简介:地下断层深度的估算是重力解释难题之一,我们试利用支持向量分类(SvC)法进行计算。使用正演和非线性反演技术,通过相关误错使检测地下断层深度成为可能。但必要有一个深度初始猜测值,而且这猜测值通常不是由重力资料得。本文我们介绍以SVC作为利用重力数据估算断层深度的一种手段。在这项研究中,我们假设一种地下断层深度可归为一种类型,SVC作为一个分类算法。为了有效地利用此SVC算法,我们基于一个正确的特征选择算法去选择正确的深度特征。本次研究中我们建立了一套基于不同深度地下断层的合成重力剖面训练集,用以训练用于计算实际的地下断层深度的SVC代码。然后用其它合成重力剖面训练集测试我们训练的SVC代码,同时也用实际资料验证了我们的训练SVC代码。
简介:利用张掖国家湿地公园冬季水域结冰厚度观测资料和张掖观象台的气温、地温气象资料,运用统计学方法和BP神经网络方法建立了张掖国家湿地公园水域结冰厚度预报方程。通过对不同的预报方法进行预报效果验证,该结冰厚度的预报模型能够对结冰厚度有比较理想的预报效果,流动水域结冰厚度预报历史拟合率分别为:80.6%(多元回归)、74.6%(逐步回归)、100%(BP神经网络);模型试报准确率分别为:72.7%(多元回归)、72.7%(逐步回归)、81.8%(BP神经网络)。静止水域结冰厚度预测历史拟合率分别为:76.9%(多元回归)、71.8%(逐步回归)、93.5%(BP神经网络);模型试报准确率分别为:76.0%(多元回归)、72.0%(逐步回归)、84.0%(BP神经网络)。结果表明:多元回归方法优于逐步回归方法,而BP神经网络又明显优于传统的统计学方法,数据显示该结冰厚度的预报模型能够对结冰厚度有较好的预报效果,预报模型能够对水域结冰厚度进行有效的短期预报,其性能指标符合实际要求,具有很好的实际应用价值。