的小样本学习方法,是一种处理高度非线性分类回归等问题的新方法,它能较好地解决小样本非线性高维数,避免了神经网络无法解决的局部极小问题.本文简要介绍了支持向量机的基本原理及其在渗流监测数据处理中的应用,论述了如何利用支持向量机建立大坝渗流统计模型和预报.通过对云龙水库渗流监测连续观测数据的计算和分析,并与RBF神经网络预测结果进行比较,证明支持向量回归机在渗流监测中比RBF神经网络预测精度更高,具有良好的泛化能力.     

基于光学和雷达图像的土地覆被分类

为寻求一种有效的提高多源遥感数据土地覆被分类制图精度的方法,探讨了融合HJ1B和ALOS/PALSAR图像进行遥感图像分类制图的方法。在对光学图像HJ1B和雷达遥感数据ALOS/PALSAR进行离散小波融合的基础上,应用分类决策树CART(Classification and Regression Tree)算法对融合的图像进行了土地覆被分类制图,并将其分类结果与支持向量机SVM（Support Vector Machine）分类结果进行对比。研究结果表明：将光学和雷达图像数据进行离散小波融合,采用分类决策树CART和支持向量机SVM进行图像分类,CART的分类精度要优于SVM的结果。可见,在光学图像HJ1B和雷达数据ALOS/PALSAR融合的基础上,应用CART能有效进行地物识别,提高图像的分类精度。     

支持向量机模型在电站闸坝沉降变形预测中的应用

本文结合支持向量机模型,建立多元自回归方程对辽宁东部某电站闸坝沉降变形进行预测,并结合闸坝沉降变形监测点监测的沉降数据对模型进行验证。结果表明:支持向量机模型可用于电站闸坝沉降变形预测,模型预测的沉降值和监测点沉降监测值年尺度和月尺度的相对误差均在20%以内,预测沉降值和监测沉降值之间的绝对误差小于1.5mm,且支持向量机模型可准确预测闸坝沉降的变化趋势。研究成果对于闸坝除险加固中沉降预测提供较好的方法参考。     

基于支持向量机模型的湘江枯水预报研究

随着枯水期水资源短缺问题日益突出,人们对枯水径流的研究也越来越重视.运用支持向量机模型对湘江湘潭站年最小7 d平均流量进行预测.为了检测预报效果,将其预报结果与投影寻踪模型、人工神经网络模型的预报结果进行比较,表明支持向量机模型的误差合格率最高,预报精度也最高.     

基于多分辨率SVM回归估计的短期负荷预测

针对短期负荷预测支持向量机（SVM）方法的局部逼近能力和泛化能力进行研究，将多分辨率支持向量机（M-SVM）用于短期负荷预测中节点负荷预测曲线的回归估计。该理论在保持曲线总体逼近能力的同时提高了局部区域的逼近能力。文中根据短期负荷预测的具体特点，设计了负荷预测数学模型，采用96条回归曲线进行日负荷的曲线预测，并在该模型的基础上采用实际数据进行验证，分析了这种回归模型的泛化能力。实验结果表明M-SVM模型在预测精度和预测速度方面具有优良的特性。     

基于PSO-SVM的来水量预测模型

由于中小河流径流量复杂的变化特征,来水量有效预测模型建立较为困难,建立来水量预测的支持向量机模型,并对支持向量机进行了优化,选取河流径流量的数据样本对模型进行训练与预测,与实际值进行比较,同时用BP神经网络模型对相同的数据样本进行预测,并对两种模型的预测数据进行分析比较,结果表明,改进的支持向量机(PSO-SVM)具有较高的预测精度。     

人工免疫算法优化双支持向量机在拱坝变形预测中的应用

为了能够通过监测数据直观反映出坝体是否处于稳定运行状态,采用人工免疫算法优化的双支持向量机方法,对高拱坝变形数据进行了拟合预测分析,双支持向量机与标准支持向量机相比极大地提高了计算速度,在进行批量重复计算中计算效率明显提升。针对双支持向量机计算结果受参数影响较大且参数多的问题,引入人工免疫算法搜寻双支持向量机参数,人工免疫算法在遗传算法的基础上保留了一定数量的较优解,提升了算法的搜索效率。工程算例分析表明,参数对双支持向量机结果影响较大,通过人工免疫算法搜寻最优参数后,双支持向量机能够较好地拟合拱坝坝体变形数据,预测结果符合工程精度要求,最大误差仅为1 mm左右。     

基于支持向量机的水资源短缺风险评价模型及应用

本文阐述了支持向量回归机的算法原理，将风险评价归纳为一个支持向量回归问题，建立了基于支持向量机的水资源短缺风险评价模型和方法。采用风险率、脆弱性、可恢复性、事故周期和风险度等作为区域水资源短缺风险程度的评价指标，建立了综合评价体系。本方法应用于闽东南地区的水资源短缺风险评价，评价结果显示：到2010水平年，闽东南地区的水资源短缺风险较高，需要采取风险调控措施。