朱善宽
- 作品数：4 被引量：39H指数：3
- 供职机构：长沙理工大学交通运输工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术天文地球交通运输工程更多>>
- 基于支持向量机回归的水稻地重金属Fe含量估算被引量：2
- 2017年
- 本文利用地物光谱仪获取的土壤反射光谱,通过多元线性回归模型和支持向量机回归模型分别建立土壤铁含量的估算模型,并利用检验数据对模型进行验证。建模和估算决定系数为0.9855和0.7158,估算均方根误差为0.0601,结果表明利用支持向量机回归模型能够较好的进行土壤重金属含量的估算。
- 郭云开刘磊刘磊刘宁刘宁
- 关键词：支持向量机
- 利用PRO4SAIL与支持向量机回归的组合模型反演植被等效水厚度被引量：8
- 2017年
- 为监测路域植被生态环境,利用遥感影像和辐射传输模型物理基础实现了对植被冠层等效水厚度(EWT)的估测。提出了利用PRO4SAIL与支持向量机回归的组合模型对等效水厚度进行反演的方法。选取Landsat7 ETM+影像,结合实测数据探索验证了PRO4SAIL与支持向量机回归的组合模型的植被参数反演的实用性和准确性。研究表明,该组合模型具有较好的预测能力,反演得到的等效水厚度含量精度较高,为支持向量机模型应用于遥感影像反演植被参数提高了有力支撑。
- 李丹娜郭云开朱善宽刘宁刘磊蒋明
- 关键词：支持向量机回归
- 超限学习机在高速公路路基沉降预测中的应用被引量：6
- 2017年
- 为了探索超限学习机在路基沉降预测应用中的潜力和优势,以湖南省某高速公路为研究对象,通过超限学习机算法对路基多个断面的实测沉降数据进行了预测建模,并与BP神经网络和支持向量机进行了对比分析。研究结果表明,采用超限学习机对K4+300断面和K20+840断面的预测值的最大相对误差分别为0.199%和0.176%,精度明显优于BP神经网络和支持向量机。故超限学习机能够对路基沉降做出较为科学、合理的预测。
- 郭云开朱善宽刘磊李丹娜刘磊李丹娜
- 关键词：路基沉降预测BP神经网络支持向量机
- 土壤Cu含量高光谱反演的BP神经网络模型被引量：25
- 2018年
- 以高光谱数据为基础,针对传统土壤重金属反演模型拟合度低、预测效果差的缺点,提取光谱预处理后的特征波段数据进行相关性分析,选取860nm一阶微分光谱反射率建立基于Matlab的重金属Cu含量BP神经网络预测模型,模型的拟合优度为0.721,预测精度达82.3%,高于传统单元线性回归模型0.414的拟合优度与76.1%的预测精度。研究表明,BP神经网络模型具有良好的拟合优度与预测能力,能更有效预测土壤中重金属Cu的含量。
- 郭云开刘宁刘宁李丹娜刘磊
- 关键词：土壤重金属BP神经网络
