大伙房水库水体精确提取及变化检测

利用NDWI,MNDWI,SVM及FCLS方法结合Google高分辨率影像,研究遥感影像水体信息的精确提取,对各种方法提取的面积精度进行评价,选择水体提取最优方法。FCLS提取的水体边界与Google基准影像提取的水体边界吻合度更高,FCLS方法适合大伙房水库等大型水体边界的精确提取。利用FCLS法对4月12日和27日Landsat 8影像进行分类和变化检测,水体面积增加了3.439 km~2。     

基于归一化水体指数及其阈值自适应算法的水体遥感反演效果分析

归一化水体指数（NDWI）是水体遥感反演的一种重要指标，其阈值及修正直接影响反演结果的精度。基于Landsat-8与GF-1光学多光谱影像，使用归一化水体指数法阈值0（TH₀）、最大类间方差法（OTSU）自适应阈值（TH_otsu）与均值漂移聚类算法（Mean-Shift）自适应阈值（TH_MS）分别对典型正常水体、云雾覆盖水体、富营养化水体、高含泥沙水体进行水体遥感提取与效果分析，结果表明：正常水体以TH₀为阈值提取精度最高，THMS提取精度次之，TH_otsu提取精度最差；而云雾覆盖水体、富营养化水体以及含泥沙水体使用THMS提取精度最高，尤其少量云雾覆盖下的水体，TH_MS具有更明显的优势，TH₀提取精度次之，TH_otsu提取精度最差；对于不同的阈值，Land?sat-8比GF-1总体表现出更高的水体提取精度。Mean-Shift算法应用于NDWI阈值修正与水体遥感反演具有快速、水质适应性强、效果稳定的优势，对尤其是复杂条件下的水体信息遥感反演具有较好的提取效果。     

面向对象的高分辨率影像水体信息提取研究

以昆山南部的WorldView-2影像为研究数据(全色波段分辨率为0.5 m,多光谱波段分辨率为1.8 m),基于eCognition软件平台,通过选择适宜的尺度,并结合纹理、形状、光谱等特征构建合理有效的规则集,实现面向对象的水体信息提取。利用实测结果对遥感解译结果进行形状一致性和面积一致性检验,精度分别达到89.14%和92.06%,表明利用面向对象技术从高分辨率遥感影像提取水体信息具有一定的可靠性和实用性。     

基于多种水体指数的城市碧道水体遥感提取方法对比研究

作为最常见的水体遥感提取方法之一,水体指数可用于城市碧道水体监测.基于哨兵2号遥感影像,该文分析比较了双线性插值、Gram-Schmidt(GS)全色锐化方法对于MNDWI、WI水体指数提取结果的影响,并与NDWI水体指数提取结果开展对比.各水体指数均可有效提取城市碧道水体,各项提取精度指标在80％以上,其中GS对应的...     

水库水体的最大类间方差迭代遥感提取方法

针对利用遥感影像结合经验阈值提取水体信息需要进行大量试验,难以客观地确定水体与非水体分割阈值的问题,在最大类间方差法的基础上提出了最大类间方差迭代法来优化提取水库水体信息。基于高分一号(GF-1)卫星影像数据,使用归一化差分水体指数(NDWI)法初步提取了水体信息,通过形态学膨胀算法建立缓冲区,采用多次迭代最大类间方差法计算自适应阈值,用于分割水体与非水体,从而实现水体最优提取。实例验证结果表明,提出的优化方法可以有效地消除建筑等非水体地物信息的干扰,较准确地提取水库水体信息在不同时期的特征,总体分类精度与Kappa系数较最大类间方差法提取结果分别提高了9.36%和24.09%,综合精度平均提高了10.42%。     

基于多光谱影像的水体自动提取方法比较研究

以鄱阳湖湿地及附近水域为研究区,基于Landsat OLI影像从水体错提率和面积精度两方面比较了单波段阈值法、归一化差异水体指数法(NDWI)、改进的归一化差异水体指数法(MNDWI)、新型水体指数法(NWI)提取湿地水体的效果。并针对传统提取方法中阈值难以确定的问题,引入直方图波谷法、大津法、迭代法计算阈值。结果表明:单波段阈值法的提取效果较差,3种水体指数法均能对水体进行有效提取;直方图波谷法的计算效果不稳定,不适合计算此次水体提取方法的阈值;大津法和迭代法均能较准确地计算阈值,其中大津法结合新型水体指数法(NWI)精度最高。     

基于GEE平台的黄河流域水体指数研究

黄河流域水体复杂,快速、准确地提取流域水体对黄河流域生态保护和高质量发展具有重要意义,但现有的水体指数无法满足去除遥感影像固有的山体阴影和精确提取复杂水体的要求。基于Google Earth Engine(GEE)平台和Sentinel-2影像,提出一种黄河流域水体指数(YRBWI),与归一化差异水体指数(NDWI)、改进的归一化差异水体指数(MNDWI)和阴影水体指数(SWI)进行水体提取效果对比。结果表明,YRBWI对黄河流域水体提取的效果最好,具体表现在可以解决山体阴影混淆问题,能准确提取高含沙量水体;与NDWI、MNDWI和SWI相比,YRBWI的OA和Kappa值最大,说明YRBWI的水体提取精度最高;YRBWI的水体提取精度对阈值的变化不敏感,具有较强的抗干扰性。     

基于“高分一号”遥感影像水体提取方法的对比分析

为更好地普及国产高分遥感影像在水资源领域上的应用,基于"高分一号"遥感影像针对广州市番禺区与南沙区进行水体提取,对比分析了单波段阈值法、谱间关系法与模型法的应用。结果表明,模型法NDWI为最佳水体提取模型,有效地适用于广州市水体提取,为普及国产遥感影像提取水体信息提供了方法借鉴。     

基于Landsat 8影像的地表水体指数提取方法研究——以鄱阳湖为例

为探究不同水体提取方法在鄱阳湖的提取效果,明确不同水体指数的影响因素和适用范围,以鄱阳湖主湖区Landsat 8遥感影像为基础,构建归一化差异水体指数（MNDWI）、自动水体指数（AWEIsh）、WI2015指数以及浮游藻类指数（FAI）对水体信息进行提取,并采用Sentinel-2 MSI卫星影像人工目视解译的成果验证各项指数提取精度。结果表明：Landsat 8影像能够支持大范围复杂地形水体提取研究,可以为水体提取提供丰富的地物光谱信息。四种水体指数在基于阈值提取的情况下,MNDWI指数提取水体的精度最高为95.50%、Kappa系数为0.870 8,能较好的去除大气影响,适用于各种典型区域、效果最佳。AWEIsh精度仅次于MNDWI指数,且在提取内陆湖泊方面优于MNDWI指数,在后期的研究中对于内陆湖泊范围较大的区域水体提取可以作为补充指数。     

组合多元线性回归模型在径流预测中的应用研究

为提水文预测预报精度,研究提出混合蛙跳算法(SFLA)-组合多元线性回归(CMLR)径流预测模型。首先基于主成分分析(PCA)数据降维和不降维构建CMLR模型;然后利用SFLA同时优化CMLR常数项、偏回归系数和组合权重系数,建立SFLA-CMLR径流预测模型;最后将SFLA-CMLR模型应用于2个年径流预测实例,并构建基于PCA降维处理的SFLA-PCA-MLR、SFLA-PCA-支持向量机(SVM)、最小二乘法(LS)-PCA-MLR、PCA-SVM和未经降维处理的SFLA-MLR、SFLA-SVM、LS-MLR、SVM作对比预测模型。结果表明:SFLA-CMLR模型对2个实例年径流预测的平均相对误差分别为1.54%、4.63%,预测精度均优于SFLA-PCA-MLR等8种模型,具有较好的预测精度和泛化能力。     

支持向量回归在贮灰坝渗流监测中的应用

鉴于支持向量机在机器学习方面表现出的良好性能，提出了基于支持向量回归（SVR）算法的贮灰坝渗流监测模型。采用基于平行网格搜索的交叉验证法选择模型参数，避免了参数选择的盲目性、随意性，提高了预测精度。实例分析表明，该渗流监测模型与传统的神经网络（反向传播（BP）网络、径向基核函数（RBF）网络）模型相比，具有预测精度高、泛化能力强等优点，能够快速、准确地预测出指定位置的测压管水位，对贮灰坝水头预报和电厂的安全生产具有实用价值。     

基于遗传算法的支持向量机在径流中长期预报中的应用

支持向量机在径流中长期预报的应用中,普遍采用网格搜索法率定其参数,存在耗时较长、参数选取不当而导致预报精度低等问题,针对该问题提出了一种基于遗传算法的支持向量机模型,该模型结合遗传算法收敛速度快的特点对支持向量机参数进行优化选择,实现参数的全局自动化选取。应用乌江流域某电站的径流预报结果显示,相对于基于网格搜索参数寻优的支持向量机模型及神经网络模型,基于遗传算法参数寻优的支持向量机模型预报精度更高,泛化能力更强。更多还原     

基于支持向量机的水电机组状态趋势预测研究

趋势预测是水电机组状态监测与故障诊断系统中的重要内容之一，对保障机组安全稳定运行具有重要意义。针对水电机组振动的非线性、非平稳特性，提出将最小二乘支持向量机应用于水电机组振动状态趋势预测；并将该算法应用于某水电机组振动序列峰峰值的预测，与BP神经网络的预测结果的对比表明：最小二乘支持向量机算法更适合于水电机组状态趋势预测分析。     

基于FCM-LVQ网络模型的疏勒河流域水安全评价

疏勒河流域水安全状况对祁连山脉的生态安全具有重要影响。针对疏勒河流域水安全问题,提出一种环境-生态-监管-治理模型,构建出祁连山脉内陆河流域水安全评价指标体系,通过模糊C-均值聚类分析(FCM)法结合专家打分法对指标数据进行处理,运用学习向量量化(LVQ)网络模型得到疏勒河流域水安全评价等级,并与单纯使用LVQ神经网络和BP神经网络的评价结果进行对比,以验证评价模型的实用性。结果表明:疏勒河流域水安全状况2013年表现为不安全,2014-2016年表现为基本安全,2017-2019年表现为安全,整体呈现为逐渐上升的趋势,这与流域内实际情况是相符的。另外,FCM-LVQ网络模型在运行速度及评价结果精度上明显更优于另外两种网络模型,可在流域水安全评价中推广使用。     

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PCA-SHO-SVM和PCA-SHO-BP模型的径流预测

为提高径流预测精度,研究主成分分析(PCA)、斑鬣狗优化(SHO)算法与支持向量机(SVM)、BP神经网络相融合的预测方法.在样本数据筛选上选取PCA方法进行数据降维,使数据样本简洁且更具代表性.利用SHO算法优化SVM关键参数及BP神经网络权阈值,分别提出PCA-SHO-SVM、PCA-SHO-BP径流量预测模型,并...     

基于CEEMDAN-BA-SVR-Adaboost模型的白水河滑坡位移预测

为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及由IMF分项构成的波动项。首先采用BP神经网络对趋势项位移进行预测,随后利用CEEMDAN-BA-SVR-Adaboost模型对波动项进行预测,并将预测结果与CEEMDAN-PSO-SVR-Adaboost、CEEMDAN-BA-BP-Adaboost、CEEMADAN-BA-SVR、BA-SVR-Adaboost模型预测结果进行对比分析,验证本模型在位移预测方面的优越性。此外,利用CEEMDAN-BA-SVR-Adaboost模型对ZG118波动项位移进行预测,同时计算ZG93监测点最终累计预测位移。结果表明,对白水河滑坡位移进行预测时,CEEMDAN-BA-SVR-Adaboost模型具有较高的准确性和适用性。     

应用光滑支持向量机预测汉江流域降水变化

统计学降尺度方法是国内外研究全球气候模型尺度降解的热点问题。研究和探讨了基于光滑支持向量机的统计学降尺度方法;建立大尺度气候观测资料和实测降水之间的统计关系;模拟和预测汉江流域降水变化,并同传统的多元线性回归分析方法相比较。结果表明,基于光滑支持向量机的统计学降尺度方法的模拟精度不仅高于多元线性回归分析方法,而且明显优于CGCM2气候模型的输出降水结果。     

给水管网实时故障诊断的支持向量机模型

为实时诊断给水管网故障,提出了一种基于支持向量机(SVM)的宏观关系模型,用以建立实时监测故障前后给水管网3个节点的水压变化与管网中其他所有未监测节点水压变化的非线性关系,通过对水压变化和等值线分析,可以快速和准确地诊断出故障位置和故障程度.最后,运用给水管网局部破坏状态下水力分析的算法求解一个小型给水管网.     

Water Quality Prediction of Gangapur Reservoir (India) Using LS‐SVM and Genetic Programming

Water quality analysis involves analysis of physio‐chemical, biological and microbiological parameters that reflect the abiotic and biotic status of ecosystems. This assessment facilitates planning for the utilization, antipollution and conservation strategies for sustainable use of aquatic ecosystem. Many mathematical models are available for predicting water quality. They have complex structures and require detailed information about sources and receptors, which are difficult and non‐economical. Difficulties in applying mathematical models promote the application of alternative approaches for data‐driven techniques for analysis of the results. The present study focuses on water quality predictions for the Gangapur Reservoir for a 30 days in advance scenario, using genetic programming (GP) and least square support vector machines (LS‐SVMs). A data period of 11 years (2000–2011) of Gangapur Reservoir temporal water quality was evaluated. The data were taken from a single sampling point representing climatological, hydrological and surface water quality measurements. One of the most important steps in application of data‐driven technique is selection of significant input parameters. Genetic programming equations were used for selecting significant input parameters. These significant input parameters are used for 30 days advance predictions of faecal coliform. A performance analysis of GP and LS‐SVM models was carried out with the help of coefficient of determination, root‐mean‐square error and correlation coefficient. In the absence of availability of data, a typical situation for Indian case studies, the model runs were conducted with the use of available parameters. The developed models, along with their performance indicators, also are discussed.