基于PCA-GEP算法的边坡稳定性预测

提出一种基于主成分分析的基因表达式程序设计算法,并将其用于边坡稳定性预测。该算法先采用主成分分析法对样本数据进行预处理,有效地减少预测模型的输入量,消除输入数据间的相关性,再将得到的新样本数据输入基因表达式,构建边坡稳定性的预测模型。利用该预测模型对82个危险圆弧破坏边坡实例中的71个实例进行学习,对另外11个实例进行预测,取得了较好的效果。在保留传统的以误差值作为评判模型优劣标准的同时,引入AIC信息准则法,分别对v-SVR算法和GA-BP网络算法和PCA-GEP算法三种预测模型进行比较分析,结果表明,运用该算法可以获得更优的预测模型,其预测结果比v-SVR算法和GA-BP网络等其他算法得到的结果具有更高的预测精度。工程实例计算表明,该方法是合理、可行的。     

随机森林与GIS的泥石流易发性及可靠性

目前基于GIS的泥石流易发性（简称DFS）评价模型中,统计类型模型的因子须保证独立性,且权重受区间划分控制;线性机器学习难以处理非线性问题、而常用非线性模型调试效率低.鉴于随机森林（RF）能有效克服常用模型的诸多不足,且在DFS评价中的应用极少,首先展开基于RF的DFS评价,采用线性、RBF支持向量机、二次判别分析、RF等经贝叶斯优化的模型和26种泥石流影响因子;然后,分别以RF的相对权重排序和蒙特卡洛方法研究因子组合和建模样本变化下DFS评价的可靠性.结果表明:RF不易发和较易发区中有21个因子可指示泥石流孕育环境差异;RF的相对权重排序能有效确定易发模型的局部最优因子组合;随机样本划分导致的评价不确定性在中易发区最大,应通过提高建模样本比例和改善模型降低;RF的预测能力指标AUC为0.86、全局预测精度为0.79、F1分数为0.66、brier分数为0.14,以及它们的可靠度最优,可作为DFS定量评估的优先选择.      

用Monte-Carlo模拟方法评价桥基岩体结构性质

主要介绍了利用Monte-Carlo随机模拟方法确定北盘江大桥桥基岩体的结构性质.岩体的结构性质是控制岩体物理力学性质进而影响岩体稳定性的最关键的因素,对它的研究历来是岩体力学研究的重点.但由于结构面深埋岩体内部,无法直接观测,因而研究起来特别困难.而Monte-Carlo随机模拟方法可根据结构面发育的随机性,并通过对岩体表面结构面的测量,可以很方便地确定岩体结构面三维网络结构,从而揭示岩体的结构性质.从Monte-Carlo随机模拟方法在北盘江大桥桥基岩体中的应用可以看出,这种方法十分有效.     

矿井涌水量预测的几种常用方法对比——以宁夏宁东煤田鸳鸯湖矿区麦垛山煤矿11采区水文地质补勘为例

我国许多煤矿区,由于地下水频繁突入,造成淹井或因突水威胁使大量煤炭资源难以开发。因此,准确预测矿井涌水量,为矿井防治水提供依据,对煤矿床安全开采和长远发展至关重要。以宁东煤炭基地麦垛山煤矿为例,采用解析法、水文地质比拟法和三维渗流数值法等六种预测方法,对该煤矿11采区110203、110208工作面2#煤顶板直罗组底部砂岩含水层进行了涌水量预测。通过各种方法的分析比较,最后推荐采用最小二乘比拟法预算结果做最终矿井涌水量。     

连续小波变换识别位场场源法的噪声影响分析与尺度因子的选择

为提高连续小波变换识别位场场源准确度,研究噪声对场源识别结果的影响和尺度因子优选方法问题。根据连续小波变换识别位场场源的基本原理,用该方法对不同噪声水平的合成数据进行场源识别,分析噪声对于场源识别结果的影响,研究小波变换的尺度因子对噪声压制的效果,讨论连续小波变换进行场源识别时尺度因子的选取方法。理论模型和实测资料场源识别结果表明,噪声会降低连续小波变换场源识别结果的准确度,笔者提出的尺度因子优选方法能有效压制噪声干扰,提高场源识别结果的准确度。     

地下采矿诱发斜坡移动变形分析

地下采矿与滑坡的关系问题是近期社会关注的热点问题。基于对此问题已有研究的不足,以及随机介质理论在矿区地表移动与变形预测中的广泛应用,探索采用随机介质理论方法对地下采矿条件下坡体的移动变形规律进行研究。以重庆武隆鸡尾山崩滑体为研究对象,建立了坡体内两个地下采矿剖面的计算模型,并通过计算机编程辅助计算,对地下采矿条件下坡体的移动变形规律进行了分析,并对不同地下采矿工况分别进行了详细研究。计算表明,采矿诱发的坡体不均匀沉降加剧了鸡尾山坡体的移动下滑趋势,认为随机介质理论适用于地下采矿诱发的坡体移动变形分析。     

基于机器学习的表层土壤成矿元素空间预测: 以稀有金属铷元素为例

近些年随着土地质量地球化学调查工作的开展,获取了大量表层土壤样品数据。然而,这些数据也存在一个明显的缺陷,即1∶50 000大比例尺表层土壤数据往往缺少成矿元素。鉴于土壤成矿元素含量对于矿产资源勘查的重要指示作用,尝试基于现有数据对大比例尺表层土壤成矿元素含量提供一个补全方案。以稀有金属铷元素为例,采用随机森林算法把同一区域2 548组1∶250 000小比例尺表层土壤数据按照8∶2的比例随机分为两组,用80%的数据进行训练建模,20%的数据对模型进行验证。采用变量重要性度量排序和构建学习曲线的组合方法优选了8种元素(K、B、Ni、V、Zn、As、Co、Cu)作为预测变量,模型对训练数据和测试数据的拟合优度R²分别达到0.983 2和0.895 6,说明预测变量的优选方法是有效的。随后将1∶50 000表层土壤的上述预测变量数据作为输入变量导入模型中,得到预测的Rb元素含量,预测结果比较符合实际特征。本研究表明将大数据机器学习随机森林算法引入表层土壤地球化学元素含量空间定量预测具有可行性,可进一步拓展土地质量地球化学数据的服务应用维度。     

基于多特征随机森林算法的深圳市土地利用分类

城市土地利用分类对土地资源可持续利用具有重要意义。为了进行深圳市土地利用信息提取,利用Sentinel-2影像,基于遥感光谱、光谱指数和图像纹理等多种特征信息,构建了多特征随机森林城市土地利用分类模型。并在相同分类条件下,与最大似然、K最邻近监督分类方法进行对比分析,利用混淆矩阵进行精度评价,分析随机森林分类算法的优缺点。研究表明,多特征信息融合丰富了遥感数据的信息内容,多特征随机森林分类方法具有更高的分类精度。     

Bayes约束随机场下坝基溶蚀区随机模拟方法及其影响分析

基于完全随机场模拟溶蚀岩体可能会高估其空间变异性和不能有效地利用溶蚀以外的地质信息和实践经验,提出用Bayes约束参数随机场模型描述坝基溶蚀区的随机模拟方法。引入Bayes公式,对溶蚀区域岩土参数的统计特性进行修正,反映出地质勘测的新增地质信息和试验参数信息,建立约束随机场,并在此基础上进行随机有限元分析,研究坝基溶蚀对大坝结构性态的作用效应。计算结果表明,相对于完全随机场模型,Bayes约束随机场模型更为客观地考虑了溶蚀岩体的空间变异性,有效地降低了溶蚀参数完全随机场下结构响应的模拟方差。在概率分析过程中,推荐蒙特卡洛响应面耦合方法（MC-RSM）作为适用于复杂工程的随机模拟方法,该方法能够代替直接MC法对同样力学机制的不断重复,减小计算时间成本。     

边坡可靠度分析的非侵入式随机有限元法

提出基于非侵入式随机有限元法的边坡可靠度分析方法,并编写计算程序NISFEM。采用有限元滑面应力法计算边坡安全系数,将Hermite随机多项式展开与SIGMA/W和SLOPE/W模块有机结合实现边坡可靠度非侵入式随机分析。根据随机多项式展开系数,给出边坡安全系数前4阶统计矩（均值、标准差、偏度和峰度）和Sobol指标解析表达式,并采用Sobol指标进行边坡可靠度参数敏感性分析。最后,以均质土坡可靠度问题为例,证明该方法在边坡可靠度分析中的有效性。结果表明,边坡可靠度分析的非侵入式随机有限元法能够有效地考虑边坡变形对边坡可靠度的影响,计算效率远远高于蒙特卡罗模拟方法（MCS）,是解决复杂边坡可靠度问题一种有效地分析手段;黏聚力和内摩擦角变异性对边坡安全系数前四阶统计矩具有明显的影响,重度变异性对安全系数前4阶统计矩几乎没有影响;抗剪强度参数间负相关性对边坡安全系数均值几乎没有影响,但对安全系数标准差、偏度和峰度均有明显的影响。此外,随着抗剪强度参数间负相关性的增加,边坡安全系数由近似正态分布逐渐变为明显的非正态分布。