公路软基沉降预测的支持向量机模型

提出了基于支持向量机（SVM）模型对公路软基沉降进行预测的一种新方法,工程实例预测结果表明,在同样的训练均方误差下,SVM模型预测能力要优于BP神经网络模型,同时该模型能够综合利用分级加载过程中的沉降观测数据作为训练样本集,比仅依靠预压期内部分实测沉降数据的双曲线法更能反映地基土的变形趋势。因此,将建立的SVM模型应用于公路软基沉降预测能够更准确地反映实际沉降过程     

基于机器学习的多施工参数盾构施工姿态预测

针对盾构施工过程中参数易变、轴线难以预测控制的问题,本文提出了基于机器学习的多施工参数盾构施工姿态预测方法,分析了在复杂环境下影响盾构姿态掘进施工的参数,以及掘进参数和盾构姿态内在的关联关系,建立了盾构姿态预测模型,实现了盾首盾尾中心坐标与设计轴线的偏差计算;最后结合某地铁施工段,验证了该预测模型的可行性.     

加权支持向量回归机及其在水质预测中的应用

支持向量机是一种基于结构风险最小化原理的学习技术，也是一种新的具有很好泛化性能的回归方法。本文对用于回归估计的标准支持向量机加以改进，提出了一种新的用于回归估计的支持向量机学习算法，针对各样本重要性的差异，给各个样本的惩罚系数和误差要求赋予不同权重，并利用加权支持向量回归机的理论及其算法构建水质预测模型。实验结果表明，该方法对水质具有较好的预测效果。     

某滑坡软弱夹层抗剪强度取值方法的研究

文章主要针对软弱夹层抗剪强度取值所存在的争议，通过对贵州新街子滑坡的软弱夹层分别选择比例极限、屈服极限及峰值作为剪应力值，采用最小二乘法获得比例抗剪强度、屈服抗剪强度和峰值抗剪强度。以参数选取中应用较为成熟的反分析方法推求力学性质参数c、φ值作为判据对以上3种参数进行比较。计算结果表明：本滑坡软弱夹层中由于含泥量较大，而且粘塑性较强，屈服抗剪强度和反分析得到的抗剪强度偏差最小，比例抗剪强度偏差最大，峰值抗剪强度居中。并以此3种抗剪强度进行天然状态下滑坡稳定性验算，结果表明选用比例极限抗剪强度与当前滑坡的地质现象不符，选用峰值极限抗剪强度安全储备较低，而选取屈服极限抗剪强度最为合理。用此参数进行设计，滑坡已经得到了良好的治理。在取值研究中认为采用试验与反分析相结合的方法确定滑坡稳定性计算参数是比较合理的。以上结论为滑坡中软弱夹层抗剪强度取值的选择提供了重要的依据。     

Site characterization model using least‐square support vector machine and relevance vector machine based on corrected SPT data (Nc)

Statistical learning algorithms provide a viable framework for geotechnical engineering modeling. This paper describes two statistical learning algorithms applied for site characterization modeling based on standard penetration test (SPT) data. More than 2700 field SPT values (N) have been collected from 766 boreholes spread over an area of 220 sqkm area in Bangalore. To get N corrected value (N_c), N values have been corrected (N_c) for different parameters such as overburden stress, size of borehole, type of sampler, length of connecting rod, etc. In three‐dimensional site characterization model, the function N_c=N_c (X, Y, Z), where X, Y and Z are the coordinates of a point corresponding to N_c value, is to be approximated in which N_c value at any half‐space point in Bangalore can be determined. The first algorithm uses least‐square support vector machine (LSSVM), which is related to a ridge regression type of support vector machine. The second algorithm uses relevance vector machine (RVM), which combines the strengths of kernel‐based methods and Bayesian theory to establish the relationships between a set of input vectors and a desired output. The paper also presents the comparative study between the developed LSSVM and RVM model for site characterization. Copyright © 2009 John Wiley & Sons, Ltd.     

机器学习与成矿预测:以闽西南铁多金属矿预测为例

作为近年来爆炸式发展的方法模型,机器学习为地质找矿提供了新的思维和研究方法.本文探讨矿产预测研究的理论方法体系,总结机器学习在矿产预测领域的特征信息提取和信息综合集成两个方面的应用现状,并讨论机器学习在矿产资源定量预测领域面临的训练样本稀少且不均衡、模型训练中缺乏不确定性评估、缺少反哺研究、方法选择等困难和挑战.进一步...     

Explicit stress–strain equations for modeling frictional materials

In this paper, a comprehensive study on simulating the shearing behavior of frictional materials is performed. A set of two explicit equations, describing the relationship among the shear stress ratio and the distortional strain and the volumetric strain, are formulated independently. The equations contain three stress parameters and three strain parameters and another parameter representing the nonuniformity of stress and strain during softening. All the parameters have clear physical significance and can be determined experimentally. It is demonstrated that the proposed equations have the capacity of simulating the complicated shearing behavior of many types of frictional materials including geomaterials. The proposed equations are used to simulate the stress–strain behavior for 27 frictional materials with 98 tests. These materials include soft and stiff clays in both reconstituted and structured states, silicon sands and calcareous sands, silts, compacted fill materials, volcanic soils, decomposed granite soils, cemented soils (both artificially and naturally cemented), partially saturated soils, ballast, rocks, reinforced soils, tire chips, sugar, wheat, and rapeseed. It has been demonstrated that the proposed explicit constitutive equations have the capacity to capture accurately the shearing behavior of frictional materials both qualitatively and quantitatively. A study on model parameters has been performed.     

ZT-TG500推管机的研制

介绍了ZT-TG500型推管机的参数、工作原理、主要结构构成及其功能、关键技术、用途。推管机在非开挖施工过程中,对非开挖设备起到了辅助的作用,能够“营救”施工中卡死的管线,也可以协助非开挖设备推动管线前进,保证工程的成功。该推管机采用电液比例控制技术,能够实现零到最大无级调速,给施工带来了很多的益处;卡瓦橡胶硫化涂覆技术,保证了卡瓦夹紧时不损坏钢管表面的防腐层,同时保证了足够的夹持力而不打滑;双油缸同步防扭技术,采用滑动导轨与大型分流阀的机液控制方法,来实现油缸的零阻力,使油缸的推力能有效地应用到工程中。通过青州水管铺设与穿越松花江的自来水管铺设的现场应用,取得了良好的效果。     

基于谱聚类算法的海底滑坡危险性评价

海底滑坡的危险性评价与分区,对海洋工程设施的选址和危险预防具有指导作用。本文基于无监督机器学习的谱聚类算法对黄河口埕岛海域展开了海底滑坡危险性评价,构建了输入参数为9、输出类别为4、核函数参数为0.08的海底滑坡危险性评价模型。使用该模型进行评价,将研究区分为了海底滑坡危险性高、较高、较低和低的区域。评价结果与地质环境因素分布特征对比显示,最重要的影响因素为海底沉积物类型和水动力作用,最重要的触发因子为液化。模型参数分析结果显示,合理简化输入因子可获得精度略低的评价结果,而核函数参数是影响评价准确性的重要指标。以上研究表明,谱聚类算法能够较好地用于海底滑坡危险性评价,数据类别丰富度和精度是影响评价精细程度的重要因素。     

基于指标规范值的海水水质评价的SVR模型

为了建立具有普适通用的海水水质评价的支持向量机模型,在设置各指标参照值和指标规范变换式,并对指标进行规范变换的基础上,应用免疫进化优化算法,建立基于指标规范值的海水水质评价的回归支持向量机模型。将优化好的模型用于珠江口海水水质的评价,其评价结果与BP神经网络的评价结果基本一致,从而表明基于指标规范值的支持向量机模型用于海水水质评价是可行的,且该模型较传统的支持向量机评价模型具有较好的普适性和通用性。