基于Landsat影像的赤峰市城区扩张时空变化及驱动力分析

选取赤峰市区2003、2009、2013和2018年的Landsat TM/OLI遥感影像,利用支持向量机法分类法提取4个年份的中心城区,结合GIS空间分析方法研究城区扩张强度、速度在时间尺度下的变化趋势。结果表明:2003～2018年间,赤峰市中心城区由高速扩张转向低速发展,城镇化率由3.89%上涨至20.55%。     

广东省土地覆盖变化及主要城市扩张分析

文章基于Landsat影像,采用支持向量机的监督分类法分析2000-2020年间的广东省土地覆盖变化情况,并选取省内不同区域的主要城市分析其2000-2020年的发展规律.结果表明:1)广东省20年内的土地覆盖格局变化较为显著,林地、耕地与居住及建设用地为主要的3种土地覆盖类型,3种地类总占比20年内均在86％左右;2...     

基于支持向量机的露天矿边坡地表变形预测

在充分考虑露天矿边坡地表变形影响因素复杂性的前提下,基于丰富的地表变形监测资料,建立了露天矿边坡地表变形预测的支持向量机（SVM）模型,并采用遗传算法对核函数和惩罚因子进行确定.将该模型应用于抚顺露天矿边坡地表变形的预测,预测结果最大误差为3.014 cm,表明该模型是定量预测露天矿边坡坡肩地表变形量的一种有效方法.     

基于PCA-GA-SVM模型的地表下沉系数预测

为解决地表下沉系数难以精准预测的问题,提出了基于主成分分析(PCA)的遗传算法(GA)优化的支持向量机(SVM)模型。利用主成分分析法对45个矿区的7个地表移动参数影响因子进行降维,提取出新的主成分,同时通过遗传算法获取能够优化支持向量机的最优惩罚参数和最优核函数参数,将主成分输入优化后的支持向量机,对比地表下沉系数的预测值与真实值之间的差距,计算平均相对误差,并与SVM,PCA-SVM,GA-SVM 3种模型的平均相对误差对比。结果表明：PCA-GA-SVM模型的平均相对误差可以达到7.01%,精度更高,更能准确地预测地表下沉系数。     

基于RS和GIS的重庆市高新区直管园土地覆被更新变化分析

重庆市高新区作为重庆最新规划重点建设区域,归属科学城范围,近年此区域土地覆被更新迅速,因此,定期分析其变化趋势对生态评估具有重要意义。文中以重庆市高新区直管园2000年和2020年两期Landsat TM影像为数据源,采用支持向量机的分类方法对影像进行分类,对获得两期土地利用数据做土地覆被转移矩阵和土地覆被动态度分析。结果表明,20年间该区域土地覆被变化较大,主要表现为:建筑用地、道路、草地和未利用裸地呈增加趋势,其中,建筑用地增长速度最快,年增长率达到2.94%;耕地、林地和水域面积不断减少,耕地面积减少最多,减少面积达102.64 km^(2);土地覆被动态度为1.9%,研究期间其土地覆被更新趋势较快。     

基于高分辨率影像的江北区土地利用变化监测

以2005年和2006年两期SPOT影像,结合06年土地利用变更调查成果,进行宁波市江北区的土地利用变化监测研究。本文重点介绍了直接影响土地利用变化信息提取精度的遥感影像几何校正和相对辐射校正方法,在对遥感影像数据处理基础上,叠加土地利用现状数据,以人机交互的方式进行土地利用变化信息的提取,通过对监测结果的分析,验证了利用高分辨率影像实现土地利用变化监测的可行性。     

基于GA和LS-WSVM矿区地表下沉系数预测

 针对传统方法中预计地表下沉系数存在的缺陷。以我国典型的地表移动观测站数据为例,采用启发式算法遗传算法进行参数寻优,提出将小波理论与最小二乘支持向量机结合而成的最小二乘小波支持向量机的方法对地表下沉系数进行预测。实验结果表明,与改进的BP神经网络和PSO-SVM两种方法相比,基于GA和LS-WSVM矿区地表下沉系数预测方法收敛速度更快,精确度更高。     

基于PSO-SVM算法联合数值模拟的红岭铅锌矿地表移动带圈定

为了更加准确圈定红岭铅锌矿地表移动带,依据PSO-SVM算法与数值模拟联合确定红岭铅锌矿各矿体移动角。统计国内外30个崩落法矿山的地质特征数据,选取矿体上下盘围岩性质、上下盘围岩稳固程度、矿体倾角、矿体厚度以及开采深度共5种因素作为模型的输入参数,矿体上下盘移动角作为输出参数,基于PSO优化算法建立崩落法矿山移动角预测模型。采用前处理软件HyperMesh对矿区进行高精度建模,并导入有限差分法软件FLAC~(3D)之中,利用数值模拟分析了地表移动变形。结果表明,利用PSO-SVM算法与数值模拟得出的移动角基本吻合,相互验证。最终确定红岭铅锌矿1~#、1-1~#、2~#矿体的上下盘移动角,由此得出红岭铅锌矿地表移动带范围。为圈定金属矿山地表移动带提供了一种可靠的方法。     

"珠海一号"与Landsat影像的土地变化监测与预测

随着"十三五"计划的提出,国家经济的高速发展,我国的土地利用结构发生了很大变化,农耕用地数量迅速减少,建设用地数量逐渐增加.快速、精准地获取土地利用现状信息并进行预测关系着城市总体规划的发展与实施."珠海一号"特色的高光谱数据在土地资源调查中发挥着重要的作用.为了进行土地利用变化监测与预测,文中获取了2009年、2014年Landsat影像和2019年"珠海一号"高光谱影像,采用了结合NDVI指数的CART决策树分类方法对鞍山市部分地区的水体、耕地和建设用地等进行分类,通过分类后,比较法得出鞍山市部分地区土地利用变化情况,随后采用神经网络对鞍山市部分地区2019年土地利用情况进行预测,并与"珠海一号"分类数据进行对比,总体精度达到90％以上.     

基于SVM的采区地表沉陷预测与分析

针对现有地表沉陷预测方法在处理岩体运移过程中的非线性与不连续性时的不足,考虑地下开采引起的地表沉陷的众多影响因素,基于支持向量机对地表沉陷的最大值进行了预测,以地表最大沉陷值为因变量,以采厚、煤层倾角、采深、开采长度、开采宽度和覆岩特性等为自变量,得出了地表最大沉陷值的预测模型。并采用平均影响值（MIV）方法对各影响因素的重要度进行了排序。结果表明：校正模型的相关系数R2＝0.99166,校正误差均方根MSE＝0.00188,模型的预测精度满足实际工作所需;MIV法分析结果表明,采厚、倾角、覆岩岩性三者的影响作用最为明显。     

基于多源遥感监测的煤矿开采沉降及矿区环境变化分析

煤矿的开采会导致地面下沉、塌陷,从而对植被、农作物等矿区环境造成影响。采用多源遥感手段,对矿区地表变化及矿区环境及时监测具有重要的作用。由此,以平顶山煤矿为例,采用InSAR技术,使用43景Sentinel-1A影像获取煤矿开采区的形变情况;针对因煤矿开采而导致的地表环境变化,采用Landsat 8光学影像使用支持向量机和随机森林方法提取地表覆盖情况。研究结果表明：D-InSAR技术可以快速判断沉陷区域的大致范围,而Stacking-InSAR和SBAS-InSAR技术则可以反演出研究区的形变速率和时序形变数值,在研究内区形成量级、范围大小不一的沉降漏斗,耕地面积的变化与煤矿的开采力度呈负相关、植被的面积从减少到增多。此结果对煤矿开采区的沉降范围、形变数值及生态环境修复具有一定的参考意义。     

基于U-Net卷积神经网络的遥感影像变化检测方法研究

针对目前遥感影像传统变化检测方法中存在的影像预处理技术要求苛刻、部分环节需采取人工干预、难以做到信息提取自动化、难以处理海量多源数据等问题,基于深度学习卷积神经网络方法,进行U-Net网络模型在遥感影像变化检测中的应用研究。以水体为例,利用该方法对两时相的遥感影像进行变化检测,通过对比基于支持向量机（SVM）的分类后比较法后发现,在给予大量充分训练数据的情形下,利用该方法对试验数据进行变化检测,得到的卡帕系数Kappa为088,总体精度为9706%,相比传统方法精度有所提升,说明本文方法进行变化检测有一定的可用性。研究可为自然资源调查管理提供极强的现势性数据,对开展自然资源管理工作的动态监测提供一个可行的方案。     

基于支持向量机模型的地表下沉系数计算参数寻优

为准确快速地对地表下沉系数进行预测分析,提出基于支持向量机(SVM)的地表下沉系数的SVM预测模型,结合我国典型的地表移动观测站实际案例,分别采用网格参数寻优算法、遗产算法(GA)、粒子群算法(PSO)对SVM模型进行参数寻优,并采用考虑交叉概率的改进GA算法对地表下沉系数进行预测.结果表明,改进的GA算法预测回归系数可达到0.95271,适合地表下沉系数预测分析,预测准确率最高.     

自燃煤矸石山的遥感识别——基于Landsat 8热红外波段地表温度反演数据

自燃煤矸石山的准确识别和温度影响范围圈定是矿区安全生产、生态修复的关键,煤矸石山自燃过程中表现出的地表温度异常成为其最明显的特征。如何在较大区域尺度快速识别自燃和潜在自燃的煤矸石山,对于自燃煤矸石山治理与防患工作有效开展至关重要。以Landsat 8 TIRS为数据源,利用大气校正法反演获取山西省阳泉市2018年冬季和2019年夏季两天的地表温度,同时利用监督分类法获得的高精度土地利用类型图去除了水体、植被和建筑用地。对得到的包含裸地、煤矸石山的地表温度区域使用阈值分析法,获得了2018年冬季地温异常区域温度范围为11.75~22.12 ℃,2019年夏季地温异常区域温度范围为32.41~43.31 ℃。利用已知的42座自燃矸石山进行验证,结果表明：2018年冬季和2019年夏季分别能够识别出的自燃煤矸石山有32座和27座,精度达到了76.19%和64.28%。基于上述提取结果对自燃煤矸石山的影响边界和范围进行了划定,结果表明:自燃煤矸石山的高温影响范围超过500 m。研究结果可为矿区自燃煤矸石山识别提供参考。     

数据预处理对基于LSSVM的GPS高程拟合的影响

分析了基于最小二乘支持向量机(LSSVM)的GPS高程拟合中样本数据预处理的必要性,列举了归一化、标准化和中心化3种数据预处理方法。通过算例对比分析不同数据预处理方法对基于LSSVM的高程拟合精度的影响,并通过选取不同的核函数来拟合分析,与RBF神经网络、三次曲面拟合模型进行比较,得出实际应用的一些结论。     

利用煤的工业分析计算元素分析的DE-SVM模型

以大量的煤质化验数据为基础，采用基于差分进化算法的支持向量机方法建立了利用工业分析计算元素分析的预测模型。结果表明,与其他模型相比，该模型具有更高的预测精度，且适用于更宽的煤质范围。     

新疆鄯善县土地利用/覆盖变化及驱动力分析

采用鄯善县1996~2005年统计数据结合调查数据,对鄯善县1996~2005年间的土地利用/覆盖状况及其动态变化在时间序列和空间序列上加以分析,对研究区9年间土地类型变化的驱动力进行分析,建立驱动因子指标体系,并运用DPS统计软件对13个驱动因子进行相关性分析,得出13个与各土地类型面积变化相关性系数,进一步分析这些驱动因子与土地类型变化的关系,为鄯善县的生态环境问题提出相应的对策建议。     

基于小波分析-支持向量机的风机故障预测

提出了基于小波分析和支持向量机的风机故障早期预测方法。通过小波分解,将风机原始振动时间序列依尺度分解到不同层次,对每层分别采用支持向量机（SVM）预测,最后合成得到原始序列的预测值。对某铝厂排送风机的运行状态进行预测,并与其它预测方法进行了对比,结果表明该方法预测精度更高。应用该预测方法可合理安排维修时间,减少维修费用。     

基于小波包分析和最小二乘支持向量机的电机转子故障诊断研究

采用小波包分析和支持向量机来诊断电机故障。针对电机中常见的故障,如电机振动故障,电机转子断条故障,电机转子偏心故障等,进行频谱分析,提取故障信号在动态条件下各频带能量作为故障特征向量。构建多个最小二乘支持向量机组成的多值故障分类器,将故障特征向量作为学习样本,并且输入支持向量机进行训练,分类器可以建立故障特征向量和故障类型的映射关系,从而达到电机故障诊断的目的。