基于极限学习机的遥感地球化学反演模型

发布时间：2021-04-21 22:31

　　地球化学勘查研究涉及大量采样工作,但在工作环境恶劣人们难以到达的地区,大范围、大比例尺的地球化学数据极难获取。本文基于极限学习机（ELM）构建遥感地球化学反演模型,弥补因为区域数据不足导致的找矿工作困难。依据偏最小二乘回归（PLSR）方法选取与地球化学数据相关性强的遥感影像成分,并根据极限学习机建立地球化学数据与遥感影像之间的非线性对应关系来获取未知地球化学异常,以此来指导找矿工作。实验中,选取研究区铜元素1∶20万土壤地球化学数据与Landsat 8 OLI遥感影像进行反演分析。实验结果表明,基于ELM的遥感地球化学反演所取得的异常分布与已知矿点具有很好的对应度,验证了本文所提出模型的有效性。 

【文章来源】：吉林大学学报(地球科学版). 2020,50(06)北大核心CSCD

【文章页数】：10 页

【文章目录】：
0 引言
1 相关理论
    1.1 偏最小二乘回归
    1.2 极限学习机
2 反演指标选取与反演模型建立
    2.1 地球化学测量数据与遥感影像对应模式建立
    2.2 遥感影像成分提取
    2.3 基于ELM的遥感地球化学反演模型建立
3 实验设计
    3.1 数据描述
    3.2 数据预处理
    3.3 实验评价指标
    3.4 实验结果与分析
        3.4.1 反演误差与精度
        3.4.2 地球化学异常区对比
4 结论



本文编号：3152611