Ultimate Bearing Capacity of Subsoils to Marine Pipelines

- Based on the theory of limit analysis, the Finite Difference Method (FDM) is established for evaluating the ultimate bearing capacity of subsoils to bear the unburied pipelines. The analytical results of bearing capacity of the ideal clay is given. The approach to bearing capacity evaluation of cohesionless subsoils without surcharge is suggested. The results from this method are consistent with those obtained from model tests.     

深海吸力锚水平极限承载力研究

深海吸力锚基础的极限承载能力是海洋工程锚固系统的一个关键问题。基于Coulomb摩擦接触对原理,给出一种模拟吸力锚承载能力的有限元模型。在该数值模型基础上,利用通用有限元分析软件ABAQUS,研究系泊点位置、吸力锚长径比对极限承载力的影响,并给出深海吸力锚失稳模式。结果表明,系泊点位置极大地影响着吸力锚的极限承载力与稳定性,系泊点位置的变化会导致吸力锚出现前倾转动、平移滑动和后仰转动失稳模式,同时吸力锚失稳模式受长径比的影响。为工程实际和理论分析提供了技术支持和理论指导。     

新型伞状锚拉拔破坏机制与承载力数值分析

锚泊基础的承载性能直接影响着海洋浮式结构物的稳定性,因而研究新型有效的锚泊基础已成为海洋工程结构设计中的关键问题之一。文中提出了一种基于海洋软土液化特性的伞状锚,充分利用桩端土体增强抗拔承载能力。应用二维颗粒流分析程序,对该新型伞状锚的安装、抗拔承载能力进行了数值模拟,并与普通锚桩进行比较分析,验证其有效性。针对伞状锚与普通锚桩在拉拔过程中的土体破坏机制,从细观角度分析了其抗拔承载能力的提高机制。研究结果表明,对于相同抗拔锚泊设计竖向承载要求,伞状锚所需材料可大为减少,安装难度明显减低,是值得推广应用的新型锚泊基础形式。     

Updated Support Vector Machine for Seismic Liquefaction Evaluation Based on the Penetration Tests

Simplified techniques based on in situ testing methods are commonly used to predict liquefaction potential. Many of these simplified methods are based on finding the liquefaction boundary separating two categories (the occurrence or non-occurrence of liquefaction) through the analysis of liquefaction case histories. As the liquefaction classification problem is highly nonlinear in nature, it is difficult to develop a comprehensive model taking into account all the independent variables, such as the seismic and soil properties, using conventional modeling techniques. Hence, in many of the conventional methods that have been proposed, simplified assumptions have been made. In this study, an updated support vector machine (SVM) based on particle swarm optimization (PSO) is used to evaluate liquefaction potential in two separate case studies. One case is based on standard penetration test (SPT) data and the other is based on cone penetration test (CPT) data. The SVM model effectively explores the relationship between the independent and dependent variables without any assumptions about the relationship between the various variables. This study serves to demonstrate that the SVM can “discover” the intrinsic relationship between the seismic and soil parameters and the liquefaction potential. Comparisons indicate that the SVM models perform far better than the conventional methods in predicting the occurrence or non-occurrence of liquefaction.     

Updated Support Vector Machine for Seismic Liquefaction Evaluation Based on the Penetration Tests

Simplified techniques based on in situ testing methods are commonly used to predict liquefaction potential. Many of these simplified methods are based on finding the liquefaction boundary separating two categories (the occurrence or non-occurrence of liquefaction) through the analysis of liquefaction case histories. As the liquefaction classification problem is highly nonlinear in nature, it is difficult to develop a comprehensive model taking into account all the independent variables, such as the seismic and soil properties, using conventional modeling techniques. Hence, in many of the conventional methods that have been proposed, simplified assumptions have been made. In this study, an updated support vector machine (SVM) based on particle swarm optimization (PSO) is used to evaluate liquefaction potential in two separate case studies. One case is based on standard penetration test (SPT) data and the other is based on cone penetration test (CPT) data. The SVM model effectively explores the relationship between the independent and dependent variables without any assumptions about the relationship between the various variables. This study serves to demonstrate that the SVM can “discover” the intrinsic relationship between the seismic and soil parameters and the liquefaction potential. Comparisons indicate that the SVM models perform far better than the conventional methods in predicting the occurrence or non-occurrence of liquefaction.     

基于SVM的甲壳动物线粒体基因分析方法

甲壳动物线粒体基因组蕴涵了物种进化历程中重要的遗传信息,如何有效地利用这些保留在基因组中的基因序列和基因顺序信息,是甲壳动物线粒体基因组研究的一个重点方向。为了进一步探讨甲壳动物稳定、可靠的系统发育关系,本文利用支持向量机的分类功能实现了甲壳动物线粒体基因组基因区与基因间区、编码区与非编码区的准确分类和预测,同时为了提高分类学习机的泛化能力,使用了交叉验证方法和粒子群算法优化选取支持向量机相关训练参数。通过MATLAB仿真分析的方法,对10种甲壳动物线粒体基因组序列的基因区和基因间区进行分类,以及对5种甲壳动物进行线粒体基因组序列中编码区和非编码区的分类,获得了较好的分类准确率。仿真结果表明本文方法是可行的和有效的,能够出色地应用于甲壳动物线粒体基因组序列的研究分析。     

海底双相随机介质声反射的SVM神经网络分类识别研究

考虑海底沉积介质为双相介质,为了更好地模拟实际海底底质的不均匀性,将随机介质理论引入双相介质理论。首先,通过基于随机-双相介质理论的高阶有限差分数值技术模拟计算海底底质分别为泥质砂、泥、泥质砾时的地震反射波信号。然后利用小波变换分别求取不同底质的一次反射波的包络作为其特征向量,最后利用基于粒子群智能算法优化的支持向量机神经网络对这些反射波信号进行分类识别。为了进一步考察所用方法的抗噪能力,对正演得到的海底底质反射波信号分别加入10%、30%、50%的高斯白噪音之后再进行分类,支持向量机仍然取得了较好的分类预测效果。基于上述正演模拟及分类识别方法的论证,提出了一套行之有效的微机软件模拟海底沉积物分类识别的一般化流程,这将有利于开展海底沉积物反射特征的进一步研究。     

基于支持向量机预测安达曼海南部内孤立波传播特性

内孤立波是发生在密度稳定层化海水中的一种特殊的海洋内波.预测内孤立波传播难度较大.本文提出了一种方法,利用美国麻省理工学院大气环流模型(MITgcm)的内孤立波模型计算了大量模拟数据,建立数据库.采用机器学习的方法,建立一个基于支持向量机(support vector machine,SVM)的安达曼海南部内孤立波传播...     

基于阵列感应测井的支持向量机流体识别方法

基于研究区块的高分辨率阵列感应测井(HDIL)资料,首先分析了利用交会图法进行流体识别的效果,指出了该常规解释方法的局限性。在此基础上,将基于遗传算法优化的支持向量机(GA-SVM)引入到测井解释当中,结合阵列感应测井和常规测井资料,建立了流体识别的非线性模型。利用该模型对45个训练样本进行回判,准确率为100%,对21个预测样本进行预测的准确率为90.48%,相对于常规解释方法,该流体识别方法具有更高的准确率。     

基于模糊C均值聚类-支持向量机的海底沉积物分类识别

在总结了目前海底底质分类研究的基础之上,率先提出利用计算机数值模拟技术对海底底质进行分类识别研究。相较于目前海底底质分类研究中所使用的水槽实验法,提出采用计算机数值正演技术模拟实际地震勘探中数据采集过程。在分类识别算法上,分别采用支持向量机(SVM)和模糊C均值聚类(FCM)算法对采集的数据进行分类,为使支持向量机分类识别率达到最大,引入差分进化算法对支持向量机中关键参数进行最优化搜索,并研究了向原始地震记录中加入10%,30%,50%的高斯白噪音时算法的稳定性。在分析了这两种算法分类识别的正确率及其各自的优缺点后,提出了海底底质分类识别的两步法,即(1)先利用模糊C均值聚类进行一粗糙的预测分类,在每一类中挑选聚类性较好的数据作为支持向量机的训练样本;(2)将上一步中筛选的样本作为支持向量机的训练样本,并用差分进化算法优化支持向量机分类参数,再利用训练好的支持向量机对其余数据做预测分类。鉴于计算机数值模拟的可重复性、高效快速性及本文提出的模糊C均值聚类-支持向量机方法的鲁棒性,为便于开展进一步研究,归纳总结了一套行之有效的采用计算机数值模拟技术开展海底底质分类识别研究的一般化流程。     

海上风机吸力式桶形基础承载特性研究综述

风机基础作为海上风机整体结构的重要组成部分,承受着上部风机所受到的风浪流荷载,并且对风机的安全性及可靠性至关重要。吸力式桶形基础由于其安装简单和可重复利用等优点,在海洋平台基础中得到了广泛应用,并逐步应用于海上风机基础中。但由于海上风机与海洋平台在海洋环境中的荷载工况有一定的差别,仍需要通过对其承载特性研究现状进行全面认识,以实现吸力式桶形基础在海上风机基础中的可靠应用。文中通过总结和评价现有研究对桶形基础在不同土体条件以及荷载条件下进行试验及数值模拟分析得到的研究结果,综述了静荷载和循环荷载作用下砂土和黏土中的吸力式桶形基础的承载特性研究现状,以及海上风机吸力式桶形基础的相关研究。文章展望了目前应用于海上风机基础的桶形基础仍缺乏的研究,为海上风机吸力式桶形基础的可靠应用及后续研究提供重要参考。     

基于SSA-SVM模型的台风风暴潮灾害损失评估

受全球气候变化影响,台风风暴潮造成的损失显著增加,准确构建高效、合理的损失评估模型对海洋灾害防灾减灾工程具有重大现实意义。使用4组指标构建台风风暴潮指标体系,并通过主成分分析筛选出输入因子。采用麻雀搜索算法优化支持向量机模型对台风风暴潮损失分级和直接经济损失进行评估,与其他优化算法进行比较分析,发现该模型具有更好的预测精确性。对指标体系中的4组指标分别进行评估,得出指标的有效性大小为危险性指标>气候变化指标>易损性指标>防灾减灾能力指标,表明了该实验的合理性,为防灾减灾事业提供了有效的评估方式。     

基于多核SVM决策融合模型的海面原油多光谱遥感检测研究

海面溢油事故发生后需要进行精准的溢油检测,从而为溢油事故现场应急响应与海面污染的快速有效处理提供支持。利用哨兵二号(Sentinel-2)多光谱遥感影像,基于最佳指数因子(OIF)构建光谱特征指数提取海面溢油光谱特征,基于灰度共生矩阵(GLCM)提取海面溢油纹理特征,利用巴氏距离法进行特征选择,构建海面溢油空谱特征数据集。提出了多核决策融合支持向量机(SVM)海面原油检测模型,对黄海4.27“交响乐号”油轮溢油事故开展检测研究。实验结果表明,在复杂水色背景下,经过筛选的最佳空谱特征数据集检测结果的总体精度可以达到89.25%,Kappa系数为0.854,F₁分数可达0.889;多核SVM决策融合后的总体精度可以达到90.26%,Kappa系数为0.866,F₁可达0.898,总体精度较单核提高了1.0%~8.2%,Kappa系数提高了0.013~0.122,F₁分数提高了0.009~0.097。实验结果表明,海面溢油检测模型具有较高的溢油检测精度和模型鲁棒性,适用于海面溢油检测研究。     

基于两种机器学习方法分析东海北部海域三疣梭子蟹(Portunus trituberculatus)时空分布

为了解东海北部海域三疣梭子蟹(Portunustrituberculatus)资源时空分布规律,探索更适合三疣梭子蟹资源量预测的模型方法,根据2006—2007年共四个季度在东海北部海域的底拖网调查数据,运用梯度提升回归树(gradientboostingregressiontree,GBRT)和支持向量机(supportvector machine,SVM)这两种机器学习方法,分析了三疣梭子蟹时空分布与环境因子之间的关系,同时使用方差解释率(VE)、相对均方根误差(RMSE)以及决定系数R2等指标对不同模型的拟合效果、预测性能以及稳定性等进行了比较,选择其中最佳模型对东海北部海域三疣梭子蟹资源分布进行预测。结果显示, GBRT模型的拟合效果相对优于SVM模型,两种模型的拟合结果均显示底层海水盐度(SBS)为影响三疣梭子蟹资源分布最为显著的环境因子。GBRT模型的预测性能较高且模型较为稳定,其预测结果显示夏季的资源量高于其他三个季节,且各季节所研究海域的东南部均存在一个资源分布的低值区。研究结果预期可为三疣梭子蟹资源分布及资源量预测新方法的探索和分析提供技术指导。     

基于GF-2影像的广西茅尾海红树林物种分类及盖度估算分析

为了掌握茅尾海红树林种类和盖度情况,基于GF-2 PMS1高分辨率卫星遥感影像数据,使用支持向量机(support vector machine,SVM)和回归模型方法开展了茅尾海红树林物种分类和植被盖度估算研究,并对其分布特征展开了详细分析。研究表明:(1)广西茅尾海红树林共有4个种类,分别是桐花树(Aegiceras corniculatum)、无瓣海桑(Sonneratia apetala)、秋茄(Kandelia candel)和茳芏(Cyperus malaccensis)。桐花树作为茅尾海红树林的优势种,面积为1228.612 ha,占总面积72.5%,散布在茅尾海潮间带。秋茄面积最少,仅有1.976 ha,零星分布于茅岭乡和尖山镇沿岸,多数与无瓣海桑和桐花树混生。(2)基于GF-2 PMS1卫星影像的NDVI植被指数建立的二次多项式盖度回归模型效果最好,决定系数最大为0.7644,均方根误差RMSE最小为0.0680。(3)植被盖度分布状况与植被类型有密切关系,植被种类纯生区的盖度要明显大于植被混生区的盖度。本研究结果为茅尾海国家海洋公园和自治区级自然保护区管理部门的决策提供理论基础。