支持向量机在太湖叶绿素a非线性反演中的应用_张玉超

支持向量机在太湖叶绿素a非线性反演中的应用_张玉超

ID:38190867

大小:1.42 MB

页数:6页

时间:2019-05-24

支持向量机在太湖叶绿素a非线性反演中的应用_张玉超_第1页
支持向量机在太湖叶绿素a非线性反演中的应用_张玉超_第2页
支持向量机在太湖叶绿素a非线性反演中的应用_张玉超_第3页
支持向量机在太湖叶绿素a非线性反演中的应用_张玉超_第4页
支持向量机在太湖叶绿素a非线性反演中的应用_张玉超_第5页
资源描述:

《支持向量机在太湖叶绿素a非线性反演中的应用_张玉超》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、中国环境科学2009,29(1):78~83ChinaEnvironmentalScience支持向量机在太湖叶绿素a非线性反演中的应用11*112张玉超,钱新,钱瑜,刘建萍,孔繁翔(1.南京大学环境学院,污染控制与资源化研究国家重点实验室,江苏南京210093;2.中国科学院南京地理与湖泊研究所,江苏南京210008)摘要:根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以

2、及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年

3、8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.关键词:支持向量机;叶绿素a;MODIS;太湖中图分类号:X524文献标识码:A文章编号:1000-6923(2009)01-0078-0611*1ApplicationofSVMonChl-aconcentrationretrievalsinTaihuLake.ZHANGYu-chao,QIANXin,QIANYu,12LIUJian-ping,KONGFan-xiang(1.StateKeyLab

4、oratoryofResourceReuseandPollutionControl,SchooloftheEnvironment,NanjingUniversity,Nanjing210093,China;2.NanjingInstituteofGeographyandLimnology,ChineseAcademyofSciences,Nanjing210008,China).ChinaEnvironmentalScience,2009,29(1):78~83Abstract:Consideri

5、nglimitedmonitoringpointsinlakes,supportvectormachines(SVM)waschosentoretrievechlorophyll-a(chl-a)concentrationwithMODISdata.Inthisresearch,29monitoringpointsofTaihuLakeinAugust,2005weredividedintotrainingandtestinggroupandvalidatinggroup.4SVMmodels,a

6、linearregressionmodel,aprinciplecomponentanalysis(PCA)modelandanartificialneuralnet(ANN)modelwereconstructedusingtraningandtestinggroup.Validationdatawasusedtocomparewithother3modelsandSVMmodel.TheretrievingprecisionofANNmodelandSVMmodelwerebothbetter

7、thantheothertwomodels,especiallytheaveragerelativeerrorofSVMmodelwasonly15.91%,and10%lowerthanANNmodel.Chl-adistributionofTaihuLakeonAug15,2005wasretrievedsynchronouslyusingSVMmodelandANNmodel.Atlast,themainfactorsaffectingthedistributionofchl-aweredi

8、scussed.Keywords:supportvectormachines;Chl-a;MODIS;TaihuLake水色遥感技术在内陆湖泊Ⅱ类水体中的应导数的单纯形算法以及遗传算法等.用,近年来成为定量遥感领域新的研究热点.遥感建模方法中的线性回归方法以及主成分分技术可直接监测的湖泊水质指标包括叶绿素析方法都是以确定性的线性数学模型来估计遥[1-2]a(Chl-a)、悬浮物(SS)以及黄色物质(CDOM).感数据与水质参数浓度间的非线性关系,反演精[5]其他水质参数需借助于水质

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。