融合學習模型的巖石光譜特征自動分類

賀金鑫，任小玉，陳圣波，熊 玥，肖志強，周 孩

1. 吉林大學地球科學學院，吉林 長春 130061 2. 吉林大學地球探測科學與技術學院，吉林 長春 130061

引 言

在遙感地質領域，巖石光譜一直是熱門研究方向之一，主要包括成像光譜巖礦識別、巖石光譜特征分析、影響巖石光譜的因素以及巖石光譜分類。在巖石光譜分類方面，吳輝等基于AVIRIS航空高光譜遙感數(shù)據(jù)，首先將預處理后的數(shù)據(jù)進行最小噪聲分離，然后用PPI算法選擇研究對象，最后用線性光譜混合分類模型進行巖性分類研究[1]； 張翠芬等人將巖石單元的圖形紋理特征及光譜特征進行協(xié)同分類研究，用面對對象方法進行圖譜指數(shù)分割，然后用光譜指數(shù)提取巖石信息，劃分精度較好[2]； 徐清俊等人使用ASD光譜儀測量鉆孔巖心數(shù)據(jù)，利用ViewSpecpro軟件進行格式轉換，輸入到ENVI軟件建成光譜庫，與美國USGS光譜庫中典型礦物光譜曲線進行對比分析，進而識別巖性得出結論[3]； 周江將ASD光譜儀的光譜曲線與遙感影像通過ENVI軟件相結合對巖石等地物進行分類，與用神經網絡進行監(jiān)督分類的結果相對比[4]?？傊擃I域目前的主要問題在于要么是將數(shù)據(jù)進行一系列復雜預處理后利用傳統(tǒng)模型進行分類； 要么因為巖石光譜的特殊性，沒有統(tǒng)一的光譜曲線標準，使得分類結果不夠準確。因此，本文擬在不對巖石光譜數(shù)據(jù)進行復雜預處理的前提下，構建一種基于融合多種機器學習模型的巖石光譜特征自動分類方法； 并與單一分類模型相對比，最終取得更高的分類準確率。

1 巖石光譜數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)位于遼寧省興城市，區(qū)域地貌屬遼西山地黑山丘陵東部邊緣的海濱丘陵，海拔在20～500 m之間，相對高差200～350 m，地勢總體呈西北高而東南低，區(qū)內河流發(fā)育，有六股河、煙臺河等匯入遼東灣； 氣候屬于北半球暖溫帶亞濕潤氣候，氣候溫和，干濕相宜[5]。

興城地區(qū)出露的地層為典型的華北型，地層從太古宙到中—新元古界、古生界、中生界和新生界都有分布，發(fā)育較為齊全，主要巖石類型有花崗巖、砂巖、頁巖、白云巖、灰?guī)r、安山巖、玄武巖等[5](如圖1所示)。

圖1 研究區(qū)巖性分布圖 1: 第四系: 礫石、黃土、粉質粘土； 2： 閃長巖； 3： 灰?guī)r； 4： 花崗巖； 5： 砂巖； 6： 安山巖； 7： 玄武巖Fig.1 Distribution of rocks in the study area

1.2 巖石光譜測量

用于測量巖石光譜的儀器為美國FieldSpec-3型便攜式實測光譜儀，所測波長從350 nm的可見光范圍分布到2 500 nm的短波紅外范圍?？梢姽獾墓庾V測量間隔為1.4 nm，分辨率約為3 nm； 短波紅外的間隔為2 nm，分辨率為6.5～8.5 nm[6]。

目前取得已命名巖石光譜類型有二長花崗巖、花崗斑巖、石英砂巖、中粒巖屑長石砂巖、白云質灰?guī)r、鮞狀灰?guī)r、燧石條帶白云巖等。將測量得到的光譜數(shù)據(jù)進行整合，最終得到灰?guī)r類379條數(shù)據(jù)、花崗巖類147條數(shù)據(jù)、砂巖類82條數(shù)據(jù)，其余類別由于數(shù)據(jù)量過少，暫不予以分類研究(如圖2所示)。

1.3 巖石光譜特征

巖石光譜形狀與其成分、含量等等因素都密切相關。而同種巖石光譜形態(tài)基本相似； 實驗所得數(shù)據(jù)中，花崗巖和砂巖在1 400 nm左右處都存在水汽吸收帶(如圖3、圖5所示)，在1 900 nm處，三類巖石光譜都存在較強吸收谷(如圖3—圖5所示)； 花崗巖總體反射率在0～0.5之間，灰?guī)r總體反射率在0～0.7之間，砂巖總體反射率在0～0.6之間(如圖3—圖5所示)； 砂巖在900 nm處存在鐵離子吸收譜帶，灰?guī)r在2 300 nm處產生碳酸根離子的特征吸收，石英砂巖、白云巖等幾類巖石在2 200 nm左右處有一個吸收谷，是由于羥基吸收所引起的[5]。

圖2 總樣品數(shù)據(jù)集的巖石光譜反射率Fig.2 Reflectance spectra of the whole samples

圖3 花崗巖光譜反射率Fig.3 Reflectance spectra of granite

圖4 灰?guī)r光譜反射率Fig.4 Reflectance spectra of limestone

圖5 砂巖光譜反射率Fig.5 Reflectance spectra of sandstone

2 巖石光譜特征自動分類

2.1 決策樹模型

決策樹(decision tree，DT)是一個自上而下構建的樹形模型，包括根節(jié)點，父節(jié)點和子節(jié)點，一個分支就代表一個測試輸出。采用了決策樹模型中的CART算法，相比傳統(tǒng)數(shù)學統(tǒng)計方法分類更準確，且數(shù)據(jù)量越大越容易顯現(xiàn)其優(yōu)越性。CART算法計算基尼系數(shù)來評判數(shù)據(jù)劃分前后的分類效果，基尼系數(shù)越小證明數(shù)據(jù)純度越高； 所以選擇能使分類后得到的基尼系數(shù)最小的特征，將其作為樹中節(jié)點[7]。用CART決策樹對三類巖石光譜數(shù)據(jù)的訓練集建模，然后用測試集檢驗分類效果。將樹的深度設置為10； 節(jié)點不純度小于0.02，即不再生成子節(jié)點，節(jié)點再劃分所需最小樣本數(shù)設為2。

2.2 隨機森林模型

為提高分類準確率，又選取了決策樹的升級模型——隨機森林(random forest，RF)，它是基于bagging策略的集成學習，通過多棵樹對數(shù)據(jù)樣本分類。包含兩個隨機過程： 一是輸入數(shù)據(jù)隨機； 二是分類特征隨機選取。這樣就得到了多顆CART決策樹弱分類器，再將多個分類器采取投票法的策略，投出票數(shù)最多的作為最終結果[8]。RF的參數(shù)也分為兩部分： 一是隨機森林的Bagging框架參數(shù)，其中CART決策樹的最大迭代次數(shù)設置為1 000，劃分CART決策樹特征的評價標準選用基尼系數(shù)； 二是決策樹參數(shù)，深度25，劃分最大特征數(shù)為45，節(jié)點再劃分所需最小樣本數(shù)設為2。

2.3 K-最近鄰模型

隨機森林模型在數(shù)據(jù)噪音較大時易陷入過擬合，且數(shù)據(jù)特征過多時也會對模型準確率造成較大影響。而K-最近鄰模型(K-nearest neighbor，KNN)依據(jù)不同特征值間的距離進行分類，不存在訓練過程，只是將最近的劃分為一類。先將數(shù)據(jù)標準化； 然后算出輸入的數(shù)據(jù)與測試集的數(shù)據(jù)的距離，實驗采取的計算距離方法為閔可夫斯基距離； 找出距離最近的k個，這里k設置為1； 將出現(xiàn)最多的類別作為輸入數(shù)據(jù)的類別[9]。但KNN需要對每個樣本都予以考慮，當數(shù)據(jù)量大時計算量會很大，效率不高。

2.4 支持向量機模型

支持向量機模型(support vector machine，SVM)是通過在數(shù)據(jù)間找到距離最大處來工作的，而數(shù)據(jù)是否線性可分決定著是用硬間隔最大化還是軟間隔最大化[10]。由于巖石光譜數(shù)據(jù)非線性可分，因而將數(shù)據(jù)映射到新空間，使之線性可分。核函數(shù)選高斯核函數(shù)； 懲罰系數(shù)設為10； gamma值設定為1。

2.5 多種模型相融合

為進一步提高巖石光譜特征自動分類的準確率，采取了融合多個不同模型的辦法，即對不同模型的分類結果進行投票，選擇投票最多的作為最后分類結果。在此基礎上又分為硬投票和軟投票，硬投票是直接對模型投票而軟投票加入了權重，可以區(qū)分不同模型的重要度，但二者的基本原則都是少數(shù)服從多數(shù)。由于硬投票可在一定程度上減少過擬合現(xiàn)象的發(fā)生，更加適合分類模型，所以選用了硬投票方法。

3 結果與討論

將巖石光譜數(shù)據(jù)特征分別導入DT，RF，KNN，SVM以及融合模型(全部基于Python語言編程實現(xiàn))之中，分類結果如表1所示?？梢钥闯鲈谒姆N單一分類模型中： 效果最好的是支持向量機，分類準確率為98.76%； 其次是K-最近鄰，準確率為97.10%； 然后是隨機森林，準確率為93.80%； 最后是決策樹模型，準確率為88.84%。而將RF，KNN和SVM三種模型融合后得到的巖石光譜分類準確率可達到99.17%。

表1 不同模型的巖石光譜特征自動分類準確率Table 1 Classification accuracy of rock spectrabased on different models

4 結 論

在遼寧興城地區(qū)實測的不同巖石反射光譜數(shù)據(jù)特征基礎之上，分別利用DT，RF，KNN，SVM以及融合模型，進行了巖石光譜特征自動分類研究。從測試結果可以看出： 第一，如果不考慮影響巖石光譜特征的各種因素，直接從光譜數(shù)據(jù)特征本身入手，可以發(fā)現(xiàn)機器學習模型的分類能力相對于傳統(tǒng)的巖石光譜分類方式，效率更高、分類準確率更好； 第二，四種單一機器學習模型的分類準確率高低排序為： SVM>KNN>RF>DT； 第三，采用了多種模型融合學習的方法，進一步提高了巖石光譜特征自動分類的準確率，可達99.17%。在后續(xù)研究工作中，將繼續(xù)優(yōu)化現(xiàn)有模型，使之不僅能劃分巖石大類，還能準確地對細類巖性進行劃分。