基于PSR-WSVM模型的边坡位移预测

为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。     

An operational multiscale system for hazards prediction, mapping, and response

By definition, a crisis is a situation that requires assistance to be managed. Hence, response to a crisis involves the merging of local and non-local emergency response personnel. In this situation, it is critical that each participant: (1) know the roles and responsibilities of each of the other participants; (2) know the capabilities of each of the participants; and (3) have a common basis for action. For many types of natural disasters, this entails having a common operational picture of the unfolding events, including detailed information on the weather, both current and forecasted, that may impact on either the emergency itself or on response activities. The Consequences Assessment Tool Set (CATS) is a comprehensive package of hazard prediction models and casualty and damage assessment tools that provides a linkage between a modeled or observed effect and the attendant consequences for populations, infrastructure, and resources, and, hence, provides the common operational picture for emergency response. The Operational Multiscale Environment model with Grid Adaptivity (OMEGA) is an atmospheric simulation system that links the latest methods in computational fluid dynamics and high-resolution gridding technologies with numerical weather prediction to provide specific weather analysis and forecast capability that can be merged into the geographic information system framework of CATS. This paper documents the problem of emergency response as an end-to-end system and presents the integrated CATS–OMEGA system as a prototype of such a system that has been used successfully in a number of different situations.     

广州地区深基坑支护形式研究

介绍了广州地区基坑支护近年来的主要类型及其适用范围,并在分析选型各影响因素的基础上,总结出设计选型的要点。     

基于AGA的SVM需水预测模型研究

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统.其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策.作为一种集中参数预报方法,支持向量机方法具有对未来样本的较好的泛化性能,对于这类资料缺乏、系统结构尚欠清晰的问题可以取得较好的模拟和预测结果.基于此,本文将支持向量机方法引入需水预测领域,建立了需水预测支持向量机模型.同时,本文将加速遗传算法和支持向量机方法耦合起来,构造了支持向量机模型参数的自适应优化算法.模型在珠海市的应用实例表明:与简单遗传算法比较,AGA的模型参数寻优效率更高;与BP神经网络模型相比,SVM模型较好地解决了小样本、经验性等问题,并取得了较高的预测精度.     

黄山高速滑移弯曲边坡变形机理分析及应急治理对策

黄山高速公路穿行于皖南山区,公路建设过程中,汤口互通A匝道高边坡产生了大范围变形,严重威胁已有构筑物和施工安全。为保证边坡稳定,成立“应急指挥小组”,建立快速反应机制,并采用工程地质测绘、勘探、监测等手段,快速查明边坡结构特征,分析边坡变形机理和稳定性,提出应急治理方案。分析表明,该边坡为层间软弱夹层[JP2]发育的砂泥岩互层型顺向边坡,地质历史上边坡曾发生滑移—弯曲变形,公路施工时对弯曲隆起部位岩体进行开挖,引起坡体产生快速变形,在降雨、开挖等条件下,边坡产生整体失稳的可能性极大。在分析边坡变形机制基础上,应用变形控制理论,确定对边坡采取桩锚结合、综合排水的应急治理措施,并根据变形特点提出了应急治理施工步骤。应急治理措施实施后,边坡变形得到了有效控制,稳定性达到了高速公路的安全要求     

基于光谱和纹理的SVM矿化蚀变信息提取研究

针对传统矿化信息提取方法单一,利用光谱或纹理、信息量相对较少、需要大量样本的缺陷,利用基于光谱和纹理的支持向量机(SVM)原理,建立矿化信息提取模型.选择青海泽库县析界日地区作为典型研究区.首先提取研究区光谱和纹理信息,选取训练样本;然后求解最优超平面,进而确定决策函数;最后泛化推广识别其他待识别的样本.通过所提取的遥感蚀变异常信息与重砂异常点叠加分析,叠加基本吻合;从野外实地验证来看,均发现了不同程度的矿化现象,并指出了5个重点异常区.     

沿空掘巷合理煤柱宽度综合分析与确定

在总结分析经验法、理论计算法、数值模拟法、现场实测等确定煤柱宽度方法优缺点的基础上,提出了采用现场实测和数值模拟相结合的方法来确定保留煤柱宽度。根据石炭井二矿生产实际,分别对巷道开挖前后,不同煤柱宽度下围岩应力、变形进行了模拟,同时利用21053工作面异型煤柱的有利条件,对不同煤柱宽度下巷道围岩变形、支护结构受力等进行了实测。经过对监测数据的分析,得出了巷道围岩变形、支护结构受力与煤柱宽度之间的关系,结合数值模拟结果,确定了石炭井二矿煤柱宽度。     

区域似大地水准面确定的最小二乘支持向量机方法

支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性.     

苏锡常地区地面沉降风险评价管理模型研究初探

平原区超采地下水引发的地面沉降地质灾害已成为影响这些地区经济可持续发展的重要制约因素,如何从收益、成本、风险三个方面为决策者提供制定地面沉降相关防治措施的综合支持,实现灾害防治从被动应对向主动防御转变,是地面沉降防治研究领域的新课题。在综合考虑苏锡常地区技术、经济、人类活动等因素基础上,从地面沉降总体风险和地区差异水平出发,提出构建地面沉降风险评价模型及决策支持系统的初步研究思路和方法,为实现地面沉降防治的科学化决策管理进行了探索。