文献类型：期刊文章

作　　者：王玉玲[1] 王蒙[1,2] 闫岩[1] 宫淑兰[1] 汪明[1] 徐亚[3]

WANG Yu-ling;WANG Meng;YAN Yan;GONG Shu-lan;WANG Ming;XU Ya(School of Information and Electrical Engineering, Shandong Provincial KeyLaboratory of Intelligent Buildings Technology, Shandong Jianzhu University, Jinan 250101, China;Faculty of Science &Engineering, Link?ping University, Link?ping, 58183 Sweden;Chinese Research Academy of Environmental Sciences, Beijing100012)

机构地区：[1]山东建筑大学信息与电气工程学院山东省智能建筑技术重点实验室,山东济南250101 [2]林雪平大学科学工程学院,瑞典林雪平58183 [3]中国环境科学研究院,北京100012

出　　处：《中国环境科学》

基　　金：国家自然基金资助项目(61503219;61573226);山东省重点研发计划(2016GGX101005);中央级院所基本科研业务专项重点项目(2016YSKY14)

年　　份：2019

卷　　号：39

期　　号：3

起止页码：1315-1322

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、ZR、核心刊

摘　　要：本文提出将聚类算法引入到ERT监测系统中,采用K均值(K-means)聚类、模糊C均值算法(FCM)以及混合高斯模型(GMM)3种常用聚类算法对ERT检测结果进行污染区域识别,通过一个数值模型分析了3种算法的识别效果.研究结果表明当污染区域与背景土壤的电阻率区分度较大时(电阻率差异性大于30%),采用3种聚类算法都可以识别出污染区域,K-means和FCM的识别效果优于GMM算法.最后,给出一个实际场地调查的应用案例.

关 键 词：ERT 检测  污染场地 聚类算法 污染区域识别  

分 类 号：X831]