改进的核函数在红岩矿矿井涌水量预测中的应用

运用伏特拉核函数基本理论,建立了南桐矿区红岩煤矿矿井涌水量的线性、非线性核函数模型,介绍了计算核孙数模型所用的递归算法,同时对模拟结果的残差进行了分析,并用ＡＲ模型进行了改进。     

基于混合核函数PSO-LSSVM的边坡变形预测

支持向量机（SVM）的核函数类型和超参数对边坡位移时序预测的精度有重要影响。鉴于局部核函数学习能力强、泛化性能弱,而全局核函数泛化性能强、学习能力弱的矛盾,通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数,并引入粒子群算法（PSO）对最小二乘支持向量机（LSSVM）超参数进行全局寻优,提出了边坡位移时序预测的混合核函数PSO-LSSVM模型。将模型应用于锦屏一级水电站左岸岩石高边坡变形预测分析,并与传统核函数支持向量机预测结果进行对比分析。结果表明,该模型较传统方法在预测精度上有了明显提高,预测结果科学可靠,在边坡位移时序预测中具有良好的实际应用价值。     

多目标规划理论识别岩溶水系统核函数模型的应用实例

本文在研究核函数理论的基础上,建立了岩溶水系统线性、非线性核函数模型,运用多目标线性、非线性规划识别核函数模型,并编制了相应的程序,把这一理论及模型运用到赵各庄矿坑涌水量预测中,获得了较满意的模拟,预测结果。     

基于支持向量机的膨胀土胀缩等级预测

膨胀土的胀缩等级判定对膨胀土地区工程建设具有重要的意义。为此,本文提出了一种基于支持向量回归机（SVR）模型的膨胀土胀缩等级预测方法。基于肯尼亚“蒙内铁路”沿线膨胀土的土工试验数据,以土体自由膨胀率作为预测目标,构建了包含两种不同预测指标体系的膨胀土胀缩等级预测模型。模型I以液限、塑限、塑性指数、3种不同粒径的颗粒含量（< 0.075、0.075～0.25、0.25～0.5）、土的类型为输入参数,模型II以液限、塑限、塑性指数、粒径< 0.075的颗粒含量、土的类型为预测参数。两个模型在预测时采用Linear、Polynomial、RBF和Sigmoid核函数进行训练。结果表明:（1）当预测采样次数达到1000次时,训练模型均趋于稳定;（2）整体而言,模型I的预测精度要优于模型II,模型I中采用RBF核函数建立的模型给出了最高准确率86.6%,其次为Linear核函数（准确率82.9%）和Sigmoid和函数（准确率75.1%）。模型II中采用RBF核函数建立的模型给出了最高准确率77.4%,其次为Linear核函数（准确率74.3%）和Sigmoid和函数（准确率72.9%）;（3）采用Linear函数、Sigmoid函数和RBF函数作为核函数模型对44组未知胀缩等级的土样预测时,模型I中三者预测结果相同的数量占比为73%,其余组土样的预测胀缩等级相同或相邻,不存在“越级”现象,模型II中三者预测结果相同的数量占比为68%,不存在“越级”现象。最后,通过与模糊层次分析法评价结果对比,进一步证明了本文研究结果可为肯尼亚等类似地区工程建设中膨胀土的胀缩等级预测和处理提供依据。     

基于多核模式的隧道沉降预测

为提高支持向量机的预测精度,提出一种基于自适应多核学习模型的预测方法。自适应多核学习算法中采用树形筛选结构,通过生枝、剪枝操作完成核函数间的相加、相乘处理,增强了多核函数的非线性与多样性。采用网格遍历和粒子群算法对核参数、权重系数及模型参数进行寻优处理,弥补了训练样本缺少先验知识对参数赋值产生的偏差。将多核学习方法用于地铁隧道沉降预测,并与单核函数的预测数值进行对比。试验结果表明,自适应多核学习模型有效提高了预测模型的预测精度及泛化性能。     

基于局部重力场建模的Tikhonov正则化点质量核径向基函数方法

针对点质量核径向基函数应用于局部重力场建模中的设计矩阵严重病态问题,本文引入Tikhonov正则化方法对传统点质量核径向基函数方程进行改造,建立了相应的正则化模型。通过模拟数据进行仿真实验,以传统格网化方法作为对比试验,利用"标靶法"确定两种模型的最优结构。实验结果表明:正则化点质量核径向基函数可以直接利用离散数据进行局部重力场建模。在两种模型的最优结构下,当实测数据无污染时,正则化方法达到与传统格网化方法相当的精度;当实测值中加入3 mGal的高斯白噪声时,正则化方法的精度获得了27.9%的提升。这说明本文方法可以应用于局部重力场建模中,且模型结构更优,抗干扰能力更强。     

大定源回线全区视电阻率平移算法与核函数算法的对比

为了更快、更准确地进行瞬变电磁一维正、反演,研究了中心回线装置计算全区视电阻率的平移算法和核函数算法。研究表明,均匀半空间大定源回线的瞬变响应曲线具有平移伸缩特性和核函数特点,可以运用平移算法和核函数算法计算。推导出全区视电阻率的计算公式,通过三层K型、4层KH型地电模型理论计算,对比分析了平移算法和核函数算法的运算速度和误差,结果表明:平移算法的运算速度为0.140 6 s,均方根误差为1.824×10-2,核函数算法的运算速度为3.241 8 s,均方根误差为0.728×10-2,两种方法均能计算大定源回线的全区视电阻率,各有优缺点。      

采用分数阶导数描述软黏土蠕变的模型

按遗传流变理论来推导软黏土的蠕变模型,提出了一种新的蠕变核函数形式的选取方法,即用修正Burgers模型的导数形式作为蠕变核函数,随着参数取值的不同,该经验模型能模拟蠕变发展到不同阶段的蠕变曲线,探讨了该模型能精确描述软黏土的蠕变变形的原因,模型具有参数少、物理意义明确,适用性强的特点,能有效地描述湛江软黏土的蠕变特性。该研究内容也是对分数阶微积分进行应用研究的一种新的尝试。     

岩溶水系统的核函数方法及其应用

本文运用系统理论观点,将线性系统分析方法引入岩溶水资源评价的研究。比较了线性核函数模型与衰减分析、回归分析和权函数分析的区别与联系。提出用线性规划法能识别出正确的核函数,从而得到线性最佳预报方程。根据核函数之间的关系,可以求得反应系统作用的某些特征参数。文章最后研究了一个实例,作为方法应用的简介和方法本身的验证。      

基于Wigner双谱对角切片的谱分解技术在油气检测中的应用

谱分解技术作为一种解释性处理技术得到了地质、地球物理工作者的广泛关注,如何有效地利用其分频显示功能进行油气检测也成为人们关注的一个焦点。利用Wigner高阶谱具有高时频聚集性的特点,提出了一种基于改进核函数的Wigner双谱对角切片的谱分解技术。即在分析指数型核函数与锥形核函数优缺点的基础上,给出了改进的新核函数,进而采用模糊域核函数滤波法抑制Wigner双谱对角切片的交叉项,并解决了Wigner双谱对角切片的模糊函数中心点校正问题。通过对新的核函数交叉项抑制能力的数值模拟,验证新的核函数对时延轴上的交叉项也能抑制。最后对实际地震数据进行了分频处理,在20 Hz低频剖面内的油气有利区表现为强能量显示,与井的钻遇结果一致。     

滑坡位移时序预测的核函数构造

获得支持向量机(SVM)背景下滑坡位移时序准确预测的关键,是构造或选择一合适的核函数。通过分析滑坡位移时序曲线特征以及不同类型Mercer核的性质,从基于核函数上的封闭运算角度,构造出支持向量机背景下预测滑坡位移时序的最佳核函数。利用3组不同特征的滑坡位移时序,对构造出的核函数进行性能检验,数值实验表明：对于典型的3组滑坡时序,LPG与MPG核的学习性能要优于简单核,且前者适合复杂位移时序的回归预测,而后者更适合规律性较强的简单时序曲线的建模预测。此外,探讨了这两种核函数下的核参数取值对模型精度的影响。     

核概率距离聚类方法及应用

研究聚类分析新方法一直是统计学和机器学习研究领域普遍关注的课题。针对概率距离聚类算法不能解决非线性可分聚类问题的缺欠,笔者应用核函数理论将该模型拓展成为一种能够解决非线性可分聚类问题的统计模型,称为核概率距离聚类分析模型。研制出一种应用新模型进行遥感图像非监督分类研究的实施策略和可行算法;在GDAL遥感图像数据输入输出函数库基础上,用VC++语言开发了遥感图像核概率距离聚类分析算法程序;用ERDAS软件提供的一幅7波段491像素×440像素大小的TM图像进行新方法分类应用实验研究。对比了新模型和其原版本的TM遥感图像非监督分类效果,结果表明新模型的非监督分类效果优于原有的分类模型。     

单斜地形情况下的磁共振测深方法反演研究

磁共振测深方法是一种基于地磁场中地下水氢核的弛豫特性差异进行探测的地球物理勘查方法,它可以无损探测地下水含量及分布。近年来,随着磁共振测深方法的应用范围不断扩大,该方法常面临地表有较大坡度情况下的探测,使用传统手段反演时,容易导致反演结果不准确。本文对地磁场矢量与线圈所在平面之间的夹角——等效地磁倾角进行介绍,并据此给出了单斜地形情况下的磁共振测深方法的反演方法。依据地质资料或其他物探方法提供的先验信息,可以计算得出磁共振测深方法平行分层核函数或水平分层核函数的分布,从而对倾斜地表情况下的核磁共振信号进行反演。本文构建了倾斜地表情况下的地下一维含水层及二维含水体模型,通过正演计算求得相应的核磁共振信号,并分别采用等效地磁倾角计算得到的核函数及直接计算的核函数进行反演。反演结果显示,在地表倾斜的情况下,传统的磁共振测深反演方法会产生误差,而采用等效地磁倾角构建的核函数进行反演能够压制单斜地形的影响。对白水河滑坡区磁共振测深数据的反演工作验证了该方法的有效性及可行性。因此,本文所提出的基于等效地磁倾角的单斜地形反演能够极大提升磁共振测深方法的适用范围。     

基于粒子群算法优化小波支持向量机的岩土力学参数反演

常用的确定岩土力学参数的方法有原位测试和室内试验两种,但都存在一定的局限性,参数选择的合理与否,对设计计算及数值模拟分析结果的有效性影响很大。支持向量机法在理论基础和求解算法方面都具有明显优势,为确保岩土力学参数取值的合理性,采用支持向量机法对岩土力学参数进行反演。先通过小波分析理论构造出支持向量机的核函数,再用粒子群算法(PSO)分别优化Morlet小波、Mexico小波和RBF函数的支持向量机模型参数,通过小波支持向量机模型建立反演参数与沉降值间的非线性映射关系。根据正交试验和均匀试验对需反演的岩土力学参数进行设计,结合有限元软件进行计算分析,得到学习样本和测试样本。分别采用Morlet小波、Mexico小波和RBF函数得出的预测结果和原始数据进行对比分析,发现采用Morlet小波核函数预测效果更佳。使用Morlet小波核函数预测的参数输入到Midas模型中计算建筑物最终沉降量,比较计算值与实际监测值,其相对误差不超过8.1%。研究结果表明,该方法在岩土工程参数的反演中具有良好的应用价值,对今后岩土力学参数的确定及校核提供了一种新方法。     

核主成分分析与支持向量机模型在储层识别中的应用

针对低孔、低渗致密储层识别较常规储层难这一问题,首次应用核主成分分析与支持向量机(KPCA-SVM)模型进行储层识别.该模型先通过核主成分分析(KPCA)进行非线性特征参数提取,然后将提取的特征参数作为支持向量机(SVM)的输入变量,最终实现储层识别.由于KPCA-SVM模型集成了核函数、主成分和支持向量分类机的优点,较好地解决非线性小样本的问题,能消除数据之间的噪音,降低维数,而又不缺失有效信息,达到准确快速预测的功能.将该模型应用到新场须二气藏新856井区储层预测中,预测结果验证了本模型的优越性,可作为致密储层预测的可选方法.     

基于组合核函数的高斯过程边坡角智能设计

高斯过程(GP)是近年来发展迅速的一种全新学习机。与支持向量机(SVM)相比,该方法有着容易实现、超参数可自适应获取及预测输出具有概率意义等优点。结合边坡工程中的边坡角设计,编写了在多种因素影响下边坡角设计的GP程序,为克服单一核函数预测精度和网络泛化能力差的缺点,采用单一核函数相加作为GP的组合核函数,将自动关联性测定参数（ARD）引入其中,建立了关于超参数的GP回归网络模型,使用共轭梯度下降算法导出最优超参数,用ARD超参数进行输入属性相关性分析和特征选取,并以此网络对测试样本进行学习预测,结合支持向量回归方法给出了在回归问题上的应用和对比分析。结果表明：在边坡角智能设计应用中,采用组合核函数的GPR网络ARD参数具有明确的物理意义,预测回归性能优于SVM,且预测输出的概率解释能更好的体现预测值的代表性,为边坡角设计开辟新径。     

WA联合ELM与OS-ELM的滑坡位移预测模型

滑坡累积位移监测曲线往往呈现出复杂的非线性增长特性,对此建立了不少相关的预测模型,而以往的预测模型存在着许多不足。本文基于小波函数（Wavelet Analysis,WA）,ELM与OS-ELM,提出一种名为WA联合ELM、OS-ELM的预测方法。首先,该方法基于小波函数,将滑坡累积位移分解成受内部地质条件影响的趋势项和受外部影响因子影响的周期项;然后,基于ELM与OS-ELM分别对趋势项和周期项进行预测;最后将趋势项和周期项的预测值叠加得到累积位移的预测值。结果表明,小波函数得到的趋势项展现出良好的趋势性,而周期项也展现出良好的周期性;以Sigmoid方程为核函数,隐含层神经元个数为33的ELM模型能准确高效对趋势项进行预测,而以RBF方程为核函数,隐含层神经元个数为100的OS-ELM模型能准确高效对周期项进行预测;累积位移预测数据的RMSE分别为0.1423和0.1315,预测结果相对较好,能够在滑坡位移预测领域发挥一定的作用。     

大回线源瞬变电磁技术在西藏山南地区探矿中的应用

对大回线源瞬变电磁非中心点场和中心点场响应进行对比讨论,认为核函数具有相似的函数形态和函数性质,因此对于非中心点各分量也可以表示成与中心点垂直分量类似的多项式形式,采用待定系数法,完成视电阻率定义,通过模型检验认为方法可行,结果可靠.使用这一技术时西藏山南地区的帕南、努日等两个矿区进行探测,解释结果与钻探验证一致,取得...     

基于粒子群-高斯过程回归耦合算法的滑坡位移时序分析预测智能模型

高斯过程回归(GPR)学习机有着容易实现、超参数自适应获取及预测输出具有概率意义等优点。通常采用共轭梯度法获取GPR超参数,但其存在优化效果对初值依赖性太强,迭代次数难以确定,易陷入局部最优的缺点。改用粒子群优化 (PSO)算法进行最优超参数搜索,形成粒子群-高斯过程回归耦合算法(PSO-GPR)。将该算法引入三峡永久船闸高边坡、卧龙寺新滑坡、链子崖滑坡3个不同的典型滑坡变形时序分析中,对每个滑坡分别采用稳态核及一种新式神经网络（NN）、平方指数（SE）、有理二次型（RQ）3种单一核函数进行外推预报测试。工程应用表明,基于3种不同单一核函数的粒子群-高斯过程回归算法（PSO-GPR）均能完全适应不同滑坡时序分析,其中以NN核函数外推预测效果最佳,平均相对误差分别为6.37%、7.62%、1.07%,从而改善了在进行不同滑坡变形时序分析时采用单一核函数的核机器外推能力存在较大差异性的问题,提高了单一核函数对不同数据类型的兼容性     

基于正交设计下SVM滑坡变形时序回归预测的超参数选择

超参数的选择直接影响着支持向量机（SVM）的泛化性能和回归效验,是确保SVM优秀性能的关键。针对超参数穷举搜索方法的难点,从试验设计的角度,提出了正交设计超参选择方法,并分析了基于混合核函数（比单一核函数具有更好的收敛性和模型适应性）SVM各个超参数的取值范围,选定了每个参数的试验水平。通过考虑参数间的正交性和交互性,选取最优超参数组合下的SVM模型。应用该方法,对两种典型滑坡位移时序的SVM建模进行了超参数组合正交优化设计,获得了精度高且泛化性能良好的滑坡预测模型,其试验结果验证了方法的可靠性。正交设计超参选择方法较之其他超参选择法简单实用,其高时效的特点更有助于SVM在实践工程中的良好应用。