基于最小二乘支持向量机的航空伽玛能谱分段去噪方法研究

发布时间：2017-11-01 04:41

  本文关键词：基于最小二乘支持向量机的航空伽玛能谱分段去噪方法研究

  更多相关文章： 航空伽玛能谱 去噪 最小二乘支持向量机 k折交叉验证

【摘要】：在航空伽玛能谱测量中,需要对航空伽玛能谱进行滤波去噪处理以充分获取地表介质伽玛射线谱的有用信息。即保证消除放射性统计涨落、电子学噪声等干扰的同时下尽可能多的保留能谱的原始特征。航空伽玛谱具有计数率低,随机性高等特点。寻求一种去噪效果好且适应性强的方法成为航空伽玛谱去噪的一个难题。传统的能谱去噪方法在某些特定伽玛谱上取得较好的效果,但都有各自的局限性,推广性不强。统计学的方法可以根据有限的航空伽玛谱信息,通过训练得到特征峰谱线和噪声谱线的内在联系与规律,从而达到合理去噪的目的。支持向量机(SVM)作为统计学习理论的新一代机器学习方法,能较好地解决小样本、非线性和局部极小点等实际问题。最小二乘支持向量机(LS-SVM)是支持向量机的一种形式,较标准支持向量机有计算量小、算法简单等特点。本文对国内外航空伽玛能谱测量技术、能谱去噪方法以及统计学理论、支持向量机算法进行了调研与分析,在此基础上开展了基于最小二乘支持向量机的航空伽玛能谱分段去噪方法研究,主要研究内容及结论如下:1.分析了传统的能谱去噪方法(重心法、最小二乘移动平滑法、傅立叶变换法、小波分析法)的特征:(1)重心法、多项式最小二乘移动平滑法对能谱滤波时,滤波宽度越宽,谱线被压缩的越低,展宽越严重,增加重峰出现几率;(2)相比其他滤波方法而言,在使用理想低通滤波器傅里叶变换滤波时,峰边界道计数数值偏差比较大;(3)小波分析法依赖阈值的选取,软阈值方法噪声过滤充分,而硬阈值方法能很好地保留信号的原始形状,但噪声过滤不充分。2.对核函数的选取做了重要说明,并提出一种修正的核函数。实验结果表明该修正核函数的LS-SVM模型较其他核函数的LS-SVM模型在去噪能力上更好。3.对LS-SVM模型中的两个重要参数进行寻优处理,采用k折交叉验证方法获取最佳核参数--惩戒因子C和核函数宽度σ,建立具有学习能力和泛化能力强的支持向量回归机。4.基于最小二乘支持向量回归机模型,依据能窗道址分布对航空伽玛能谱进行分段回归拟合降噪处理,并对分段处使用加权叠加处理衔接,解决了该算法在全谱解析上的缺陷。经大量实验数据证明:采用分段LS-SVM去噪方法能够显著降低航空伽玛谱射线统计涨落,且有良好的自适应性和泛化性。
【关键词】：航空伽玛能谱 去噪 最小二乘支持向量机 k折交叉验证
【学位授予单位】：东华理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TL817.2;TP18
【目录】：

• 摘要4-6
• Abstract6-10
• 第一章 引言10-14
• 1.1 选题依据与研究意义10
• 1.2 能谱去噪算法研究现状10-11
• 1.3 主要研究内容11-14
• 第二章 航空伽玛能谱测量概述14-24
• 2.1 天然伽玛射线的主要来源14-15
• 2.1.1 宇生/原生放射性核素14
• 2.1.2 宇宙射线带来的14-15
• 2.1.3 特征峰能量的选择15
• 2.2 伽玛能谱探测理论15-20
• 2.2.1 伽玛射线与物质的相互作用15-19
• 2.2.2 伽玛能谱仪探测原理19-20
• 2.3 航空伽玛能谱测量20-24
• 2.3.1 测量原理20
• 2.3.2 航空伽玛能谱的谱平衡20-21
• 2.3.3 测线布置与飞行测量21-24
• 第三章 几种主要的能谱去噪方法24-30
• 3.1 最小二乘移动平滑法24-25
• 3.2 Kalman滤波方法25
• 3.3 小波分析法25-26
• 3.4 去噪效果比较26-30
• 第四章 支持向量机相关理论30-42
• 4.1 统计学习理论基本思想30-32
• 4.1.1 经验风险30-31
• 4.1.2 VC维31
• 4.1.3 结构风险31-32
• 4.2 支持向量机32-38
• 4.2.1 最优分类超平面33-34
• 4.2.2 线性支持向量分类机34-36
• 4.2.3 非线性支持向量分类机36-37
• 4.2.4 核函数37-38
• 4.3 支持向量回归机38-41
• 4.3.1 损失函数38-39
• 4.3.2 回归分析原理39-41
• 4.3.3 最小二乘支持向量回归机41
• 4.4 小结41-42
• 第五章 基于LS-SVM的航空伽玛能谱降噪模型42-58
• 5.1 核函数的选取42-49
• 5.1.1 RBF函数的优点42
• 5.1.2 修正的径向基核函数42-46
• 5.1.3 惩罚系数C的选择46-47
• 5.1.4 高斯核宽度s的选择47-48
• 5.1.5 k折参数寻优法确定核参数48-49
• 5.2 依据能窗法的分段LS-SVM处理49-58
• 5.2.1 LS-SVM全谱拟合应用在航空谱上的缺陷49-50
• 5.2.2 三窗法原理50-51
• 5.2.3 能谱分段处理51-53
• 5.2.4 分段加权叠加处理53-58
• 第六章 航空伽玛能谱分段回归拟合降噪处理结果与结论58-60
• 6.1 实验对比58-59
• 6.2 结果讨论59-60
• 结论60-62
• 致谢62-64
• 参考文献64-66

【参考文献】

中国期刊全文数据库 前6条

1 杨敬娜;;基于十折法的最小二乘支持向量机参数选取方法[J];机械工程师;2011年12期

2 黄洪全;方方;龚迪琛;丁卫撑;;GMM模型在核能谱平滑滤波中的应用[J];核技术;2010年05期

3 杨佳;葛良全;张庆贤;谷懿;;NASVD方法在航空伽玛能谱数据降噪中的应用[J];铀矿地质;2010年02期

4 闫国华;朱永生;;支持向量机回归的参数选择方法[J];计算机工程;2009年14期

5 顾民;葛良全;;基于变参数双指数平滑法的自然伽玛能谱处理[J];物探化探计算技术;2008年06期

6 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

中国博士学位论文全文数据库 前5条

1 罗耀耀;航空伽玛能谱稳谱技术研究[D];成都理工大学;2013年

2 刘永刚;γ能谱谱数据分解方法研究[D];中国地质大学（北京）;2011年

3 张庆贤;航空γ能谱特征和仪器谱解析方法研究[D];成都理工大学;2010年

4 吴青;基于优化理论的支持向量机学习算法研究[D];西安电子科技大学;2009年

5 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年

中国硕士学位论文全文数据库 前6条

1 王波;手持式自然伽马能谱探测仪的研究[D];西安石油大学;2014年

2 张太亮;小波变换用于NaI（T1）γ 能谱的降噪分析[D];兰州大学;2013年

3 袁新宇;γ谱弱峰优化检测方案研究[D];南华大学;2011年

4 朱迪;航空γ能谱测量仪器谱蒙特卡罗模拟[D];成都理工大学;2009年

5 黄啸;支持向量机核函数的研究[D];苏州大学;2008年

6 李婧;天然放射性场γ能谱的蒙特卡罗模拟[D];成都理工大学;2006年

，

本文编号：1125300