分類方法研究現狀

Ⅰ 基於遙感影像土地利用分類方法研究

土地利用分類是區分土地利用空間地域組成單元的過程。由於地塊所處的自然地理位置不同，受自然條件和社會經濟條件的影響，導致土地用途、利用方式、經營特點等各方面的差異。為實現土地資源科學化管理，從土地利用現狀出發，根據土地利用的地域分異規律、土地用途、土地利用方式等，將一個國家和地區的土地利用情況，按照一定的層次等級體系劃分為若干不同的土地利用類別。

6.1.1 國內外土地利用分類方法歷史沿革

國外土地分類至今約有半個多世紀的歷史，到 20 世紀 60 年代和 70 年代就出現了各種土地分類系統。國外土地分類多數以土地利用現狀作為分類的依據，具體到各國又有差異。如，美國主要以土地功能作為分類的主要依據；英國和德國以土地覆蓋（是否開發用於建設用地）作為分類依據；俄羅斯、烏克蘭和日本以土地用途作為分類的主要依據；印度則以土地覆蓋情況（自然屬性）作為劃分地類的依據。

國內的土地分類研究起步相對較晚，主要是在改革開放以後。國內土地分類依據與國外基本相同，也是以土地利用現狀作為分類依據，如土地利用現狀調查（簡稱土地詳查）採用以土地用途、經營特點、利用方式和覆蓋特徵為分類依據，城鎮地籍調查採用以土地用途為分類依據等。

為了滿足土地用途管理的需要，國土資源部先後制定了《土地利用現狀分類及含義》（1984），《城鎮土地分類及含義》（1989），城鄉統一的《全國土地分類》（2001）。《全國土地分類》包括《全國土地分類》（試行）和《全國土地分類》（過渡期間適用），第二次土地調查國家發布了《土地利用現狀分類》（2007）國家標准等，為全國土地分類提供了標准和依據。

6.1.2 基於遙感影像土地利用分類原則

面向國土資源行業遙感數據的規模化、高效率應用，達到快速規模化獲取土地利用信息，實現高精度、高效獲取土地利用變化信息，迅速建立滿足國家和省級土地資源業務管理需要的國家級、省級土地利用現勢信息源需求，在研究分析前期實行的土地利用分類方法的基礎上，提出了基於遙感影像的土地利用分類，在項目區予以應用並得到預期良好效果。

基於遙感影像的土地利用分類，是依據遙感影像的色彩、紋理等影像光譜特徵、分布特徵和地物光譜的可分性，結合土地的自然屬性、覆蓋特徵以及土地用途等因素，從滿足基於遙感影像快速獲取土地利用信息的需要進行分類。

分類原則：

（1）具有可操作性。要求土地利用分類體系要簡便易用、層次分明，要具有適宜遙感影像特點，通過遙感影像所反映色彩、紋理等影像光譜特徵以及分布特徵，在遙感影像上能夠明顯區分不同地類類型，適用於人機交互並基本滿足計算機自動分類提取土地利用信息。

（2）具有統一性。要與國家土地利用分類體系框架保持一致。

（3）具有兼容性。既能向上歸並到國家土地分類標准體系中的某一類型，還可根據管理和應用需要進行續分 , 可實現不同分類標准之間的相同地類進行地類代碼轉換，與以往的以及現在適用的土地分類進行有效銜接。

（4）具有通用性。即具有時間和空間上的通用性，不同的作業者用不同季節的影像應該能達到精度范圍內的同樣效果。

為了科學合理利用和管理土地資源，採用遙感影像數據獲取土地利用信息，快速掌握土地利用變化情況，根據我省土地利用管理業務實際需要，建立更適合土地利用精確調查和我省遙感監測業務調整與擴展的基於遙感信息土地利用分類標准具有重要的現實意義。

6.1.3 嚴格管理土地需要快速、規模化獲取土地利用變化信息

近年來，隨著社會經濟的發展，遙感技術也隨之得到了快速發展，遙感技術在土地資源的管理中得到了廣泛應用。但隨著人、地矛盾的日益加大，如何科學、合理地利用土地資源，如何監督新增建設用地及其佔用耕地情況和土地規劃、土地利用計劃執行情況，及時發現和查處土地違法、違規行為，檢查土地嚴格管理和土地調控措施的落實與效果，利用遙感技術快速規模化獲取土地利用變化情況成為當今土地資源管理的有效手段。

在土地資源管理中，近幾年國家和省不斷加大土地執法監察力度，每年都要對耕地和新增建設用地變化情況進行遙感動態監測，利用前、後時相遙感影像（DOM）進行比對，或利用已有土地利用資料庫與後時相遙感影像進行比對，發現和提取土地利用變化信息，通過外業核查、後處理和數據匯總，快速獲取和宏觀分析土地利用、變化的總體情況，及時發現和查處土地違法、違規行為，為土地執法監察提供了有力的技術依據。

6.1.4 原有土地利用分類不適宜快速提取土地利用信息

1984～2007 年間，我國普遍採用的是《土地利用現狀分類及含義》（1984）標准、《全國土地分類》（試行）標准和《全國土地分類》（過渡期間適用）標准，採用以上分類標准對於快速提取土地利用分類信息和動態遙感監測存在一些問題和缺陷。

首先，分類過細。《土地利用現狀分類及含義》（1984）分為 8 個一級地類，46 個二級地類，河南省根據地方實際在全國土地分類基礎上又續分了 12 個三級地類；《全國土地分類》（試行）分為 3 個一級地類，15 個二級地類，71 個三級地類；《全國土地分類》（過渡期間適用）分為 3 個一級地類，10 個二級地類、52 個三級地類。以上分類標准都具有類別繁多、過於細化的特點，無法滿足國家和省快速提取和掌握土地利用變化信息的需求。

其次，部分地類在遙感影像上無法區分，如：耕地中水澆地與旱地，園地與林地，獨立工礦與特殊用地等，影像紋理、色彩特徵極為相近，難以區分。

再次，部分地類與遙感影像無法銜接，如商服用地、工礦倉儲用地、公共建築用地等信息，從遙感影像上無法直接獲取。

6.1.5 區域土地利用類型的特殊性

黃河灘地，是指在黃河大堤之間河床滾動所淤積而成的灘地。橫穿河南省中北部的黃河屬河南省的特有特徵，即地上懸河、河床寬度大、非洪水期過水面積小、大堤內近 90% 的灘塗分別由黃河兩岸農民在耕作。但是由於黃河河床經常變動等原因，黃河灘地的面積和方位不斷發生變化，可種植面積也不穩定。許多灘地至今仍權屬不明，經常引發灘地耕種糾紛。另外在黃河灘地種植農作物具有一定的風險性，種植的作物一旦遇到河水上漲被水淹沒會造成收成大減甚至顆粒無收。

公路林帶，在河南省轄區內，高速公路、國道、省道、干線鐵路等主要交通用地兩側均栽種了寬度 30～50 m 不等的速生樹種，在地類統計時，國土資源管理部門是按耕地計算，而林業部門則按照林地計算，為准確獲取林帶數據有必要單獨統計，以解決在統計上口徑不一、數出多門的問題。

6.1.6 遙感影像上光譜信息，紋理、色彩等特徵相近的土地類型

高解析度衛星遙感影像光譜信息豐富、色彩鮮艷，接近於自然地物的真實色彩。通過遙感影像所反映的紋理、顏色等影像特徵和分布特徵，大部分土地利用類型在影像上能夠明顯區分。但是按照全國土地分類，有些地類在影像上呈現相近或相同特徵，對於室內判讀難以分辨。

（1）水澆地與旱地（圖 6-1、圖 6-2）。

圖 6-1 水澆地（113）

圖 6-2 旱地（114）

（2）園地與林地（圖 6-3、圖 6-4）。

圖 6-3 果園（121）

圖 6-4 有林地（131）

（3）獨立工礦與特殊用地（圖 6-5、圖 6-6）。

圖 6-5 獨立工礦（204）

圖 6-6 特殊用地（206）

土地利用分類體系還要充分考慮未來遙感技術發展，適用於遙感自動化提取信息的需要，影像特徵相近的土地利用類型無法利用自動分類技術進行區分。

Ⅱ 現狀研究可以用什麼方法

選擇合適的調研方法直接關繫到調研工作開展。筆者結合調研工作實際，將常用的九大調研方法進行介紹分析，供大家調研時參考。

1.實地觀察法。調查者在實地通過觀察獲得直接的、生動的感性認識和真實可靠的第一手資料。但因該法所觀察到的往往是事物的表面現象或外部聯系，帶有一定的偶然性，且受調查者主觀因素影響較大，因此，不能進行大樣本觀察，需結合其他調查方法共同使用。通常適用於對那些不能夠、不需要或不願意進行語言交流的情況進行調查。

2.訪談調查法。該法是比實地觀察法更深一層次的調查方法，它能獲得更多、更有價值的信息，適用於調查的問題比較深入，調查的對象差別較大，調查的樣本較小，或者調查的場所不易接近等情況。包括個別訪談法、集體訪談法、電話訪談法等。但由於訪談標准不一，其結果難以進行定量研究，且訪談過程耗時長、成本較高、隱秘性差、受周圍環境影響大，故難以大規模進行。

3.會議調查法。這種方法是訪談調查法的擴展和延伸，因其簡便易行故在調查研究工作中比較常用。通過邀請若干調查對象以座談會形式來搜集資料、分析和研究社會問題。最突出的優點是工作效率高，可以較快地了解到比較詳細、可靠的社會信息，節省人力和時間。但由於這種做法不能完全排除被調查者之間的社會心理因素影響，調查結論往往難以全面反映真實的客觀情況。且受時間條件的限制，很難做深入細致地交談，調查的結論和質量在很大程度上受調查者自身因素影響等。

8.統計調查法。通過分析固定統計報表的形式，把下邊的情況反映上來的一種調查方法。由於統計報表的內容是比較固定的，因此適用於分析某項事物的發展軌跡和未來走勢。如通過黨員統計年報表，可以分析出某地全年黨員的發展、轉接、流動等情況，並能分析出比上年同期增減情況，還可對下一步趨勢作出預測。運用統計調查法，特別應注意統計口徑要統一，以統計部門的數字為准，報表分析和實際調查相結合，不能就報表進行單純分析。如對某一個數據大幅度上升或下降的原因，報表中難以反映出來，只有通過實際調查才能形成完整概念。

9.文獻調查法。通過對文獻的搜集和摘取，以獲得關於調查對象信息的方法。適用於研究調查對象在一段時期內的發展變化，研究角度往往是探尋一種趨勢，或弄清一個演變過程。這種方法能突破時空的限制，進行大范圍地調查，調查資料便於匯總整理和分析。同時，還具有資料可靠、用較小的人力物力收到較大效果等優點。但它往往是一種先行的調查方法，一般只能作為調查的先導，而不能作為調查結論的現實依據。

Ⅲ 高光譜影像分類技術研究現狀

遙感影像分類是對影像中包含的多個目標地物進行區分，並給出單個像元的對應特徵類別。按照是否需要先驗樣本，分為監督分類和非監督分類。

1.2.1.1 高光譜影像監督分類方法

針對高光譜影像監督分類，可以把現有的分類演算法分為光譜特徵匹配分類、統計模型分類、同質地物提取分類、紋理信息輔助分類、面向對象分類、決策樹分類、模糊聚類方法、專家系統分類、神經網路分類、支持向量機分類、流行學習分類、集成學習分類、基於雲模型分類等方法。

（1）光譜特徵匹配分類方法

根據已知光譜數據，採用匹配分析演算法區分待測光譜的類別，從而實現影像分類。它可以是整波段光譜匹配，也可以是部分感興趣波段光譜匹配。如Geotz（1990）提出了二值編碼匹配演算法，通過設定閾值，將像元光譜轉換為編碼序列，在一定程度上壓縮了原始光譜，但也降低了光譜區分度。常見的二值編碼演算法有分段編碼、多門限編碼和特徵波段編碼等。Clark et al.（1998）提出了一種擬合演算法，通過計算像元光譜與樣本光譜的擬合度來確定像元隸屬於樣本的概率。Kruse et al.（1993a）通過計算待測光譜和參考光譜的矢量夾角來比較其相似程度，並認為兩條光譜的角度越小，表明相近程度越大。另外包絡線去除法影像分類也是一種光譜匹配方法，它是通過對單個像元光譜進行包絡線生成，並通過包絡線比值法、光譜微分技術和曲線擬合技術，突出光譜曲線的峰谷特性，進而提取出反映某個問題的敏感波段，之後利用敏感波段進行分類研究。白繼偉等（2003）認為，包絡線去除法分類技術可以很好地抑制雜訊，提高分類准確率，特別適用於植被識別。Meeret al.（1997）設計了交叉相關光譜匹配技術（Cross Correlogram Spectral Mapping，CCSM），該演算法通過計算測試光譜和參考光譜的相關系數、偏度系數和相關顯著性標准來綜合評價光譜的匹配程度。Kruse et al.（1990）利用半波長寬度、波長位置和吸收深度等特徵參數進行光譜匹配。

（2）統計模型分類方法

McIver et al.（2002）認為最大似然分類是最常用的基於統計模型的分類方法，該方法假設各地物在影像上出現的概率服從多維正態分布（Swain et al.，1978）。楊國鵬等（2008）構建了核Fisher判別分析方法，通過分類實驗，認為該方法優於SVM分類方法。

（3）基於同質地物提取的分類方法

一般的分類方法往往沒有考慮待測像元與其周圍相鄰像元的關系，因為受影像空間解析度的限制，單像元光譜所代表的地面信息一小部分來自於本地物像元，其他很大一部分來自於其周圍相鄰像元。Kettig et al.（1976）設計了基於同質地物提取與分類方法（Ex－traction and Classification of Homogeneous Objects，ECHO），該方法充分考慮了待測像元和臨近像元的關系。

（4）紋理信息輔助下的分類方法

紋理信息是地物特性的有效表達，基於紋理信息可識別不同地物。Haralick et al.（1973）提出的灰度共生矩陣（Gray Level Co－occurrence Matrix，GLCM）是一種應用廣泛的紋理分析技術，通過計算影像統計特性，來表達其灰度密度分布規律。基於變換的傅立葉分析將影像空間域信號變換到頻率域（Augusteijn et al.，1995），利用能量譜、振幅譜和相位譜對影像進行紋理特性描述，用以分類。舒寧（2004）利用主成分變換，提取影像紋理特徵，進行分類，他們認為PCA可以提高分類精度。

（5）面向對象的分類方法

區別於傳統的基於像元的分類方法，面向對象分類方法的處理單元為圖像對象，也稱圖斑對象。Benz et al.（2004）將圖斑對象定義為空間形態和光譜特徵相似的獨立區域。影像分割技術是面向對象分類的實質，影像分割技術的發展在一定程度上決定了面向對象分類技術的發展。Kwon et al.（2007）設計了完全四叉樹（Quad－tree Decomposition，QTD）高光譜影像分割方法。Shah et al.（2002）提出了改進的獨立成分分析高光譜影像分割方法。Acito et al.（2003）提出了基於高斯混合模型（Gaussian Mixture Model，GMM）的統計分割方法。

（6）決策樹分類方法

決策樹分類法通過制定每一層樹節點的判別規則，逐層進行比較分類。Hansen et al.（1996）認為決策樹分類對分布特性不規則、不可參數化的訓練數據有較好的分類效果。王圓圓等（2007）利用決策樹對高光譜數據進行分類研究，認為經特徵選擇後，可使其分類精度提高。

（7）模糊聚類方法

模糊分類基於事物表現的不確定性，通過分析這種模糊性，概括和發現規律從而實現分類。遙感影像像元也存在某種模糊性，針對遙感影像的模糊分類最初由Wang（1990）和Carpenteret al.（1992）人提出。閆永忠等（2005）結合絕對指數，利用模糊聚類法對高光譜影像分類，分類精度較高。

（8）專家系統分類方法

專家系統是利用多種經驗知識和判別規則，藉助於計算機分析對比待測知識和專家知識的匹配程度來進行分類。國外，很多學者開發了高光譜影像專家分類系統，如Lyon etal.（1990）研製了Stanexpert專家系統，對礦物進行自動識別。利用分類規則，Kruse etal.（1993b）開發了功能強大的光譜識別系統。Kimes則開發了VEG系統用於植被光譜識別。

（9）神經網路分類方法

人工神經網路（Artificial Neural Network，ANN）利用數學和物理方法，從信息處理的角度，對人腦的思維過程進行模擬，並建立某種簡化模型（韓力群，2006）。在高光譜遙感領域，ANN多用於物質生化組分的定量分析。Toivanen et al.（2003）利用SOFM神經網路從多光譜影像中提取邊緣，並指出該方法可應用於大數據量影像邊緣的提取；Moshou et al.（2006）根據5137個葉片的光譜數據，利用SOFM神經網路識別小麥早期黃銹病，准確率高達99％。譚琨等（2008）通過提取OMIS II高光譜影像數據的特徵成分，組成60維分量數據，分類精度達到69.27％。宋江紅等（2006）提出了基於獨立成分分析和神經網路結合的高光譜數據分類。周前祥等（2005）等設計了一種非線性網路，根據高光譜數據的紋理和光譜特徵進行分類。

（10）支持向量機分類方法

支持向量機由Vapnik（1995）提出，SVM應用在高光譜影像分類方面，國內學者做了很多研究，如，馬毅等（2006）基於航空高光譜數據，提出了基於SVM的赤潮生物優勢物種識別模型，認為該方法不受數據的高維限制。李祖傳等（2011）提出了一種改進的隨機場模型SVM－CRF，並對AVIRIS高光譜數據進行了分類實驗，精度較高。李海濤等（2007）提出了基於最小雜訊分離變換和SVM的高光譜影像分類方法，並採用OMIS1數據進行實驗研究，總體分類精度高達94.85％。沈照慶等（2009）利用最近點演算法（NPA），提出了無懲罰參數的SVM演算法，通過對AVIRIS數據的分類實驗，認為該方法提高了分類精度和速度。

（11）流行學習分類方法

流行學習（Manifold Learning，ML）是從高維采樣數據中恢復低維流行結構，並求出相應的嵌入映射，實現數據維數約簡。流行學習是模式識別的基本方法，有線性流行學習和非線性流行學習。其演算法有等距映射、拉普拉斯映射、局部線性嵌入、局部切空間排列演算法等。目前，國內很少有人研究其在高光譜影像分類方面的應用。Ma L et al.（2010a～c）認為流行學習比較適用於二分類問題，可以區分復雜地物，他們研究了基於k臨近演算法的流行學習方法、局部切空間排列的流行學習方法及廣義監督分類的流行學習方法在高光譜影像異常檢測和分類中的應用。杜培軍等（2011）利用全局化等距映射（Iso－map）演算法進行高光譜數據降維，效果良好。

（12）集成學習分類方法

集成學習在學習時採用多個學習器，並將輸出結果按照自定義的規則進行綜合，進而獲得優於單個學習器的效果。集成學習方法可分為異態集成（如，疊加法和元學習法）和同態集成（樸素貝葉斯集成、決策樹集成、人工神經網路集成、K－近鄰集成等）。集成學習作為機器學習的前沿，目前，應用在遙感圖像處理方面的研究甚少，而在高光譜影像分類方面更是鳳毛麟角，但是該技術在本領域的研究前景非常廣闊。

（13）基於雲模型的分類方法

李萬臣等（2011）提出了一種基於雲模型的高光譜影像分類技術，通過生成地物樣本的多維雲模型，結合極大判別法則進行樣本分類，分類精度較高。

1.2.1.2 高光譜影像非監督分類方法

針對高光譜影像非監督分類，現有的演算法主要為K均值演算法、ISODATA演算法。

（1）K均值法

Tou和Gonzalez（1974）認為K均值演算法是在待分類問題的類別數已知的情況下，從樣本中確定聚類核心，樣本其他元素按某種方式預先分到不同的類別中，然後進行聚類中心的調整，當中心穩定後結束聚類。

（2）ISODATA法

Ball和Hall（1965）提出了一種迭代自組織聚類方法（Iterative Self－organizing Data Analysis Techniques Algorithm，ISODATA）。該方法自主對地物類別進行「合並」 與「分裂」，從而得到較好的分類結果。

Ⅳ 教育研究方法的分類有哪幾種方法

調查法

調查法是科學研究中最常用的方法之一。它是有目的、有計劃、有系統地搜集有關研究對象現實狀況或歷史狀況的材料的方法。調查方法是科學研究中常用的基本研究方法，它綜合運用歷史法、觀察法等方法以及談話、問卷、個案研究、測驗等科學方式，對教育現象進行有計劃的、周密的和系統的了解，並對調查搜集到的大量資料進行分析、綜合、比較、歸納，從而為人們提供規律性的知識。

調查法中最常用的是問卷調查法，它是以書面提出問題的方式搜集資料的一種研究方法，即調查者就調查項目編製成表式，分發或郵寄給有關人員，請示填寫答案，然後回收整理、統計和研究。

觀察法

觀察法是指研究者根據一定的研究目的、研究提綱或觀察表，用自己的感官和輔助工具去直接觀察被研究對象，從而獲得資料的一種方法。科學的觀察具有目的性和計劃性、系統性和可重復性。在科學實驗和調查研究中，觀察法具有如下幾個方面的作用：①擴大人們的感性認識。②啟發人們的思維。③導致新的發現。

實驗法

實驗法是通過主支變革、控制研究對象來發現與確認事物間的因果聯系的一種科研方法。其主要特點是：第一、主動變革性。觀察與調查都是在不幹預研究對象的前提下去認識研究對象，發現其中的問題。而實驗卻要求主動操縱實驗條件，人為地改變對象的存在方式、變化過程，使它服從於科學認識的需要。第二、控制性。科學實驗要求根據研究的需要，藉助各種方法技術，減少或消除各種可能影響科學的無關因素的干擾，在簡化、純化的狀態下認識研究對象。第三，因果性。實驗以發現、確攜殲認事物之間的因果聯系的有效工具和必要途徑。

文獻研究法

文獻研究法是根據一定的研究目的或課題，通過調查文獻來獲得資料，從而全面地、正確地了解掌握所要研究問題的一種方法。文獻研究法被子廣泛用於各種學科研究中。其作用有：①能了解有關問題的歷史和現狀，幫助確定研究課題。②能形成關於研究對象的一般印象，有助於觀察和訪問。③能得到現實資料的比較資料。④有助於了解事物的全貌。

實證研究法

實證研究法是科學實踐研究的一種特殊形式。其依據現有的科學理論和實踐的需要，提出設計，利用科學儀器和設備，在自然條件下，通過有目的有步驟地操縱，根據觀察、記錄、測定與此相伴隨的現象的變化來確定條件與現象之間的因果關系的活動。主要目的在於說明各種自變數與某一個因變數的關系。

定量分析法

在科學研究中，通過定量分析法可以使人們對研究對象的認識進一步精確化，以便更加科學地揭示規律，把握本質，理清關系，預測事物的發展趨勢。

定性分析法

定性分析法就是對研究對象進行「質」的方面的分析。具體地說是運用歸納和演繹、分析與綜合以及抽象與概括等方法，對獲得的各種材料進行思維加工，從而能去粗取精、去偽存真、由此及彼、由表及裡，達到認識事物本質、揭示內在規律。

跨學科研究法

運用多學科的理論、方法和成果從整體上對某一課題進行綜合研究的方法，也稱「交叉研究法」。科學發展運動的規律表明，科學在高度分化中又高度綜合，形成一個統一的整體。據有關專家統計，現在世界上有2000多種學科，而學科分化的趨勢還在加劇，但同時各學科間的聯系愈來愈緊密，在語言、方法和某些概念方面，有日益統一化的趨勢。

個案研究法

個案研究法是認定研究對象中的某一特定對象，加以調查分析，弄清其特點及其形成過程的一種研究方法。個案研究有三種基本類型：(1)個人調查，即對組織中的某一個人進行調查研究；(2)團體調查，即對某個組織或團體進行調查研究；(3)問題調查，即對某個現象或問題進行調查研究。

功能分析法

功能分析法是社會科學用來分析社會現象的一種方法，是社會調查常用的分析方法之一。它通過說明社會現象怎樣滿足一個社會系統的需要（即具有怎樣的功能）來解釋社會現象。

數量研究法

數量研究法也稱「統計分析法」和「定量分析法」，指通過對研究對象的規模、速度、范圍、程度等數量關系的分析研究，認識和揭示事物間的相互關系、變化規律和發展趨勢，藉以達到對事物的正確解釋枯隱猜和預測的一種研究方法。

模擬法（模型方法）

模擬法是先依照原型的主要特徵，創設一個相似的模型，然後通過模型來間接研究原型的一種形容方法。根據模型和原型之間的相似關系，模擬法可分為物理模擬和數學模擬沒型兩種。

探索性研究法

探索性研究法是高層次的科學研究活動。它是用已知的信息，探索、創造新知識，產生出新穎而獨特的成果或產品。

信息研究方法

信息研究方法是利用信息來研究系統功能的一種科學研究方法。美國數學、通訊工程師、生理學家維納認為，客觀世界有一種普遍的聯系，即信息聯系。當前，正處在「信息革命」的新時代，有大量的信息資源，可以開發利用。信息方法就是根據資訊理論、系統論、控制論的原理，通過對信息的收集、傳遞、加工和整理獲得知識，並應用於實踐，以實現新的目標。信息方法是一種新的科研方法，它以信息來研究系統功能，揭示事物的更深一層次的規律，幫助人們提高和掌握運用規律的能力。

經驗總結法

經驗總結法是通過對實踐活動中的具體情況，進行歸納與分析，使之系統化、理論化，上升為經驗的一種方法。總結推廣先進經驗是人類歷史上長期運用的較為行之有效的領導方法之一。

描述性研究法

描述性研究法是一種簡單的研究方法，它將已有的現象、規律和理論通過自己的理解和驗證，給予敘述並解釋出來。它是對各種理論的一般敘述，更多的是解釋別人的論證，但在科學研究中是必不可少的。它能定向地提出問題，揭示弊端，描述現象，介紹經驗，它有利於普及工作，它的實例很多，有帶揭示性的多種情況的調查；有對實際問題的說明；也有對某些現狀的看法等。

數學方法

數學方法就是在撇開研究對象的其他一切特性的情況下，用數學工具對研究對象進行一系列量的處理，從而作出正確的說明和判斷，得到以數字形式表述的成果。科學研究的對象是質和量的統一體，它們的質和量是緊密聯系,質變和量變是互相制約的。要達到真正的科學認識，不僅要研究質的規定性，還必須重視對它們的量進行考察和分析，以便更准確地認識研究對象的本質特性。數學方法主要有統計處理和模糊數學分析方法。

思維方法

思維方法是人們正確進行思維和准確表達思想的重要工具，在科學研究中最常用的科學思維方法包括歸納演繹、類比推理、抽象概括、思辯想像、分析綜合等，它對於一切科學研究都具有普遍的指導意義。

系統科學方法

20世紀，系統論、控制論、資訊理論等橫向科學的迅猛發展，為發展綜合思維方式提供了有力的手段，使科學研究方法不斷地完善。而以系統論方法、控制論方法和資訊理論方法為代表的系統科學方法，又為人類的科學認識提供了強有力的主觀手段。它不僅突破了傳統方法的局限性，而且深刻地改變了科學方法論的體系。這些新的方法，既可以作為經驗方法，作為獲得感性材料的方法來使用，也可以作為理論方法，作為分析感性材料上升到理性認識的方法來使用，而且作為後者的作用比前者更加明顯。它們適用於科學認識的各個階段，因此，我們稱其為系統科學方法。

Ⅳ 研究現狀是什麼意思

即文獻綜述，要以查閱文獻為前提，所查閱的文獻應與研究問題相關，但又不能過於局限。與問題無關則流散無窮；

過於局限又違背了學科交叉、滲透原則，使視野狹隘，思維窒息。所謂綜述的「綜」即綜合，綜合某一學科領域在一定時期內的研究概況；「述」更多的並不是敘述，而是評述與述評，即要有作者自己的獨特見解。

在寫畢業論文時，對這些主要觀點進行概要闡述，並指明具有代表性的作者和其發表觀點的年份。還要分別國內外研究現狀評述研究的不足之處，即還有哪方面沒有涉及，是否有研究空白，或者研究不深入。

(5)分類方法研究現狀擴展閱讀：

新的知識會透過三種研究過程而得到：試探性研究：發掘問題、弄清問題；建設性研究：為問題提供解決方法；經驗性研究：為解決方法的可能性提供實質證據。

學者常用的研究方法有：行動研究；實驗；個案研究；參與者觀察；經驗和直覺；面談；調查；統計分析；數學模型及模擬；原文分析；分類；製作地圖；符號論；線索分析。

雖然研究題目各異，一般研究過程如下：

確立主題；確立命題；概念上的定義；運作上的定義；搜集數據；分析數據；結論，審查命題；大眾常常誤解以上的過程可以證明命題成立，實際上只可以直接證明命題不成立。證明命題成立是需要反覆的測試和驗證。

Ⅵ 演算法研究現狀

Farmer以及Deutsch和Journel雖然在1992年就提出了多點地質統計學方法,但其主要是通過在模擬退火中加入多點統計目標函數,然後對模擬圖像進行反復迭代達到與輸入統計參數匹配。該演算法受到數據樣板大小、模擬類型值多少的影響,此外迭代收斂也是一個不可避免的問題。受計算機性能以及演算法的雙重影響,模擬速度極其緩慢。因此對該方法的應用報道很少。1993年,Guardiano et al.提出了一種非迭代演算法。它並不通過變差函數及克里金建立條件概率分布,而是直接利用數據樣板掃描訓練圖像,並根據數據樣板掃描獲得的不同數據事件出現頻率,代替數據事件的多點統計概率。即對於每一個未取樣點,通過局部條件數據構成的數據事件,掃描訓練圖像推斷局部數據事件聯合未知點的條件概率(cpdf)。該方法屬於序貫模擬的范疇,但由於每次條件概率的推斷都需要重復掃描訓練圖像,對計算機性能要求相當高,因而該方法也一直停留在實驗室階段。

多點地質統計學得到快速發展,是源於搜索樹概念的提出,即一種存儲數據事件概率的數據結構。Strebelle(2000)對Guardiano et al.的演算法進行了改進,提出將掃描訓練圖像獲得的多點概率保存在「搜索樹」里,隨後的模擬採用序貫模擬的思路。在每模擬一個未知節點時,條件概率直接從「搜索樹」里讀取,大大縮短了運算機時,使得多點統計學儲層建模真正意義上的推廣成為可能。Strebelle將此演算法命名為Snesim(Singlenormal equation simulation)。Snesim演算法推出後,立刻受到建模界的關注,成為近幾年儲層建模熱點。通過實際研究區建模,有些學者指出Snesim尚存在一些缺陷,表現在以下幾個方面:

1)訓練圖像的平穩性問題。如何將實際儲層中的大量非平穩信息表現為訓練圖像並能應用多點統計方法進行建模;

2)集成軟數據(如地震)及評估訓練圖像或軟數據的權重問題,尤其是它們在某種程度上不一致時;

3)儲層形態合理再現問題。在現有演算法中,當數據事件稀少時,往往通過去除最遠條件節點方法來獲得可靠的數據事件,而這種處理方法往往會導致儲層構型再現失敗;此外,訓練圖像過小將導致目標不連續,影響建模真實性;而訓練圖像過大則導致運行機時大,Snesim的實施存在困難;

4)多重網格搜索問題。兩點統計學的多重網格搜索方法,不能改變粗網格模擬值,而條件數據重新分配具有相當大的誤差,導致實際地質結構特徵再現效果較差;

5)由於多點地質統計學仍然是基於像元的演算法,所以只能在一定程度上重現目標的形狀,對於更復雜的如尖角或者U型目標的應用則效果較差。

對於Snesim存在的問題,不同學者通過研究提出了各自的解決方案或建議。如非平穩性問題,Caers(2002)就採取類似於變差函數套合方式,通過伸縮和旋轉變換,將非平穩的地質模式變化為平穩的地質模式,隨後採用Snesim進行建模。再如數據樣板再現,Liu(2003)就通過賦予不同節點不同權重,在數據事件稀少時,舍棄權重最小數據點以獲得可靠的數據事件,而不是Snesim中去除最遠條件節點的方式;Stien(2007)則允許刪除條件數據點的值,而不是把它從條件數據集中移去。當所有節點被模擬後,再對那些被刪掉值的點重新模擬。Suzuki(2007)提出了一種新的方法,即實時後處理方法(PRTT),其主要思想是在某一點上如果條件化失敗,不是去掉一些條件數據縮小數據模板,而是返回到上一步,對前面模擬的數據進行修改,以達到數據事件合理化。在儲層屬性及數據事件多時,Arpat(2003)、Zhang(2003)等提出聚類的思想對相似數據事件進行歸類,從而減少運行機時及不合理數據事件的出現概率。

儲層建模是對地下沉積儲層地質模式的再現。考慮到儲層建模過程,實質上是對地下儲層特徵沉積模式的重建過程。如果將各種地質模式看成是一幅圖像的構成單元,對儲層預測也就是圖像的重建過程。基於此思想,在2003年Stanford油藏預測中心舉行的會議上,Arpat提出了Simpat(Simulation with pattenrs)多點地質統計學隨機建模方法,即通過識別不同的地質模式,採用相似性判斷方法,在建模時再現這些地質模式。Simpat模擬流程採用的也是序貫模擬的思路。由於是對地質模式處理,而地質模式是通過空間多個點構成的數據事件反映的,因此,在模擬實現時以整個數據事件賦值或者數據事件的子集取代了單個模擬網格節點的賦值。也就是說,在模擬過程中,在對某個未知值的預測過程中,除了模擬節點處賦值外,用來預測節點處值的條件數據的值也會有變化。Arpat通過這種數據事件整體賦值,實現儲層地質模式再現。在數據事件選擇上,Arpat擯棄了傳統的概率推斷、蒙特卡羅抽樣的隨機建模方法,而是借鑒計算機視覺及數字圖像重建領域的知識,利用數據事件的相似性對數據事件進行選擇。Arpat對此方法進行了較詳細的論證,表明此方法能夠較好再現儲層結構特徵。在此基礎上,基於距離相似度的多點地質統計學(distance-based multiple point geostatistics)開始得到研究和發展(Suzuki et al.,2008;Scheidt et al.,2008;Honarkhah et al.,2010)。與傳統基於統計抽樣的模擬不同,基於距離相似度的方法直接計算數據事件的相似性,並用最相似的數據進行整體替換。

基於統計抽樣以及儲層模式分類的考慮,Zhang(2006)提出了Fitlersim(Filter-Based simulation)方法。他認為在訓練圖像中眾多儲層模式可以由幾個濾波函數進行描述,由濾波函數獲得儲層模式的統計得分,在此基礎上,進行儲層模式的聚類,達到降低儲層維數、提高運算效率的目的。此外,在聚類過程中考慮相似的儲層模式出現的頻率,使得儲層預測具有統計學的意義。Yin(2009)則從目標骨架提取出發,約束多點統計模式選擇,提出了基於儲層骨架的多點地質統計學方法。