-
题名空间信息技术的发展及其在地球科学中的应用
被引量：40
- 1
-
-
作者
李裕伟
-
机构
地质矿产部国际合作司
-
出处
《地学前缘》
EI
CAS
CSCD
1998年第2期335-341,共7页
-
文摘
空间信息技术有两个分支：其一是空间图形信息技术，即地理信息系统（ＧＩＳ）；其二是地质统计学。两种技术在本质上是相通的。ＧＩＳ的核心是建立图形元素的拓扑关系与建立空间数据库与属性数据库的联动关系。正是立足于这两个重要关系，使对千变万化的地学图形信息进行灵活高效的编辑、检索与显示成为可能。在迄今为止所有的计算机应用系统中，ＧＩＳ无疑将在地学中产生最重要的影响。地质统计学是一种空间数字处理技术，它是传统统计学的空间版本。用包含多元统计学的传统统计方法研究地质问题存在严重的缺陷，因为传统统计学忽略变量的空间存在，而地质过程具有强烈的空间性。地质统计学恰恰是立足于变量的空间关系发展起来的统计科学，因此它特别适用于地球科学。正如空间图形与空间数字可以相互转换一样，两种空间信息技术也存在内在的关系。利用ＧＩＳ与地质统计学这两种空间信息技术，使我们能不断地在空间图形与空间数字这两种状态间穿越。空间信息技术为地质学家在进行矿产资源预测、物化遥数据分析、地质环境评价、地质灾害评价与矿产资源管理等方面提供了强有力的工具。空间信息技术特别适合于地球科学，它不仅能大幅度地提高地球科学对图形的编制和研究的效率和水平，而且也将转变传统的?
-
关键词
空间信息
地球科学
GIS
地质统计学
矿产预测
-
Keywords
spatial information, geographical information system, GIS, geological map, geostatistics, mineral resources assessment
-
分类号
P9
[天文地球—自然地理学]
P528.2
[天文地球—古生物学与地层学]
-
-
题名应用SVM方法进行沉积微相识别
被引量：22
- 2
-
-
作者
阎辉
张学工
李衍达
-
机构
清华大学自动化系智能技术与系统国家重点实验室
-
出处
《物探化探计算技术》
CAS
CSCD
2000年第2期158-164,共7页
-
基金
中国石油天然气总公司"九五"攻关课题项目!(KG950 22)
-
文摘
作者针对目前沉积微相识别中的特征提取问题 ,提出了应用 SVM(支持向量机 )方法进行沉积微相识别的方案。该方法不是象传统方法那样首先试图将原输入空间降维 (即特征选择变换 ) ,而是设法将输入空间升维 ,以求在高维空间中问题变得线性可分 (或接近线性可分 )。因为升维后只是改变了内积运算 ,并没有使算法复杂性随着维数的增加而增加 ,因此这种方法才是可行的。所以 ,利用该方法我们可以不必将很大的精力集中于特征的提取中 ,而是借助于算法的内在特征提取能力 ,使得该方法更能胜任实际情况。实际处理表明该方法在小样本情况下 ,性能远优于神经网络 。
-
关键词
统计学习理论
沉积
模式识别
沉积微相
SVM方法
-
Keywords
Statistical Learning Theory
Support Vector Machine
Machine Learning
Pattern Recognition
RBF Neural Networks
Sedimentary Facies
-
分类号
P512.2
[天文地球—地质学]
P528.2
[天文地球—古生物学与地层学]
-
