极限学习机模型在季冻区深基坑地表沉降预测中的应用

针对传统数据驱动模型存在收敛速度慢、过度拟合等问题,提出了基于极限学习机算法的基坑地表沉降预测方法。结合季冻区地铁车站基坑的特点,提取基坑开挖时间、开挖深度、围护桩顶位移、围护桩内力、支撑轴力及地表温度等特征信息,建立极限学习机回归预测模型,选用实例数据进行算例分析,并将其与传统回归预测模型进行对比,实验结果表明,极限学习机模型收敛速度快,泛化能力强,其预测精度优于传统预测模型,且在学习速度方面优势明显,对深基坑安全监控有一定的实用价值。     

基于在线惯序极限学习机的瞬变电磁非线性反演

基于梯度下降法的传统人工神经网络瞬变电磁反演方法计算效率低,不能保证全局收敛。为了解决上述问题,提出一种在线惯序极限学习机(online sequential extreme learning machine, OSELM)的瞬变电磁反演方法。该方法针对瞬变电磁法所获取的高维勘探数据进行建模反演,首先,通过随机设定隐层参数(输入权值和偏差)来简化模型的学习过程;然后,将测试得到的预测样本加入训练样本中,作为下一次的更新信息,建立在线贯序极限学习机预测模型,从而最大限度提高反演精度;最后,设计了两个经典的瞬变电磁层状地电模型并进行了拟二维地电模型的反演。反演结果表明,该方法能够较好地解决瞬变电磁法高维数据非线性建模的反演问题,同时相较极限学习机(extreme learning machine, ELM),非线性反演方法具有更加准确的反演结果、更好的泛化能力以及更高的计算效率,为神经网络在地球物理反演中的应用提供了新思路。     

基于极限学习机的遥感地球化学反演模型

地球化学勘查研究涉及大量采样工作,但在工作环境恶劣人们难以到达的地区,大范围、大比例尺的地球化学数据极难获取。本文基于极限学习机（ELM）构建遥感地球化学反演模型,弥补因为区域数据不足导致的找矿工作困难。依据偏最小二乘回归（PLSR）方法选取与地球化学数据相关性强的遥感影像成分,并根据极限学习机建立地球化学数据与遥感影像之间的非线性对应关系来获取未知地球化学异常,以此来指导找矿工作。实验中,选取研究区铜元素1：20万土壤地球化学数据与Landsat 8 OLI遥感影像进行反演分析。实验结果表明,基于ELM的遥感地球化学反演所取得的异常分布与已知矿点具有很好的对应度,验证了本文所提出模型的有效性。     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

集成极限学习机的中小河流洪水预报方法研究

为利用水文现象相似性和极限学习机(ELM)集成学习提高洪水预报精度,提出了一种基于相似度匹配的集成ELM洪水预报方法(SM-ELM)。方法首先从多个ELM模型中,为每一个训练样本找到最优的ELM模型,然后从训练集中,为测试样本匹配出最相似的前k个训练样本,最后利用这k个训练样本分别对应的最优ELM模型,对测试样本采用加权平均法进行集成预报。为证明提出方法的可行性和有效性,以昌化流域的历史洪水为例进行了验证。结果表明,相对于单个ELM,集成ELM模型能有效地提高预测精度。从均方根误差上看,集成ELM模型性能比单个ELM模型提升了10%~15%。在三种集成方法中,SM-ELM能够以较少的模型数量获得较高且稳定的预报精度。     

基于承压-无压水公式的区间涌水量预测

针对矿井涌水量计算过程中存在不确定性的问题,从区间不确定性角度出发,基于非概率集合理论,推导出了采用经验公式计算影响半径和根据观测资料给出影响半径这两种情况下承压-无压水涌水量区间解析表达式,定量刻画了参数的区间不确定性下涌水量的区间响应,实现了从确定型计算公式到区间不确定性型计算公式的转变。通过对比蒙特卡洛法得到的实际区间上下限和推导出公式计算的上下限,分别给出了两个区间涌水量预测公式计算结果相对误差的绝对值控制在5%和10%以内时,相应变量的允许变化率,分析结果表明:公式一计算最大（最小）涌水量的相对误差为5%和10%时,变量的允许变化率分别为0.18（0.08）和0.28（0.12）;公式二计算最大（最小）涌水量的相对误差为5%和10%时,变量的允许变化率分别为0.08（0.05）和0.12（0.08）;在相同误差要求下,两个公式计算最大值时的允许变化率高于最小值时的允许变化率,这对计算矿井涌水量的上限有利。这为矿井涌水量计算提供了一条新的途径。     

基于数据新旧程度和预测取值区间调整的沉降组合预测方法

工后沉降预测是建筑物地基或路基的安全性评价及其加固维护方案决策的重要依据。为此,引入组合预测思想,首先通过探讨实测沉降数据新旧程度对工后沉降预测效果的影响规律,引入新鲜度函数,建立出考虑实测沉降数据新旧程度对沉降预测影响的分析模型;其次,通过研究沉降组合预测可能取值的变化规律,引进平行修正的思路,建立出有利于提高沉降组合预测精度的组合预测可能取值区间的调整方法;然后,在此研究基础上,提出了同时考虑实测沉降数据新旧程度和组合预测可能取值区间调整,对沉降预测效果影响的改进工后沉降组合预测新方法。最后,通过工程实例计算与比较分析,表明了改进的工后沉降组合预测方法的合理性与可行性。     

降水人渗法隧道施工涌水量预测

涌水量一般通过抽水试验取得,但在区域性地质调查或选线中,由于场地条件及费用限制,只能通过野外地质调查,用降水入渗法预测隧道涌水量,可为选线或初步预测隧道施工涌水量。     

基于改进极限学习机模型的岩质边坡稳定性评价与参数反演

岩质边坡的稳定性评价与参数确定是岩土工程领域的经典难题。基于大数据智能计算的优点,提出了一种结合变量遗忘因子的正则化在线序列极限学习机模型(FOS-ELM)的岩质边坡稳定性评价和参数确定方法。根据收集的1 235例岩质边坡的几何力学与Hoek-Brown模型参数,应用贝叶斯信息准则(BIC)优选基于岩体强度指标(GSI)、扰动因子(D)、岩石材料常数(m_i)、单轴抗压强度(σ_ci)、岩体重度(γ)、坡高(H)、坡角(β)的最优输入组合预测边坡稳定安全系数(F),并建立7个模型对最优输入组合进行评价,论证模型的预测精度,结果表明全参数输入组合精度最高,但输入参数并不是越多越好。同经典的极限学习机模型(ELM)相比,该模型具有预测精度高、预测速度快、后期增加边坡数据无须重新训练等优点。并采用不同赋值的全参数输入模型(FOS-ELM-M₇)建立边坡参数反演模型,结果表明该模型对边坡单参数和双参数的反演计算速度快、精度高,为获取岩体边坡参数提供了一种快捷的新方法。     

基于VMD-TCN的月降水量预测模型

准确的月降水量预报对水资源的合理开发利用及洪涝灾害的预测和防治具有重要意义.针对传统降水预测方法信息挖掘能力不足的问题,提出了一种基于VMD-TCN的月降水量组合预测模型.该模型使用VMD将原始序列分解为一系列相对平稳的子序列,然后利用TCN对各子序列分别进行预测,输出各子序列预测结果,叠加得到最终预测结果.将VMD-...     

基于RNN模型的坝体和岩基区间参数反演方法研究

针对混凝土大坝坝体和岩基参数的区间不确定性,构造具有区间分析功能的RNN（粗糙神经网络）模型,并运用该模型反演坝体和岩基区间参数值。应用区间有限元对结构进行正分析,根据区间参数反演的需要选取相应的区间学习样本,利用RNN模型对样本进行模式学习直至网络收敛,最后通过网络回想和反归一法得到坝体和岩基力学参数的区间值。研究结果表明,该方法可用于反演混凝土坝坝体和岩基区间力学参数,反演得到的区间参数值是合理的。此外,基于RNN模型的区间参数反演方法经过一定的拓展和改进,理论上可应用于反演其他类型的区间参数。     

基于因子分析的GA-E LM模型岩溶地面塌陷预测

岩溶地面塌陷是多种因素共同作用的结果,具有隐蔽性和突发性的特点.为了快速、准确地对岩溶地面塌陷进行预测,提出了一种在因子分析的基础上利用遗传算法(GA)优化的极限学习机(ELM)岩溶地面塌陷预测模型.选取8个岩溶地面塌陷影响因素,利用因子分析提取5个公因子,然后输入GA-ELM模型进行预测.利用20组实例作为样本进行学...     

基于子区间法的隐式功能函数非概率可靠性方法研究

从统计资料不足的角度出发,研究一种岩土工程隐式功能函数非概率可靠性方法,作为概率可靠性方法的有益补充。首先利用系列区间扩展函数降低区间相关性,建立基于子区间法的隐式函数区间解的迭代程序;然后采用试验设计的方法,从全面设计的角度建立统计优化模型搜索最优解,达到一个目标区间内获得一个简单计算方案的目的;最后通过对功能函数中应力函数的区间解设置置信区间,形成有限计算代价下的偏向于绝对安全的隐式功能函数非概率可靠性模型。通过岩土工程中最小支护阻力函数演示该方法的具体操作程序。工程算例结果表明,由此得到的最小支护阻力上限值与蒙特卡洛模拟法最大值的相对误差为0.83%,偏向于绝对安全。     

考虑止水帷幕的深基坑降水预测解析计算

提出止水帷幕条件下的深基坑降水预测的解析算法。以武汉长江航运中心深基坑为实例,概化其水文地质模型,以现场抽水试验数据分析止水帷幕的止水效果。基于此,修正非完整型干扰井群降深公式,结合镜像法原理编制计算程序进行降水预测解析计算,并与实测结果和数值模拟结果分别进行对比验证。研究表明：所概化的水文地质模型为承压含水层,东侧止水效果最差,南侧止水效果不如北侧,西侧止水效果最好。按原布井方案进行降水解析计算发现,在基坑南侧将达不到安全降水的目的,当增加2口降水井后降水效果有所改善,与实测结果和数值模拟结果基本一致。研究成果可指导工程设计,具有一定的实际应用价值。     

WPD-COA-ELM模型在汛期月降水量时间 序列预测中的应用研究

针对月降水量时间序列多尺度非平稳性特点,提出小波包分解（WPD）-白骨顶鸟优化算法（COA）-极限学习机（ELM）相融合的降水量预测模型。首先,利用WPD将非平稳月降水量时间序列分解为若干子序列分量;然后在不同维度条件下利用6个典型函数对COA进行仿真测试;利用COA优化ELM输入层权值和隐含层偏值,对每一个子序列分量分别建立COA-ELM模型进行预测,将预测结果叠加重构后即为最终预测结果;最后,以云南省龙潭站汛期和主汛期月降水量数据为例进行实验,并与WPDCOA-BP、WPD-ELM、WPD-BP预测模型进行比较。结果表明：COA在不同维度条件下均具有较好的寻优精度和全局搜索能力。WPD-COA-ELM模型对实例汛期、主汛期月降水量时间序列预测的平均绝对百分比误差分别为3.91%、3.59%,预测精度优于WPD-COA-BP模型,远优于WPD-ELM、WPD-BP模型。WPD能科学降低月降水时间序列数据的复杂性,提高预测效果;COA能有效优化ELM输入层权值和隐含层偏值,提高ELM网络性能。     

基坑降水引起地面沉降的实时预测

由于基坑降水引起周围土体应力的重新调整,造成基坑相邻建筑物地基不均匀沉降,情况严重则造成相邻建筑物破坏,因此对不均匀沉降量的预测具有现实意义。利用地下水动力学的非稳定流原理及土力学基本理论,介绍了基坑降水设计中引起周围地面沉降的实时预测方法,探讨了不同土层在降水过程中孔隙水压力消散对土层固结的影响,通过实例分析了公式中不同参数的取值合理性,编制了相关程序。该方法对分析、预测由于基坑降水所引起的周围地面沉降有一定参考价值。     

双曲线法预测单桩极限承载力的讨论

利用49根试桩完整资料的数据,采用双曲线模型进行拟合、预测单桩极限承载力并与实测成果进行对比分析,探讨了沉降控制法及折减系数法预测单桩极限承载力的适用范围、预测精度等问题.     

基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测

三峡库区某些库岸滑坡在强降雨、库水位涨落等诱发因素影响下,其位移时间序列表现出阶跃式变化特征且可能存在混沌特性.但目前常用于滑坡位移预测的混沌模型,均建立在单变量混沌理论的基础之上.且已有的考虑了诱发因素的常规多变量模型,大都采用经验性的方法来选取输入变量;常规多变量模型对滑坡位移序列的非线性特征,及其与诱发因素间的动态响应关系缺乏数学理论上的深入分析.因此,提出一种基于指数平滑法、多变量混沌模型和极限学习机（extreme learing machine,ELM）的滑坡位移组合预测模型.指数平滑多变量混沌ELM模型首先对滑坡累积位移序列的混沌特性进行识别;然后用指数平滑法对累积位移进行预测,得到趋势项位移,并用累积位移减去趋势项位移得到剩余的波动项位移;之后对波动项位移及降雨量、库水位变化量这3个因子进行多变量相空间重构,并用ELM模型对多变量重构后的波动项位移进行预测;最后将预测得到的趋势项和波动项位移值相加,得到最终的累积位移预测值.以三峡库区白水河滑坡ZG93监测点的累积位移作为实例进行分析,并将模型与指数平滑多变量混沌粒子群-支持向量机（PSO-SVM）模型、指数平滑单变量混沌ELM模型作对比.结果表明滑坡位移序列存在混沌特性,模型能有效预测滑坡位移,其预测效果优于对比模型.且本文模型从混沌理论的角度将波动项位移与降雨量、库水位变化量的动态响应关系进行综合分析,更能反映滑坡位移系统演化的物理本质.      

滑坡易发性预测不确定性:环境因子不同属性区间划分和不同数据驱动模型的影响

对于滑坡易发性预测建模,连续型环境因子在频率比分析时的属性区间划分数量（attribute interval numbers,AIN）和不同易发性预测模型是两个重要不确定性因素.为研究这两个因素对建模的影响规律,以江西省上犹县为例,考虑5种连续型环境因子AIN划分（4、8、12、16及20）和5种数据驱动模型（层次分析法（analytic hierarchy process,AHP）、逻辑回归（logistic regression,LR）、BP神经网络（back-propagation neural network,BPNN）、支持向量机（support vector machine,SVM）和随机森林（random forest,RF））,总计25种不同工况下的滑坡易发性预测研究.再开展滑坡易发性指数的不确定性（包括精度评价和统计规律等）分析.结果表明:（1）对于同一模型,随着AIN值从4增加至8再到20时,易发性预测精度先逐渐提升,然后缓慢提升直至稳定;（2）对于同一AIN值,RF模型预测精度最高,其后依次为SVM、BPNN、LR和AHP模型;（3）在25种组合工况下,AIN=20和RF模型的预测精度最高,AIN=4和AHP模型精度最低,但在AIN=8和RF模型组合下的易发性建模效率较高且精度也较高;（4）更大的AIN值和更先进的机器学习模型预测出的滑坡易发性指数的不确定性相对较低,更符合实际的滑坡概率分布特征.在环境因子属性区间划分为8和RF模型工况下高效准确地构建滑坡易发性预测模型.      

基于非线性规划的有限元塑性极限分析下限法研究

在分析Sloan建立的有限元塑性极限分析线性规划数学模型存在的局限性基础上,提出了基于非线性规划的有限元塑性极限分析下限法数学模型。采用非线性屈服条件构建了下限法静力容许应力场,建立了求解超载系数、强度储备系数的下限法数学模型,并提出了针对塑性极限分析非线性规划数学模型的求解策略;最后对一个经典算例进行了深入分析,验证了方法的正确性。