基于智能反分析的水布垭电站地下厂房机窝施工方案优化

采用正交设计、三维数值模拟、遗传算法与支持向量机,建立了清江水布垭电站地下厂房的智能反分析流程。按照上述流程,利用前6层开挖的现场监测信息对有关岩层的力学参数进行反分析,根据反分析的参数对后续的机窝施工进行数值模拟计算和方案优化。推荐的机窝施工方案采用槽挖方式,同时应用锚桩、软岩置换、锚喷支护等措施,兼顾了高边墙和机窝岩台的稳定性。优化结果对厂房施工具有重要的指导作用。     

Robust LS-SVM regression for ore grade estimation in a seafloor hydrothermal sulphide deposit

Due to the geological complexities of ore body formation and limited borehole sampling, this paper proposes a robust weighted least square support vectormachine (LS-SVM) regression model to solve the ore grade estimation for a seafloor hydrothermal sulphide deposit in Solwara 1, which consists of a large proportion of incomplete samples without ore types and grade values. The standard LS-SVM classification model is applied to identify the ore type for each in complete sample. Then, a weighted K-nearest neighbor (WKNN) algorithm is proposed to interpolate the missing values. Prior to modeling, the particle swarm optimization (PSO) algorithm is used to obtain an appropriate splitting for the training and test data sets so as to eliminate the large discrepancies caused by randomdivision. Coupled simulated annealing (CSA) and grid search using 10-fold cross validation techniques are adopted to determine the optimal tuning parameters in the LS-SVM models. The effectiveness of the proposed model by comparing with other well-known techniques such as inverse distance weight (IDW), ordinary kriging (OK), and back propagation (BP) neural network is demonstrated. The experimental results show that the robust weighted LS-SVM outperforms the othermethods, and has strong predictive and generalization ability.     

基于不同窗口纹理特征的SVM土壤盐渍化信息提取方法与精度分析研究

以塔里木盆地北缘绿洲--渭干河-库车河三角洲绿洲为例,借助ENVI遥感软件,利用ETM+数据,探讨了该绿洲土壤盐渍化信息提取的方法.传统的遥感图像分类方法多数在解决问题上存在精度不高、分类效率较低、不确定性强的缺陷,所以,选择好的分类方法对于提取盐渍化信息是至关重要的.近年来,将SVM应用于遥感图像分类已成为新的发展趋势.文章提出了基于纹理特征的支持向量机(Support Vector Machine,SVM)的分类方法,得出以下结论:分别结合3×3,5×5,7×7,9×9,11×11,13×13窗口纹理特征和光谱的SVM分类精度都很高,达到93%以上.并且在验证分类精度时,发现结合光谱和9×9窗口纹理信息的SVM分类的结果更符合实际情况.所以说加入纹理特征后使得光谱信息比较接近的3类地物(重度、中度、轻度盐渍地)的区分性增大,从而使精度提高.因此,基于纹理特征的SVM分类方法更有利于遥感图像分类和盐渍化信息监测,是地物遥感信息提取的有效途径.     

地理课堂中的教学机智及其修炼

德国教育家赫尔巴特早在1802年他首次关于教育的讲演中就指出：“关于你究竟是一名优秀的教育者还是拙劣的教育者的这个问题非常简单：你是否发展了一种机智感昵？”教学机智作为衡量教师“优秀”与“拙劣”的重要标尺,集中体现了教师的教学智慧。     

Application of support vector machine to synthetic earthquake prediction

This paper introduces the method of support vector machine (SVM) into the field of synthetic earthquake pre-diction, which is a non-linear and complex seismogenic system. As an example, we apply this method to predict the largest annual magnitude for the North China area (30°E-42°E, 108°N-125°N) and the capital region (38°E-41.5°E, 114°N-120°N) on the basis of seismicity parameters and observed precursory data. The corresponding prediction rates for the North China area and the capital region are 64.1% and ...     

基于支持向量机的测井资料幅度异常验收方法研究

当前的测井资料质量标准基于人工验收制定,其中包含大量的定性标准.如何依据定性标准进行测井资料质量自动验收,是目前面临的一个难题.将支持向量机方法应用于测井资料幅度异常预测,在资料中挑选可疑样本,依据已有的专家验收结论建立预测模型,对测井资料幅度异常进行预测,避免了自动验收中必须将定性标准定量化的问题,在实际应用中有较好的效果,对同类工程问题的解决有一定的借鉴意义.     

基于集合预报产品的四川暴雨预警指数研究

基于2005~2007年汛期成都区域气象中心的中尺度区域集合预报产品和德国、日本数值预报模式的降水产品,针对四川暴雨构建样本资料,采用支持向量机方法(Support Vector Machines,简称SVM)建立暴雨预警模型,开展暴雨预警预报试验,并将建立的模型应用于2008年汛期四川省逐日暴雨有无预报。检验结果表明,基于区域中尺度集合预报产品建立的SVM暴雨预警模型,对暴雨定点预报有较强的指示作用,暴雨预警指数为0.2。      

基于小波变换和GALSSVM的边坡位移预测

边坡变形是一个受多种因素综合作用的复杂非线性动力学演化过程,用现有的物理模型来解决边坡变形的预测问题有很大难度。大量的研究工作表明,用实测的边坡位移时间序列来预测边坡未来变形更为准确,而将多种方法组合起来进行预测成为研究的主要趋势。在此基础上,建立了一种基于小波变换和进化最小二乘支持向量机(GALSSVM)的边坡位移预测模型。首先利用小波变换将边坡时间序列分解为低频分量和高频分量,然后利用互信息法和伪近邻法得到各分量的时间延迟和嵌入维数并进行相空间重构,再根据各个相空间的特点建立相应的GALSSVM预测模型,最后把各分量的预测结果进行小波重构,重构后的结果即为最终的边坡位移预测结果。对丹巴滑坡预测研究表明,这种新的预测模型具有较高的预测精度,可以应用于实际工程     

基于?－SVR和GA的初始地应力场位移反分析方法研究

基于一种改进的支持向量机（?－SVR）和改进的遗传算法（GA）,提出一种初始地应力场位移反分析方法。该方法通过正交设计方法安排较少次数的正分析方案,用?－SVR对正分析中测点位移值与参数构成的样本集进行学习,建立参数取值与观测点测值的非线性隐式方程;采用确定性或随机反分析的思路确定反分析的优化目标函数,并利用GA搜索最优参数取值。采用?－SVR方法建立的参数取值与位移量测点测值的非线性隐式方程,能够以很高的精度拟合和预测不同参数取值时的观测点测值,因此,可以用该隐式方程代替正分析,减少计算量;采用改进的GA方法能够准确搜索到最优参数;搜索到的最优参数值与理论值相当吻合。算例表明,基于?－SVR和GA的初始地应力场位移反分析方法是一种行之有效的初始地应力场位移反分析方法,可以广泛用于初始地应力场确定性反分析和随机反分析。