基于边缘提取算法的岩层三角面产状半自动提取

岩层三角面的准确识别和快速检测是利用遥感技术获取地表地层产状信息的有效途径.提出了利用高分辨率卫星遥感立体像对,通过自动迭代调整高斯分布模型方差的Canny边缘检测算法实现岩层三角面半自动检测和地层产状快速提取方法.以南天山吐格尔明背斜为实验区,使用Worldview-2立体像对构建数字高程模型和0.5 m分辨率的数字正射影像,利用岩层三角面检测算法提取实验区的岩层三角面和产状.结果表明,提出的方法客观高效,提取准确率达到90.2%,能够准确反映构造趋势的变化,为复杂构造带的地表建模和构造分析提供依据.      

基于支持向量机分类算法的湖泊水质评价研究

支持向量机（SVM）是由Vapnik等人提出的建立在统计学习理论基础上的一种小样本机器学习方法,最初用于解决二分类问题。由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题。又由于采用了核函数思想,使它将非线性问题转化为线性问题来解决,降低了算法的复杂度。利用支持向量机多类分类算法,构建湖泊水环境评价模型。实验结果表明,该方法能够正确地对湖泊水环境质量进行分类评价。     

基于范例推理的公路隧道拱顶变形时序支持向量机外延预测

针对公路隧道拱顶变形预测模型的普适性与外推预测的准确性,提出了基于人工智能推理的隧道工程属性（地理位置、监测位置、隧道高宽比、围岩级别和埋深）与拱顶变形时序曲线原子矩阵的相似范例检索方法,并在深入分析了获取的相似范例特征的基础上,进一步以LPG新核函数支持向量机建立先验知识的预测模型。应用该方法对通渝隧道工程K19+994断面拱顶下沉进行了预测与评估。结果表明,对于不同隧道间或同一隧道不同区段预判拱顶变形或收敛,基于范例推理能够获知良好的先验背景知识,且以此进行的支持向量机预测模型学习的回归内插（1～14步序）的平均相对误差为1.36%,而一次性外推预测15 d内的8个变形值（16～30步序）的平均相对精度为97.28%,证实了方法的可靠性     

基于? -SVR算法的隧道围岩位移演化规律预测

针对目前广泛应用的灰色理论、遗传算法(GA)和人工神经网络(ANN)等方法预测隧道稳定性的缺陷，提出应用稳健性能较好的? -SVR（support vector machine）算法对非对称连拱隧道围岩位移演化规律进行预测研究。应用加速混合遗传算法搜索? -SVR最优参数，以提高? -SVR的预测能力。将预测结果与灰色理论、BP神经网络预测结果进行比较，显示? -SVR算法学习和预测精度高。     

基于PCA法和Fisher判别分析法的岩体质量等级分类

岩体质量等级分类在实际的工程中有着很重要的作用。基于主成分分析（PCA）法和与Fisher判别分析法相结合建立岩体质量等级判别模型,选取单轴抗压强度、岩体体积节理数、声波纵波速度、节理面风化变异系数、节理面粗糙度系数和透水性系数6种指标作为岩体质量分级判别的判别因子。以永平铜矿露天矿区工程岩体特征资料中的20个样本为训练样本,10个为待判样本,对该模型进行检验和应用,并与传统的RMR法、Fisher判别分析模型的结果进行比较,相应正确率分别为87%、70%、77%,判断结果表明利用主成分分析法和Fisher判别分析法建立的模型判别能力更高。     

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。     

基于引力搜索法的隧道围岩微震定位研究

针对目前深埋隧道围岩微震源定位难且精度不高等问题,采用启发式算法——引力搜索法（GSA）对隧道围岩微震源位置进行搜索,并将该算法与粒子群算法和单纯形法的搜索结果进行对比。发现在双速度模型和三速度模型下,引力搜索法相较于粒子群算法和单纯形法,都具有快速收敛、精度较高的优点,且与震源位置的距离能够控制在10 m以内。对双速度模型,引力搜索法的精度相对于单纯形法提高了83.71%,相对于粒子群算法提高了7.77%。对三速度模型,引力搜索法的精度相对于单纯形法提高了70.67%,相对于粒子群算法提高了39.36%。可见,该方法为深埋隧道微围岩震源定位提供了一种新思路。     

耦合PCA-SVM算法的金矿矿床规模预测分析研究

判断矿床(点)的类型是矿床勘探中的重要内容,传统预测金矿成矿规模的方法不仅耗时耗力,而且所需的经济成本较大。为提高矿床规模的勘探效率和准确度,揭示元素与金矿成矿规模的潜在联系,文中提出了耦合主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)算法的预测分析PCA-SVM(principal component analysis-support vector machine)方法。该方法先通过主成分分析提取数据中的主要特征,再将主要特征带入支持向量机算法,从而训练出最优分类器以预测金矿成矿规模。文中共使用了3 812个金矿样本数据用于学习训练和预测分析,训练准确率为92.3%,测试准确率为88.7%,分别比直接使用支持向量机算法高出14.3%和17.1%。基于PCA-SVM的预测模型,不仅消除了人为主观因素的影响,而且有效提高了勘探过程中矿床预测的准确率和矿床勘探的效率,为地质勘查工作提供依据。     

基于模拟退火算法的阵列声波测井组分波慢度提取

为了提高阵列声波测井组分波慢度提取的精度,基于模拟退火算法以及慢度—时间相关(STC)法的原理,提出了模拟退火算法与慢度—时间相关法结合的阵列声波测井资料处理新方法。该算法核心是将慢度—时间相关法的相关系数经过变换作为模拟退火算法的能量函数,利用模拟退火的全局寻优能力求取组分波慢度。对于纵波,在退火前使用长短时窗能量比法进行波至点的求取可以将二维搜索简化为一维;对于其他组分波,分别使用该算法进行慢度—波至点二维搜索以提取慢度。实例表明,与常规的纵波速度测井对比,该算法提取的纵波精度比传统STC方法处理结果高9.94%;横波结果与传统STC方法的差别为0.29%;斯通利波结果与传统STC方法的差别为0.42%。算法在一定程度上提高了解释精度,在实际应用中有较好效果。     

基于支持向量机和增强学习算法的岩爆烈度等级预测

岩爆烈度等级的准确预测对减轻乃至消除岩爆危害具有重要意义.针对岩爆烈度等级预测模型特征选取模糊和预测准确度不高问题,提出了一种ReliefF-Pearson特征选择下基于SSA-SVM-AdaBoost算法的岩爆等级预测模型.结合ReliefF的权值思想和Pearson系数的相关性原理对特征指标进行选择,利用麻雀搜索算法（SSA）优化支持向量机（SVM）以获得最优模型初始参数,将多个SSA优化后的SVM作为弱分类器组成自适应增强学习算法（AdaBoost）的强分类器.首先通过收集分析国内外岩爆案例数据,选取7种特征指标构成原始特征空间,然后利用ReliefF-Pearson从原始特征空间中筛选出4维优势特征,采用随机过采样对数据进行处理,最后将其输入到SSA-SVM-AdaBoost模型中进行分类预测.研究结果表明：基于ReliefF-Pearson的特征选择方法能够有效提取优势特征;基于多SSA-SVM的AdaBoost模型预测准确率相较于SSA-SVM和单层决策树AdaBoost模型均提高12.5%,相较于SVM提高31.25%,说明SSA-SVM作为弱分类器在分类性能上要优于单层...     

基于等高线簇的沟谷线提取算法的研究与实现

从数字化地形资料中自动提取沟谷线的技术在水文分析、工程领域等具有重要的意义。在对现有的沟谷线自动提取的基础上,提出一种简单准确的沟谷线提取的方法。选取某一区域的矢量地形图进行试验与实际地形进行对比,结果表明沟谷线提取方法是准确的。     

基于自动阈值与区域增长的SAR影像海岸线提取算法

为实现对海岸线的动态监管和监测,提出了一种自动阈值与区域增长相结合的合成孔径雷达(Synthetic Aperture Radar, SAR)影像海岸线自动提取方法。首先结合Canny边缘检测和最大类间方差法(OTSU方法)实现自动阈值分割提取水陆分界线;在自动阈值提取的基础上,对水域进行开运算和图像分割,将占有较大比例的海上水体作为种子点进行区域增长,获取海上水体,从而去除陆地水体、阴影等误分为海域的部分;之后对区域增长法获取的海陆分割结果进行去噪、填充等形态学优化处理,填补海上船体、风车、岛礁等造成的空洞影像,形成最终的海陆分割结果;最后,使用Canny边缘检测算子获取海岸线。基于江苏海岸带的实验结果表明该方法可以高精度地提取出光滑、连续的海岸线,在SAR影像海岸线提取中具有较强的实用性。     

基于时间序列与人工蜂群支持向量机的滑坡位移预测研究

总结以往滑坡预测方法存在的诸多不足,针对滑坡监测位移-时间曲线特点,本文提出了一种基于时间序列的人工蜂群算法（ABC）与支持向量回归机（SVR）相结合的滑坡位移预测方法。以三峡库区白水河滑坡为例,通过对滑坡位移、降雨、库水位等因素的分析,研究影响滑坡位移变化的因素。用时间序列加法模型和移动平均法将滑坡位移分解为趋势项和周期项。以多项式最小二乘法拟合滑坡位移趋势项,用人工蜂群支持向量机模型对滑坡位移周期项进行训练和预测。通过灰色系统关联分析法计算多项因子与滑坡位移周期项之间的关联性。最终的滑坡总位移预测值为周期项预测值与趋势项预测值之和。与BP神经网络、PSO-SVR模型方法相比,该方法在滑坡位移预测中有更高的精度,在防灾减灾工作中有较好的推广应用前景。     

基于PCA-SVM算法对稀土元素与稀土判别指标耦合数据集的铀矿床分类

不同类型铀矿床的沥青铀矿/晶质铀矿具有不同的稀土元素组成,其组成可作为判别铀矿床类型的重要指标。采用基于Python语言的主成分分析（principal component analysis,PCA）与支持向量机（support vector machines,SVM）结合的分类模型,对收集到的全球已知6种类型铀矿床的216组沥青铀矿/晶质铀矿稀土元素数据进行研究。以216组数据为训练集,通过数据清洗、特征缩放、PCA特征提取、网格搜索和交叉验证参数寻优构建SVM分类模型,对24组同变质型胡家峪晶质铀矿进行智能识别。研究结果显示：仅使用稀土元素的14维训练集最优模型判定胡家峪晶质铀矿类型的测试准确率为0.4%;由稀土元素、稀土总量、轻重稀土比、铕异常组成的17维训练集最优模型的测试准确率为75.0%,较14维训练集提高74.6%,模型泛化能力强;而通过传统稀土元素配分曲线、w（ΣREE）-（LREE/HREE）_N图解不能有效判定胡家峪晶质铀矿类型。本次研究表明,PCA-SVM算法对增有传统稀土判别指标数据集进行挖掘可有效厘定铀氧化物成因类型,效果明显优于单纯的稀土元素数据集以及传统的稀土配分曲线、w（ΣREE）-（LREE/HREE）_N图解。     

基于边界配点法浅埋隧道开挖引起 周围土体变形的分析

对于浅埋隧道施工引起土层位移的解析解,其边界条件的数学处理上比较困难,因此实际工程的应用中受到限制。为解决这一缺陷,基于弹性力学的Airy应力函数,将半无限平面内土体的应力及位移分布转化为解析函数。然后,采用边界配点的方法,控制地表处的应力边界条件( = 0, = 0)及隧道周边土体的位移边界条件( , )。最后,采用最小二乘法,确定土体应力及位移函数的各项系数,求得浅埋隧道在周边土体产生径向位移的作用下,地表及深层土体位移的半数值半解析解。算例分析表明,该方法可以考虑任意荷载及位移作用的边界条件,能够充分发挥解析法和数值法两者的优点,且计算结果与实测结果较吻合,在预测地表及深层土层位移中具有一定的实用价值,可为进一步采取工程措施控制地层变形提供理论依据。     

基于遗传－广义回归神经元算法的坞石隧道三维弹塑性位移反分析研究

广义回归神经元网络在逼近能力、学习速度和网络稳定性方面均优于BP神经元网络,且具有网络人为调节参数少的优点。本文将广义回归神经元网络引入坞石隧道工程的三维弹塑性位移反分析。为了在网络训练过程中快速搜索到最优的网络阈值,采用十进制遗传算法对网络阈值进行优化。在确定最优的网络结构后,采用遗传算法在每个待反演参数的搜索范围内搜索出与实测位移最接近的围岩力学与初始应力场参数组合。用反分析得来的参数进行下步开挖位移预测,预测值与实测值吻合较好,表明所提出的这种反分析方法在工程上是可行的,可以推广使用。     

基于主成分分析和最近邻算法的断层识别研究

断层是影响煤矿安全的致灾地质因素,查明断层特征是煤矿三维地震勘探的主要目的之一。常规断层解释中采用的人机交互解释方法,其可靠性在一定程度上取决于解释者的经验。为提高断层解释精度,提出一种基于主成分分析和最近邻算法来检测沿目标层断层分布的方法。首先,选择峰峰矿区羊东煤矿作为研究区域,从矿区高精度处理后获得的三维地震数据中提取10个地震属性;然后,采用主成分分析法(PCA)将上述10个地震属性整合为6个综合属性;同时,将属性信息与从矿区15口井和3条巷道确定的139个点的断层信息相结合,构建已知数据信息;在该数据信息的基础上,分别组建出数据集1和数据集2两种数据集,2种数据集的训练集与测试集的比分别为9∶1和3∶7。利用这些数据集以及十折交叉验证的方法,开展基于最近邻算法(kNN)的断层识别准确率测试,数据集1的测试准确率为87.75%,数据集2的测试准确率为71.63%;这表明训练数据量越大,断层识别准确率越高,从而也说明高密度三维地震在该方法的应用中存在一定优势。在对kNN模型的分类性能进行测试时,使用通过PCA进行降维处理的数据作为输入,计算出的分类准确率分别为89.23%和73.79%;这是因为PCA降低了原始输入特征的维数,从而减少了所需的计算量并提高了这些特征的表征能力。综合结果表明,结合PCA和kNN方法可以有效地识别断层分布,减少主观人为因素的影响,提高断层解释的效率。      

基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测

预测滑坡地下水位的动态演变过程对滑坡稳定性分析具有重要意义, 三峡库区库岸滑坡地下水位时间序列受多种因素影响, 呈现出高度非线性非平稳的特征.为对其进行预测, 提出一种基于相空间重构的小波分析-粒子群优化支持向量机(wavelet analysis-support vector machine, 简称WA-PSVM)模型.该模型引入小波变换法对地下水位序列进行时频分解, 将非平稳的地下水位序列转变为多个不同分辨率尺度下的较平稳的地下水位子序列; 然后重构各子序列的相空间, 再利用PSVM(全称support vector machine)模型对地下水位各子序列进行预测, 最后将各子序列预测值相加得到最终预测结果.以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例, 首先分析滑坡前缘地下水位变化的影响因素, 再将WA-PSVM模型应用于地下水位预测, 并与单独PSVM模型和小波分析-BP网络模型(wavelet analysis-back propagation, 简称WA-BP)作对比.结果表明: 滑坡前缘地下水位受降雨和库水位影响较大, 利用WA-PSVM模型对STK-1水文孔地下水位进行预测的均方根误差为0.073m、拟合优度为0.966, WA-PSVM模型预测精度高于单独PSVM模型和WA-BP模型.WA-PSVM模型解决了地下水位序列非线性非平稳的问题, 在不考虑影响因素的情况下能获得满意的预测效果, 具有较高的建模效率和较强的实用性.      

基于响应面法的软岩隧道湿喷纤维混凝土支护结构可靠度分析

由于湿喷纤维混凝土支护结构物理、力学参数和喷层厚度的离散性及混凝土强度破坏准则难以用支护材料参数显式表达,对该类隧道支护结构进行可靠度分析十分困难,提出采用响应面方法计算湿喷纤维混凝土支护结构的可靠度方法,并给出了计算流程,其中围岩-支护结构的确定性分析采用非线性有限元方法,可靠度分析采用2次响应面法.以赣州-龙岩铁路金华山软岩隧道湿喷纤维混凝土支护结构为研究对象,对该支护结构的可靠度进行分析与计算.分析结果表明,金华山隧道湿喷纤维混凝土支护结构可靠度指标高,处于安全状态.     

基于支持向量机与地球物理测井资料的煤体结构识别方法

煤体结构作为煤层勘探开发研究的重点参数之一,影响着煤层产能,有效识别煤层煤体结构至关重要.本文利用支持向量机算法,以地球物理测井资料为基础进行煤体结构识别,并以沁水煤田柿庄北区3号层为例,对该区块进行煤体结构类型分类,利用支持向量机的双二分类与"一对多"分类两种建模模式,建立基于测井曲线的煤体结构识别模型,再利用交叉验证评价模型的泛化性,并对该模型用未参与建模数据进行准确性评价.结果表明,应用支持向量机算法的两种模式能有效识别煤体结构,模型具有泛化性与准确性,且"一对多"分类模式精度更高,在对有利产出煤和不利产出煤的区分上效果突出,对有利产出煤的具体类型区分上具有准确性,可对后续压裂施工提供指导.总体上,基于支持向量机算法和地球物理测井资料建立的煤体结构识别模型对煤层气勘探开发有指导意义,具有实际应用价值.