支持向量机、随机森林和人工神经网络机器学习算法在地球化学异常信息提取中的对比研究

地球化学勘查是通过发现异常、解释评价异常进行找矿的。因此,地球化学异常识别对矿产资源的定位、定量预测具有重要的的指示作用。在大数据时代的背景下,机器学习方法不要求数据满足正态分布的分布形式,且具有非线性以及泛化能力强等特点,因而逐渐地被应用于矿产资源的定量预测评价,如神经网络、支持向量机、贝叶斯网络、随机森林、受限玻尔兹曼机、极限学习机等。本文通过设计理论实验,可视化了不同算法,提出了不同机器学习方法在不同地区的地球化学异常信息提取中的效果存在不一致性的假设。在此基础上,以湖南香花岭锡多金属矿整装勘查区及甘肃合作金矿整装勘查区的地球化学异常提取为研究内容,将人工神经网络、随机森林以及支持向量机应用于研究区地球化学异常信息的提取与识别工作。在香花岭研究区,人工神经网络的结果较好,在合作研究区,随机森林的结果较好,从而验证了上述假设。通过生成两研究区的地球化学异常图,讨论了该方法在两研究区地球化学异常的地质意义和该方法的可靠性与实用性。此外,还完善了基于多种监督机器学习方法的地球化学异常信息提取流程,为软件开发提供了一定的理论依据。     

基于GIS和人工神经网络的区域贫困化空间模拟分析--以贵州省猫跳河流域为例

我国西南喀斯特地区山高坡陡, 地形破碎, 生境脆弱, 水土流失严重, 是我国典型的极贫困 代表区域之一。本文选择贵州省猫跳河流域作为研究区, 以乡镇为基本单元, 应用GIS 和ANN 技 术, 模拟区域自然致贫因子和消贫因子的空间分布, 计算各乡镇的贫困度, 揭示区域贫困的空间 分布格局, 以期为指导研究区早日脱贫及生态重建提供科学依据。结果表明, 地形、土壤侵蚀等自 然要素是主要的致贫因子, 而社会经济要素是缓解贫困的因子。贫困度较小的乡镇主要分布在研 究区的中部和东部, 贫困度较大的乡镇主要分布在研究区的南部和北部边缘。可见, 应用人工神 经网络模拟区域贫困化简便、实用, 避免了传统的单纯依靠统计数据进行贫困化研究的做法, 是 一种可行的方法与技术途径。     

利用卫星资料反演月平均近海面气温和湿度

为弥补广阔海面上气象参数的观测数据的不足,利用专用成像传感器SSM／I和红外辐射计AVHRR资料进行近海面气温和湿度的反演,首先分析与近海面气温和湿度关系比较密切的几个气象因子及其相关性,并采用神经网络建立近海面气温和湿度与它们之间的关系,利用训练好的网络模型反演月平均近海面气温和湿度,并与TAO和NDBC提供的浮标及观测站的实测数据进行比较,近海面气温和相对湿度的均方根差分别为0．87℃和3．73％。低纬度反演的结果精度较高,达到0．53℃（气温）和2．03％（相对湿度）;较大的误差（气温1．06℃、相对湿度3．85％）主要发生在近岸和高纬度区,因为近岸的地形比较复杂,并且很容易受陆地气候的影响;高纬度地区的气候变化比较剧烈,同时目前能得到的高纬度地区的实测资料比较少,这些因素都会影响反演结果的准确度。     

基于ANN-CA模型的土壤侵蚀时空演化分析

土壤侵蚀是中国乃至世界的主要环境问题之一。到目前为止,应用于土壤侵蚀研究的模型仅仅能够做一些事后的预报,并不能实现真正意义的土壤侵蚀预报,更不能反映土壤侵蚀的时空演化规律。本研究利用元胞自动机强大的空间动态模拟功能,建立了土壤侵蚀的元胞自动机模型,实现了对研究区2010年土壤侵蚀类型的空间预测,从微观的元胞状态的变化,反映了研究区土壤侵蚀的宏观变化规律。利用2000年计算出的土壤侵蚀强度类型与模拟的2000年土壤侵蚀强度类型对比,评价了土壤侵蚀强度预测的准确率,并对准确率相对较低的类型分析了原因,增加各个土壤侵蚀类型的训练样本,改进土壤侵蚀强度类型的分类标准,将大大提高ANN- CA模型的精度。同时指出,本研究建立的模型可以推广到其他土壤侵蚀区的预测研究。     

人工神经网络技术在海底沉积物声速预报中的应用

海底沉积物物理力学若干项参数与其声学性质存在着一定的关系.用回归拟合方法获得海底沉积物声速预报方程存在不足,难以获得3参数以上的声速预报方程.采用人工神经网络智能方法,建立了多参数声速预报神经网络模型.研究表明:2参数神经网络模型的预报误差比相应的2参数回归模型小,3参数神经网络模型的预测精度要高于2参数神经网络模型.为海底沉积物的声速预报提供了一条新途径.     

浮游植物密度的人工神经网络预测研究

将人工神经网络模型应用于藻类密度数据的预测计算之中,并利用遗传算法对其网络结构进行优化计算以保证计算结果的准确性且自动确定网络结构,分别对神经网络的“当天模型”和“预测模型”进行了计算。结果显示：几种人工神经网络模型在计算精度以及预测数据的趋势上都有较好的效果,目前国内学者使用的人工神经网络“当天模型”无法对其后数据进行预测,不能起到实际预测的作用,而经过遗传算法优化后的人工神经网络“预测模型”不仅达到了很好的预测效果,而且网络结构简单,适用于浮游植物密度的预测计算。     

基于人工神经网络的海底细粒土工程分类研究

海洋沉积物工程定名对于开展海洋工程建设具有重要作用,然而海底粉土和黏性土的定名受人为因素影响容易产生误差.使用人工神经网络的方法对黄河口埕岛海域284组细粒土数据进行了训练和学习,得到了只利用沉积物粒径质量分数进行定名的方法.结果表明,使用人工神经网络的方法能够有效地对沉积物进行工程定名.当网络含有5个输入层节点、9个...     

基于人工神经网络的RC框架结构地震响应预测方法

为了实现钢筋混凝土(Reinforced Concrete, RC)框架结构地震响应的快速预测，提出了一种基于人工神经网络的RC框架结构地震响应预测方法，设计低层、多层和小高层共3个典型RC框架结构作为研究对象，以四川雅安地区为目标场地，基于条件均值谱选取地震动记录作为输入并进行弹塑性时程分析，所得样本数据用于训练人工神经网络。以地震动强度信息和结构信息为输入预测结构响应，同时对模型进行参数敏感性分析。结果表明：建立的人工神经网络模型具有较好的泛化性能，平均谱加速度具有最高的平均影响值，提出的方法为快速预测RC框架结构地震响应提供了方法借鉴。     

季风转换对深圳地区呼吸系统疾病的影响及预测研究

深圳地处我国华南沿海季风敏感区,为探究季风等气象和污染要素对其呼吸系统疾病发病的影响和其预测相关就诊风险的可行性,本文利用当地2015-2016年呼吸系统疾病就诊人数资料及同期气象和污染物资料,并运用BP人工神经网络和LSTM网络构建呼吸系统疾病就诊人数预测模型。结果显示:每年九月份开始,冬季风的冷胁迫效应会使相关人群呼吸系统疾病发病人数波动式增加,直至次年冬季风向夏季风转换前的三月份发病人数达到峰值；而夏季风控制期间当地居民呼吸系统疾病发病人数呈波动式减少态势,比峰值期间减少35%；另外,该地不同呼吸系统疾病其主控因素也不相同；对比两种预测模型,总体上LSTM网络预报模型对深圳呼吸系统疾病风险预测准确率更高,可以满足健康气象预报服务业务需求。     

神经网络在海洋天然气水合物检测中的应用

文章主要讨论了如何利用神经网络预测天然气水合物的合成和分解。利用了声速、幅度、频率来反映天然气水合物的合成。建立了一个3层前向型网络,通过实验,人工神经网络的引用取得了良好的效果。