基于支持向量机的围岩定性智能分级研究

本文将数据挖掘的新方法支持向量机应用于隧道围岩分级.支持向量机是一种基于统计学习理论的新的学习算法,比神经网络算法能更好地解决小样本问题.选用岩层厚度、岩体结构、嵌合程度、风化程度、地下水特征、节理发育程度、榔头敲击声和地应力等 8 个定性指标作为评判因子,用泥巴山隧道采集的实际数据作为样本对不同核函数的支持向量机进行...     

基于模糊模式识别的支持向量机的回归预测方法

尝试把最近发展起来的支持向量机引入水文预测中,建立了支持向量机水文回归预测模型,为小样本情况下水文预测提供一种行之有效的可选择的方法。在此基础上,为了更好地处理水文系统中广泛存在的不确定、模糊信息,进一步把模糊模式识别理论引入支持向量机,提出一种模糊模式识别核函数。该核函数具有更明确合理的物理意义。冰凌预测实例表明了SVM水文回归预测方法及模糊模式识别核函数的有效性和可行性。     

基于网格搜索法优化支持向量机的围岩稳定性分类模型

为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。     

基于支持向量机的开封市水资源承载力研究

以开封市为例,研究水资源承载力。针对开封市水资源短缺,本文建立了新的基于支持向量机的水资源承载力模型。阐述了水资源承载力的评价方法,评价结果准确客观地反应了水资源承载力的情况。结果表明：影响开封市承栽力的主要因素有人均水资源量等10个指标;开封市水资源承载力总体水体偏低。     

岩爆分类的支持向量机方法

针对岩爆分类问题,提出了基于支持向量机的分类方法。通过对影响岩爆因素的分析,运用支持向量机理论建立岩爆类别的支持向量机模型。结果表明,基于支持向量机的岩爆分类方法具有较高的准确率,该方法是科学可行的,具有广泛的应用前景。     

基于支持向量机回归的电阻率成像反演

以电阻率成像为应用背景,研究了在有限学习样本下,支持向量机回归在电法反演中的建模方法,对反演建模时样本划分、数据预处理、反演流程、评估指标等关键技术进行了分析,给出了一种基于交叉验证(CV)的支持向量机参数寻优方法;通过比较RBF核函数在不同的参数ε下对反演结果的影响,建立了优化的电阻率成像SVR反演模型.     

支持向量机在遥感数据分类中的应用新进展

支持向量机是一种基于统计学习理论的新型机器学习算法,它通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.随着应用面的不断扩大,支持向量机在遥感领域也得到了广泛关注.该算法已经成功的应用于遥感数据的土地覆盖、土地利用分类,多时相遥感数据的变化检测,多源遥感数据信息融合等,并且在高光谱遥感数据处理中得到了广泛应用.综述了支持向量机算法在遥感数据分类中的应用.首先对支持向量机的理论进行简要介绍,进而综述了该算法在不同遥感问题中的应用进展,最后阐述了新型支持向量机算法的发展以及在遥感中的应用.     

基于支持向量机的降雨-径流预测研究

本文探讨了支持向量机方法在降雨-径流预测中的应用.该方法采用结构风险最小化准则,弥补了人工神经网络在预测应用中的不足,较好地解决了小样本,非线性、高维数和局部最小点等实际问题.并且本研究通过与人工神经网络预测方法、传统的回归分析预测方法比较研究,得出支持向量机能取得更高精度的降雨-径流预测值.     

基于支持向量机的淮南市浅层地下水水质评价

文章依据决策二叉树多分类的思想,构建了基于支持向量机的水环境质量评价模型。然后以淮南市75个水质监测点数据为例进行评价分析,并与模糊综合评判法进行了比较,结果基本一致。该模型所需要样本数量少、建模方便、通用性强,具有很好的实用价值。     

隧道围岩破坏模式的进化神经网络识别

隧道围岩破坏受很多因素的影响,其破坏模式的识别是一个复杂的非线性系统辨识问题,采用一般方法很难得到好的解答。基于作者提出的免疫进化规划,并把它同神经网络(NN)相结合,提出了一种全新的结构及权值同时进化的进化神经网络(ENN)模型,用于围岩破坏模式的识别研究,用一个试验算例证明了进化神经网络具有解决此问题的良好性能。     

基于支持向量机的岩体工程分级

提出了岩体工程分级的一种新方法,即支持向量机方法。该方法可以根据有限的学习样本,建立影响岩体级别的条件的因素和级别之间的一种非线性映射,可以对未知的岩体进行工程分级。结果表明,这种方法具有较高的准确率。     

基于遗传支持向量机的地下工程裂隙岩体注浆量预测

提出了地下工程裂隙岩体注浆量预测的遗传支持向量机方法,通过支持向量机对实际注浆数据样本进行学习,建立注浆量及其影响因素之间的非线性映射关系,基于这种关系实现注浆量的预测。模型建立过程中,考虑到支持向量机惩罚因子和核参数对预测精度的影响,以预测误差为适应度,采用遗传算法对最佳参数进行搜索。结果表明,本文方法计算快速,预测精度高,是一种注浆量预测的好方法。     

基于粗糙集和支持向量机的融合算法在岩体质量评价中的应用

从数据融合角度出发,把粗糙集理论和支持向量机理论结合,用来解决隧道岩体质量评价问题。首先,应用粗糙集理论对岩体质量评价样本数据进行约简,去除冗余特征形成岩体质量影响因素与岩体质量之间简明扼要的关系数据表达形式,形成新的样本数据,然后应用支持向量机理论,对新样本数据进行学习,建立岩体质量的支持向量机评价模型。通过实际工程应用表明,该方法科学可行。     

基于PSO-SVM非线性时序模型的隧洞围岩变形预报

现场量测获得的围岩变形信息,从宏观上反映了地下洞室围岩-支护系统力学性态变化。为克服人工神经元网络方法过学习问题,提出了一种新的预测地下洞室围岩变形的粒子群支持向量机方法,用粒子群算法优化最小二乘支持向量机的参数,避免了人为选择参数的盲目性,提高了预测模型的训练速度和预测推广能力。利用这种非线性智能预测方法,基于监测数据滚动预测围岩变形,可以及时优化和调整施工步序,保证洞室的稳定性。将该方法用于清江水布垭电站地下厂房的围岩收敛变形预测,获得了令人满意的预测效果。     

基于岩体结构面分布分形维的岩体质量评价

尽管岩体结构面具有空间上的不规则性和结构网络上的复杂性,但由于它又具有自相似的特征,可以运用分形理论来对其进行研究。运用盒计维数法对某矿山巷道围岩体结构面分布的分维数进行计算,验证了岩体结构面分布的分形特征。通过对岩体结构面分布分形维值分布规律的分析发现,分形维数越大、结构面分布越密集,结构面迹线越长,岩体质量越差,表明可将岩体结构面分布的分形维作为岩体质量评价的指标。将计算所得的岩体结构面分布的分维数与按工程岩体分级标准对相应岩体分级所得的岩体质量等级进行对比,提出了一个以岩体结构面分布的分形维作为分级指标的岩体质量评价方案。     

地下工程中支架和围岩相互作用的突变模型

建立了支架和围岩相互作用的突变模型,利用支架刚度和围岩的弱化刚度模量研究了围岩的突变失稳。研究结果从理论上解释了新奥法的支护原理。利用突变模型定量地给出了突变失稳的关键点。当围岩的变形量达到变形关键点以后,围岩就进入了散体区。变形关键点的大小是围岩－支架系统内部因素决定的,与外界条件无关。     

隧道围岩与衬砌受力特性测试与数值分析

以工程实例为背景,对隧道洞口段施工过程中围岩的收敛变形、锚杆作用应力、一次衬砌、二次衬砌内的应力与变形以及围岩的压力进行观测,取得大量的试验数据,并结合数值计算结果进行分析,为隧道衬砌设计和施工的安全可靠性提供科学依据和技术指导,并为进一步的工程研究积累资料。