进化-最小二乘支持向量机的边坡稳定性估计

针对最小二乘支持向量机的参数选择问题,用遗传算法来搜索最小二乘支持向量机的相关参数,避免了人工搜索参数的盲目性,提高了模型的推广性能。根据大量的实际边坡工程数据,建立了基于进化-最小二乘支持向量机的边坡稳定性模型,并将其应用于估计丁家河磷矿自然边坡稳定状况。计算结果与工程实际情况一致,表明了该方法的有效性和合理性。     

PSO-LSSVM模型在位移反分析中的应用

提出了一种基于均匀设计原理、最小二乘支持向量机(LSSVM)和粒子群优化算法(PSO)的快速位移反分析方法。该方法利用均匀设计和有限差分法获得学习样本,再用粒子群算法搜索最优的最小二乘支持向量机模型参数。并用最小二乘支持向量机回归模型建立反演参数与监测点位移值之间的非线性映射关系,最后用粒子群算法从全局空间上搜索与实测位移最吻合的反演参数。该反演模型利用了粒子群算法高效简单、均匀设计构造高质量小样本以及最小二乘支持向量机的小样本、泛化性能好的特点。将该模型应用于龙滩水电站左岸地下厂房区岩体地应力场的反演分析中,计算结果与实测的位移值和地应力值均吻合较好,说明了该模型在岩土工程快速反演分析中具有良好的应用价值。     

基于PSO和LSSVM的边坡稳定性评价方法

提出了基于粒子群算法（PSO）和最小二乘支持向量机（LSSVM）的边坡稳定性评价方法。该模型既利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,同时也利用了粒子群算法快速全局优化的特点。粒子群算法用于搜索最小二乘支持向量机模型的最优参数,然后将模型用于预测边坡的安全系数。计算结果表明,该方法是合理的、有效的。     

基于灰色最小二乘支持向量机的边坡位移预测

利用边坡实测位移序列预测边坡未来时间的位移,可以有效地判断边坡的稳定性。在分析了灰色预测方法和最小二乘支持向量机各自的优缺点的基础上,提出了将二者相结合的一种新的预测模型--灰色最小二乘支持向量机预测模型。新模型既发挥了灰色预测方法中“累加生成”的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,又充分利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,避免了灰色预测方法及模型存在的理论缺陷。同时,采用遗传算法进行了模型的参数优化,通过2个工程实例说明灰色最小二乘支持向量机模型预测边坡位移的有效性,具有较高的精度。     

岩溶地下河日流量预测的小样本非线性时问序列模型

针对岩溶含水系统高度的非线性特征,在小样本时间序列条件下,引入了能较好解决小样本、非线性问题的支持向量回归方法,利用偏最小二乘回归对影响地下河流量的诸多因素进行综合分析,并提取主成分作为支持向量机的输入变量,采用遗传算法优化模型参数,建立了地下河日流量预测的偏最小二乘-遗传-支持向量回归模型;将该模型用于后寨典型岩溶地...     

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。     

基于最小二乘支持向量机的龙羊峡径流预测

本文简述了支持向量的回归分析、支持向量机自回归预测模型结构及预测方法,利用黄河唐乃亥站47年的径流资料,采用最小二乘支持向量机方法对径流进行了模拟预测,并与B-P神经网络方法进行了对比分析,其计算结果相对略好。     

基于最小二乘支持向量机的开都河径流预测

简述支持向量的回归分析,支持向量机自回归预测模型结构及预测方法,利用开都河大山口水文站52 a的径流资料,采用最小二乘支持向量机方法对径流进行模拟预测,并与BP神经网络方法进行对比分析,其计算结果相对略好。     

支持向量回归机在滑坡安全可靠度评价中的应用研究

探讨支持向量机的参数优化方法,将学习能力较强的支持向量机引入滑坡可靠度评价当中,并根据数理统计的理论,对滑坡稳定性敏感性因素作数据处理,并证明其合理性,在此基础上提出一种改进的可靠度指标的计算方法。为便于对比,分别选取49个学习样本和121个学习样本两种计算模型,计算实例表明,这两种计算模型与蒙特卡洛模型计算结果非常接近,充分体现了在小样本的情形下支持向量机的优势,说明将其应用于滑坡安全可靠度评价中是可行的。     

SVM在地下工程可靠性分析中的应用

将支持向量机应用到地下工程可靠性分析中,通过将支持向量机分别与一阶二次矩和蒙特卡洛结合,提出了基于支持向量机的可靠性分析方法,利用数值模拟构造学习样本,通过支持向量机学习,建立变形与随机变量之间映射关系的支持向量机表达,进而实现隧道极限状态函数及其偏导数的显式表达,从而计算隧道的可靠性指标。该方法避免了传统可靠性分析的缺点。算例分析结果表明,该方法计算效率高、结果可靠,对含有大量随机变量的复杂岩土工程可靠性分析具有很大的潜力,具有广泛的应用前景和工程价值。     

Load-displacement uncertainty of vertically loaded shallow footings on sands and effects on probabilistic settlement estimation

This article focuses on the statistical characterisation and stochastic modelling of the load-displacement behaviour of shallow footings on cohesionless soils and on the probabilistic estimation of settlement for serviceability limit state design (LSD). The study relies on a field database of 30 full-scale footings subjected to vertical loading with cone penetration testing data available for each site. The performance of three load-displacement models in replicating field data is assessed comparatively through statistical analysis. Load-displacement uncertainty is subsequently modelled probabilistically to perform Monte Carlo Simulation (MCS)-based estimation of footing settlement using the best-performing power law model. The dependence among load-displacement model parameters is investigated and replicated using copula theory. Samples are generated to account for parametric uncertainties in model inputs. The simulation output samples of settlement are examined statistically in order to assess the relevance of parametric and load-displacement uncertainties in settlement estimation, as well as the importance of accounting for correlation between power law model parameters. A simple analytical model for the estimation of settlement at any target reliability level is obtained on the basis of the outputs of MCS. The model can be practically implemented in geotechnical LSD at serviceability limit states.     

基于次加载面理论改进的ALPHA模型及其数值实施

基于次加载面理论对ALPHA模型进行了改进,并在模型中考虑了土体初始各向异性;提出了与模型相适应的半隐式本构积分算法,据此在通用有限元软件ABAQUS平台上开发了相应的用户材料子程序;利用建立的计算程序,对不同排水条件的三轴试验进行了数值模拟。与已有研究成果对比表明,提出的半隐式本构积分算法,可较好地实现复杂本构模型的数值实施。改进的本构模型克服了修正剑桥模型预测的超固结土峰值强度过高、初始屈服面内假定为弹性变形等缺点,能够较好地描述土体初始屈服面内的的非线性和不可恢复性变形特征;通过变化模型参数,可模拟变形特性较为复杂的土体。     

基于测井参数优选的煤层含气量预测模型

随着煤层气勘探的不断深入,对煤层含气量预测精度提出了更高的要求。基于煤层含气量测井响应特征,分析测井参数与含气量的相关性,提出MIV（Mean Impact Value）技术与LSSVM（Least Squares Support Vector Machine）结合的测井参数优选策略,优选最优测井参数作为网络建模的输入自变量组合,通过粒子群算法优化LSSVM网络核心参数,最后构建一套适用于煤层含气量预测的MIV-PSO-LSSVM模型。在此基础上,分别对比分析LSSVM、PSO-LSSVM、MIV-LSSVM和MIV-PSO-LSSVM模型对煤层含气量的预测性能,并与传统多元回归方法进行了对比,利用拟合优度和均方根误差对此5类模型进行评价。结果表明:PSO优化下的LSSVM模型预测精度得到有效提升,结合MIV方法优选测井参数可大幅度改善神经网络建模性能,MIV-PSO-LSSVM模型可实现煤层含气量高精度预测,为煤层气勘探及其储层评价提供新的技术支撑,且本研究的建模策略及思想可广泛应用于其他机器学习建模研究领域。      

Least Square Support Vector Machine Applied to Slope Reliability Analysis

This paper investigates the feasibility of Least square support vector machine (LSSVM) model to cope the problem of implicit performance function during first order second moment (FOSM) method based slope reliability analysis. LSSVM is firmly based on the theory of statistical learning. In LSSVM, Vapnik’s ε -insensitive loss function has been replaced by a cost function which corresponds to a form of ridge regression. Here, LSSVM has been used as a regression technique to approximate implicit performance functions. A slope example has been presented for illustrating the applicability of LSSVM based FOSM method. The developed LSSVM based FOSM has been compared with the artificial neural network (ANN) and least square method. The result shows that the approximation of LSSVM can be used in the FOSM method for slope reliability analysis.     

Least‐square support vector machine applied to settlement of shallow foundations on cohesionless soils

This paper examines the potential of least‐square support vector machine (LSVVM) in the prediction of settlement of shallow foundation on cohesionless soil. In LSSVM, Vapnik's ε‐insensitive loss function has been replaced by a cost function that corresponds to a form of ridge regression. The LSSVM involves equality instead of inequality constraints and works with a least‐squares cost function. The five input variables used for the LSSVM for the prediction of settlement are footing width (B), footing length (L), footing net applied pressure (P), average standard penetration test value (N) and footing embedment depth (d). Comparison between LSSVM and some of the traditional interpretation methods are also presented. LSSVM has been used to compute error bar. The results presented in this paper clearly highlight that the LSSVM is a robust tool for prediction of settlement of shallow foundation on cohesionless soil. Copyright © 2008 John Wiley & Sons, Ltd.     

路堤沉降计算中邓肯-张模型参数修正初探

有限单元法是计算路堤沉降常见的数值计算方法,其中土体模型参数的真实性是该法计算结果高精度的保证。首先,针对邓肯-张非线性模型中各参数对沉降影响的程度进行了分析,找到了灵敏度较大的5个参数。然后,利用人工神经网络技术,结合前期沉降实测资料,提出了一种反馈修正K,G这两个主要参数的思路。计算表明：此种修正法是可行的,且依据修正后参数的沉降计算结果更准确,在工程实践中有一定的参考价值。     

Slope reliability analysis by updated support vector machine and Monte Carlo simulation

This paper presents a new methodology for slope reliability analysis by integrating the technologies of updated support vector machine (SVM) and Monte Carlo simulation (MCS). MCS is a powerful tool that may be used to solve a broad range of reliability problems and has therefore become widely used in slope reliability analysis. However, MCS often involves a great number of slope stability analysis computations, a process that requires excessive time consumption. The updated SVM is introduced in order to build the relationship between factor of safety and random variables of slope, contributing to reducing a large number of normal computing tasks and enlarging the problem scale and sample size of MCS. In the algorithm of the updated SVM, the particle swarm optimization method is adopted in order to seek the optimal SVM parameters, enhancing the performance of SVM for solving complex problems in slope stability analysis. Finally, the integrating method is applied to a classic slope for addressing the problem of reliability analysis. The results of this study indicate that the new methodology is capable of obtaining positive results that are consistent with the results of classic solutions; therefore, the methodology is proven to be a powerful and effective tool in slope reliability analysis.     

边坡可靠度分析的支持向量机法

提出了基于支持向量机（SVM）的边坡可靠度分析新算法。该方法采用均匀设计确定样本点,通过一定数量的确定性计算来训练SVM,拟合边坡的功能函数;采用一阶可靠度方法（FORM）和迭代算法优化SVM模型,获得可靠度指标和验算点信息;在SVM模型基础上进一步通过二阶可靠度方法（SORM）和蒙特卡罗模拟（MCS）计算边坡的失稳概率。以两个典型边坡为例,通过与其他方法比较,证明了该方法的准确性和高效性。结果表明：提出的在标准正态空间（U空间）中取样并构建SVM,在原始空间（X空间）中计算功能函数的算法,有效地解决了具有相关非正态分布变量的可靠度分析问题,并且可很容易扩展到SORM的计算。算例结果证明,该方法的精度高于FORM;而效率优于MCS。分析过程中,边坡安全系数计算和可靠度分析相互独立。因此,该方法既适用于具有显式功能函数的简单问题,也适用于需要软件计算安全系数的实际边坡问题。     

考虑蠕变性状的港区软土地基参数反演和长期沉降预测

结合上海某集装箱码头建设项目,针对本工程深厚淤泥质黏土的场地条件,引入Mesri蠕变模型考虑堆场地基的长期蠕变变形。利用施工期和工后短期实测分层沉降资料,由最小二乘法建立目标函数,运用分层迭代反演方法反演得到各软土层的黏弹性参数;将反演得到的土层参数代入自行编制的沉降计算软件,计算得到地基沉降量,并将计算值与实测值进行对比,对比结果证明了参数反演的可靠性;利用反演得到的土层参数对工后的长期沉降进行了预测,为本工程的安全运营提供了指导。