基于最小二乘支持向量机的砂土液化预测方法

使用最小二乘支持向量机分类方法建立了两个砂土液化预测模型,预测结果与野外实际情况全部相符,表明该分类方法用于预测砂土液化是可行的,且预测准确率高。     

基于PSO-SVM的城市桥梁群体震害预测模型研究

本文根据城市桥梁群体的实际震害资料数据,采用粒子群算法（PSO）来优化支持向量机（SVM）参数,选择影响桥梁震害等级的8个因素作为特征输入向量,充分用2种算法的优点建立PSO-SVM的桥梁震害预测模型。通过比较PSO-SVM和SVM模型对桥梁震害的预测能力,发现PSO-SVM模型具有较高预测精度和较高的推广价值。本文的研究成果对桥梁震害等级的预测具有一定的参考价值和指导意义。     

基于小波分析和最小二乘支持向量机的中国大陆地震震级预测研究

利用小波分析方法分析百年来中国大陆地震资料, 得到了地震活动在不同时间尺度上的特征, 同时利用各种尺度的小波系数得出地震活动主要周期, 并把此周期值作为参数应用于最小二乘支持向量机预测中。 结果表明, 此方法报准率较高, 平均误差与均方差较小。     

地震预警现地PGV连续预测的最小二乘支持向量机模型

为提升现地仪器地震烈度预测的准确性与连续性,研究面向地震预警的PGV连续预测模型.以中国仪器地震烈度标准的计算参数：0.1~10 Hz带通滤波三分向矢量合成速度峰值PGV为预测目标,利用日本K-net与KiK-net台网P波触发后1~10 s强震数据,基于人工智能中的机器学习方法-最小二乘支持向量机,选取7种特征参数作为输入构建最小二乘支持向量机PGV预测模型LSSVM-PGV.结果表明,本文建立的LSSVM-PGV模型在训练数据集与测试数据集上的预测误差标准差变化趋于一致,具备泛化性能;P波触发后3 s预测PGV与实测PGV即可整体符合1：1关系,随着时间窗的增长,PGV预测的误差标准差显著减小、并在P波触发后6 s趋向收敛,具备准确连续预测能力;对比同为P波触发后3 s的常用Pd-PGV模型,LSSVM-PGV模型的PGV预测误差标准差明显减小,"小值高估"与"大值低估"现象明显改善,预测准确性得到提升.熊本地震序列的震例分析表明,对于6.5级以下地震,LSSVM-PGV模型最多在P波触发后3 s即可预测出与实测PGV整体符合1：1关系的PGV;对于7.3级主震,由于其破裂过程的复杂性,P波触发后3 s的预测结果出现一定程度的低估,但随着时间窗增长至6 s时,预测PGV与实测PGV符合1：1关系、并直到10 s整体趋势保持一致.本文构建的LSSVM-PGV模型可用于现地地震预警仪器地震烈度的预测.     

用小波变换和最小二乘支持向量机方法预测华南地震区年度最大地震

应用小波变换和最小二乘支持向量机（LSSVM）相结合的方法（小波-LSSVM）预测华南地震区年度最大地震。先用小波变换将地震序列分解成不同尺度水平（频率段）的子序列，再用LSSVM方法分别对各子序列建模预测，最后重构各子序列的预测结果并得到最终预测结果。经与周期图方法和LSSVM预测方法比较研究表明：模型输入量中包含地球自转速率变化的小波-LSSVM方法预测效果很好，可以用于华南地区年度最大地震预测研究，且地球自转变化与华南地震时间序列的低频部分（趋势）和高频部分（短期变化）之间存在很强的、互不相同的非线性关系。     

基于支持向量机的砌体结构震害预测新方法研究

应用简便、可靠的震害预测方法对我国大量存在的砌体结构进行抗震性能评估,是防震减灾工作的重要举措。基于支持向量机(support vector machine, SVM)理论提出了砌体结构震害预测新方法。首先,详细阐述了基于SVM的砌体结构震害预测新方法的基本原理及步骤;其次,确定了砌体结构的震害影响因子及量化值,建立了震害样本数据库及预测模型;最后,将SVM预测结果分别与实际震害结果和BP神经网络预测结果进行对比分析。结果表明,基于SVM模型的砌体结构震害预测方法步骤简单。结果可靠,在样本数据有限的情况下相对BP神经网络算法有较大的优势,可以用于砌体结构的震害预测。     

最小二乘支持向量回归滤波系统性能分析

支持向量机(Support Vector Machine: SVM)一直作为机器学习方法在统计学习理论基础上被研究和发展,本文从信号与系统的角度出发,证明了平移不变核最小二乘支持向量机(Least Squares SVM: LS-SVM)是一个线性时不变系统.以Ricker子波核为例,探讨了不同参数对最小二乘支持向量回归(Least Squares Support Vector Regression: LS-SVR)滤波器频率响应特性的影响,这些参数的不同选择相应地控制着滤波器通带上升沿的陡峭性、通带的中心频率、通带带宽以及信号能量的衰减,即滤波器长度越长通带的上升沿越陡,核参数值越大通带的中心频率越高,且通带带宽越宽,正则化参数值越小,通带带宽越窄(但通带中心频率基本保持恒定),有效信号幅度衰减越严重.合成地震记录的仿真实验结果表明,Ricker子波核LS-SVR滤波器在处理地震勘探信号的应用中,滤波性能优于径向基函数(Radial Basic Function: RBF)核LS-SVR滤波器以及小波变换滤波和Wiener滤波方法.     

应用最小二乘支持向量机识别广利油田沙四段储层岩性

广利油田沙四段储层岩性以为粉砂岩、细砂岩和不等粒砂岩为主,岩性非均质性较强,应用常规测井交会图识别岩性难度大.本文介绍了最小二乘支持向量机的原理及实现流程,利用网格搜索法确定的参数对δ2(C,δ)=(2000,0.707)开展了广利油田沙四段储层岩性的测井识别.应用效果表明,测井识别岩性与岩心分析资料的符合率达到了86％,可满足广利油田沙四段储层岩性识别的需要.     

基于粒子群优化最小二乘向量机的地震预测模型

为解决地震预测中最小二乘向量机(LSSVM)模型的参数难以确定的问题,利用粒子群算法(PSO)的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,建立了PSO-LSSVM地震预测模型.通过对地震实例的预测仿真及其相关分析表明该方法的有效性.该方法优于传统的神经网络和支持向量机的地震预测方法,可以有效提高预测效能.     

基于自适应粒子群优化最小二乘支持向量机的深层变质岩测井岩性识别

辽河坳陷中央凸起中南部基底变质岩类型多样,测井岩石物理参数与岩性之间的映射关系复杂,测井响应多解性强,导致传统的测井岩性识别方法结果不精确.本文采用基于自适应粒子群参数优化的最小二乘支持向量机算法进行变质岩的测井多参数岩性识别.通过变质岩测井岩石物理分析,优选出对岩性敏感的自然伽马、自然电位、声波时差、深侧向电阻率、密度和补偿中子6种测井参数作为特征输入,以自适应粒子群算法优化最小二乘支持向量机参数,构建岩性判别模型,预测目的层段变粒岩、混合花岗岩、混合片麻岩、混合岩和角闪岩5种类型变质岩的垂向分布.与支持向量机、K最邻近及人工神经网络算法的岩性识别效果相比,本方法判别准确率最高,符合率为90.17%,在随机划分的10次样本预测中本模型稳定性最强,分类性能最好,平均AUC值为0.974,有效解决了深层基底变质岩储层精细描述中的岩性精准识别难题.     

基于支持向量机的砂土液化预测分析

将支持向量机方法应用于砂土地震液化预测问题.考虑影响砂土液化的因素,选用震级、标贯击数、相对密实度、土层埋深、地震历时、地面运动峰值加速度和震中距7个影响因子作为液化判别指标,建立了砂土液化预测的支持向量机模型.以砂土液化实测数据作为学习样本进行训练,建立相应函数对待判样本进行分类.研究结果表明:支持向量机模型分类性能良好,是砂土地震液化预测的一种有效方法,可以在实际工程中进行推广.     

支持向量机在地震综合预测中的初步应用

统计学习理论是一种专门研究小样本情况下机器学习规律的理论,在其基础上发展的支持向量机学习方法能较好地解决小样本、非线性、高维数、局部极小点等实际问题,并已在函数逼近、模式识别、信号处理、时间序列分析和预测等领域得到了广泛应用.本文将支持向量机方法引入具有非线性特征和复杂孕震系统的地震综合预测领域,以华北地区(30°～42°E,108°～125°N)为例,基于地震活动参数研究从有限的地震样本中挖掘更多有效的地震信息,探索地震统计综合预测的新途径.     

山西运城市城区主要桥梁的震害预测

采用经验统计法对山西省运城市的4座主要桥梁进行了震害预测计算,给出了4座桥梁的震害预测结果。认为,4座桥梁的破坏程度不同主要是由于桥主跨长度、桥墩高度、支座形式不同及在计算中采用的系数不同引起的,运城市桥梁的破坏程度较低,在遭遇Ⅷ度地震破坏时,中等以上破坏程度的桥梁占25%。     

基于粗糙集-支持向量机的震害预测模型及应用

结合粗糙集理论的属性约简与支持向量机的分类功能,建立了基于粗糙集与支持向量机的建筑物震害预测模型.该模型首先运用粗糙集理论,建立决策表,进行属性离散、属性重要性排序、属性约简和分类规则的提取,然后用所提取的关键成分训练支持向量机.该模型不但能有效降低建筑物震害影响因子数据维数及支持向量机的复杂程度,提高训练速度和分类精度,而且还能对各因子的影响程度进行排序.最后,通过实例验证了该模型的性能.     

基于ACCRBF网络的多层砖房震害预测

针对传统震害预测方法逐栋抽样计算建筑物抗震性能的不足,本文提出了一种基于蚁群聚类径向基(ACCRBF)网络模型的建筑物震害预测方法。依据不同地震动峰值加速度下多层砖房的实际震害资料,对模型进行训练,在模型的输入和输出之间建立映射关系,并利用这种映射关系对未知样本进行分类,实现对多层砖房的震害分析和预测。模型的输入为反映结构的震害影响因子,输出为给定的地震动峰值加速度下结构震害等级。研究表明,基于ACCRBF网络模型的多层砖房震害预测结果与震害实例基本吻合,具有推广应用价值。     

粗集神经网络在建筑物震害预测中的应用

将粗糙粗集理论和神经网络原理结合起来,建立了基于粗集-神经网络的建筑物震害预测模型.首先运用粗糙集理论,根据原始样本建立决策表进行属性离散化、属性重要性排序、属性约简和分类规则的提取;然后将所提取的关键成分作为神经网络的输入练模型.实例研究表明,基于粗集-神经网络的多层砖房震害预测结果与实际震害基本吻合.该模型简化了神经网络结构,提高了训练速度和分类精度,还能对各因素对房屋震害的影响度进行分析.     

基于震害预测的动态震害矩阵方法研究

基于时间因素(材料内部作用、荷载作用和环境影响)和事件因素中的地震因素和抗震加固,通过结构可靠度理论研究和结构材料与构件的试验分析,结合现有的结构动态抗力函数以及不同极限破坏状态和结构抗力之间的对应关系,建立结构的动态易损性。研究事件因素中的拆迁和新建对城市建筑结构数量和类型的影响,以及未来城市不同结构类型的变化特点,给出未来城市的动态震害矩阵;研究群体震害矩阵的异地应用和事件因素中拆迁和新建建筑对震害矩阵的影响,在已有震害预测城市的建筑结构基础资料上,应用模糊数学中可信度方法,形成目标城市的动态震害矩阵,有利于进行结构的抗震设防和地震风险分析。