共查询到20条相似文献，搜索用时 187 毫秒
1.
为了较准确预测含瓦斯煤渗透率,有效预防瓦斯安全事故,提出自适应粒子群算法（APSO）优化的加权最小二乘法支持向量机（WLS-SVM）算法。根据对含瓦斯煤渗透率的相关理论及文献研究分析,选取有效应力、瓦斯压力、温度和抗压强度作为主要特征指标,采用APSO算法对WLS-SVM模型的组合参数（C、σ）寻优,建立APSO-WLS-SVM含瓦斯煤渗透率预测模型。结合现场实测资料中的40组数据作为训练样本,其余10组为预测样本,对该模型进行训练与检验,并将其预测结果与利用PSO-WLS-SVM和WLS-SVM模型的预测结果进行对比。结果表明:APSO-WLS-SVM模型的预测效果优于另外2个模型,提高了煤体渗透率的预测性能与泛化能力。 相似文献
2.
基于灰色最小二乘支持向量机的边坡位移预测 总被引：1，自引：0，他引：1
利用边坡实测位移序列预测边坡未来时间的位移,可以有效地判断边坡的稳定性。在分析了灰色预测方法和最小二乘支持向量机各自的优缺点的基础上,提出了将二者相结合的一种新的预测模型--灰色最小二乘支持向量机预测模型。新模型既发挥了灰色预测方法中“累加生成”的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,又充分利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,避免了灰色预测方法及模型存在的理论缺陷。同时,采用遗传算法进行了模型的参数优化,通过2个工程实例说明灰色最小二乘支持向量机模型预测边坡位移的有效性,具有较高的精度。 相似文献
3.
基于PSO和LSSVM的边坡稳定性评价方法 总被引：5，自引：0，他引：5
提出了基于粒子群算法（PSO）和最小二乘支持向量机（LSSVM）的边坡稳定性评价方法。该模型既利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,同时也利用了粒子群算法快速全局优化的特点。粒子群算法用于搜索最小二乘支持向量机模型的最优参数,然后将模型用于预测边坡的安全系数。计算结果表明,该方法是合理的、有效的。 相似文献
4.
基于数学形态学多尺度分析的顶板下沉量预测 总被引：1，自引：0，他引：1
利用实测顶板沉降序列预测顶板下沉量是分析顶板稳定性的有效手段。提出基于数学形态学（MM）的预测方法,将沉降序列视为一组信号,用多尺度形态学算法将其解耦为若干分量,用最小二乘支持向量机（LSSVM）算法对各分量进行预测,叠加还原得到最终预测结果。根据某金矿762采场预控顶板AIII测点实测沉降时序,建立MM-LSSVM模型进行预测研究。研究结果表明,MM-LSSVM的解耦处理强化了各分量内部规律、弱化了相互干扰。与其他传统预测算法相比,MM-LSSVM的平均绝对百分误差和均方根误差大幅下降,预测精度显著提高。 相似文献
5.
支持向量机是基于结构风险最小化原理的机器学习技术,在广泛收集金属矿山采空区失稳塌陷时间资料的基础上,建立了基于支持向量机的采空区稳定时间的预计模型。通过对采空区稳定时间测试样本的预测研究表明,用支持向量机来预计采空区的稳定时间是可行的。 相似文献
6.
进化-最小二乘支持向量机的边坡稳定性估计 总被引：1，自引：0，他引：1
针对最小二乘支持向量机的参数选择问题,用遗传算法来搜索最小二乘支持向量机的相关参数,避免了人工搜索参数的盲目性,提高了模型的推广性能。根据大量的实际边坡工程数据,建立了基于进化-最小二乘支持向量机的边坡稳定性模型,并将其应用于估计丁家河磷矿自然边坡稳定状况。计算结果与工程实际情况一致,表明了该方法的有效性和合理性。 相似文献
7.
滑坡位移的多模态支持向量机模型预测 总被引：1，自引：0，他引：1
将支持向量机（support vector machine,SVM）方法与信号分析中的经验模态分解（empirical mode decomposition, EMD）方法相匹配,提出了一种通过多模态支持向量机函数回归分析建模预测滑坡位移的理论方法。以边坡位移历史观测数据为基础,应用EMD方法获得滑坡形成过程中位移演化的几个特征时间模态,构成了多模态信息统计学习样本,确定了边坡位移演化的自适应多尺度变化信息。对应于每个经验模态的位移变化信息,引入了多模态SVM建模方法,然后合成不同经验模态下边坡位移的计算结果,得到滑坡位移的预测值。以卧龙寺新滑坡和新滩滑坡的监测数据为基础的理论预测结果表明,与采用遗传算法的神经网络方法的预测结果相比,支持向量机经验模态方法具有更强的预测能力,理论预测结果与实际监测值具有很好的一致性 相似文献
8.
PSO-LSSVM模型在位移反分析中的应用 总被引：4，自引：1，他引：3
提出了一种基于均匀设计原理、最小二乘支持向量机(LSSVM)和粒子群优化算法(PSO)的快速位移反分析方法。该方法利用均匀设计和有限差分法获得学习样本,再用粒子群算法搜索最优的最小二乘支持向量机模型参数。并用最小二乘支持向量机回归模型建立反演参数与监测点位移值之间的非线性映射关系,最后用粒子群算法从全局空间上搜索与实测位移最吻合的反演参数。该反演模型利用了粒子群算法高效简单、均匀设计构造高质量小样本以及最小二乘支持向量机的小样本、泛化性能好的特点。将该模型应用于龙滩水电站左岸地下厂房区岩体地应力场的反演分析中,计算结果与实测的位移值和地应力值均吻合较好,说明了该模型在岩土工程快速反演分析中具有良好的应用价值。 相似文献
9.
简述支持向量的回归分析,支持向量机自回归预测模型结构及预测方法,利用开都河大山口水文站52 a的径流资料,采用最小二乘支持向量机方法对径流进行模拟预测,并与BP神经网络方法进行对比分析,其计算结果相对略好。 相似文献
10.
基于最小二乘支持向量机的龙羊峡径流预测 总被引：2，自引：0，他引：2
本文简述了支持向量的回归分析、支持向量机自回归预测模型结构及预测方法,利用黄河唐乃亥站47年的径流资料,采用最小二乘支持向量机方法对径流进行了模拟预测,并与B-P神经网络方法进行了对比分析,其计算结果相对略好。 相似文献
11.
陷落柱是煤田勘探开发中常见的地质灾害体,陷落柱的精确探测一直是煤田安全生产研究的重点,单纯依靠常规纵波地震勘探技术难以满足现阶段煤田精细勘探的需求。多波地震勘探技术能够获得纵波和转换波地震资料,提供更丰富的波场信息,且转换波对于埋深较浅的小幅度构造有更高的分辨率,充分利用多分量地震资料可以有效的提高地震勘探的精度。本文将多波地震技术应用到煤层陷落柱研究中,利用数值方法对煤层陷落柱进行多波地震勘探模拟研究,采用弹性波有限差分方法对构建的陷落柱模型进行多分量正演模拟,然后分别对波场分离后的PP波和PS波地震数据进行叠前深度偏移成像测试。通过对两个小尺寸陷落柱模型进行多波地震数值试算表明,多波地震勘探技术是一种有效的煤层陷落柱探测方法,充分利用多波地震资料有利于查明煤层陷落柱构造,对陷落柱取得更好的勘探效果。 相似文献
12.
13.
基于地下水动力特征监测的岩溶塌陷预警阈值探索——以广州金沙洲岩溶塌陷为例 总被引：3，自引：3，他引：0
监测预警是岩溶塌陷地质灾害防治领域急需解决的技术难题。文章在总结当前岩溶塌陷监测预警研究现状的基础上,以广州金沙洲地区岩溶塌陷监测为例,通过对不同岩溶塌陷阶段地下水动力条件监测数据分析,发现数据异常值反映了不同工况地下水动态和岩溶塌陷发展阶段的突变关系,以此为基础,通过曲线拟合和残差分析确定了岩溶塌陷预警的置信带。通过对比分析异常值出现最多次数时间,最大及最小异常值出现时间和实际岩溶塌陷发生时间,验证了运用异常数据分析法进行岩溶塌陷预警是可行的,监测数据间隔越密,捕获的异常值越多,预警越准确。 相似文献
14.
15.
为了研究岩溶地区的岩溶塌陷预测问题,根据大量岩溶塌陷实例确定6项岩溶地区典型的影响因子（岩性系数（RQC）、岩体结构系数（RMSC）、地下水系数（GWC）、覆盖层系数（SSC）、地形地貌系数（LPC）、环境条件系数（ECC））,采用熵权法计算各项影响因子的权重并结合云理论建立熵权正态云模型。通过模型对桂林西城区岩溶塌陷进行预测且结合实际塌陷情况进行比较分析,结果证明建立的熵权正态云模型的预测结果与实际结果比较接近。表明该模型对于岩溶塌陷的预测分析方面具有良好的适用性和可靠性,且能够为岩溶发育地区岩溶塌陷的非线性、复杂性预测判断提供一种新的思路和方法。 相似文献
16.
17.
Investigation of karst collapse based on 3-D seismic technique and DDA method at Xieqiao coal mine, China 总被引：1，自引：0，他引：1
Jian-Ping Zuo Su-Ping Peng Yong-Jun Li Zhong-Hui Chen He-Ping Xie 《International Journal of Coal Geology》2009,78(4):1800
Karst collapse is a serious geological problem in most of the coal mines in the north of China, but recently it has been found in the south as well. The present study is aimed at investigating subsidence mechanism and deformation field of a karst collapse column at Xieqiao, in the south of China. A method of three-dimensional (3-D) seismic technique has been successful in exploring the spatial morphology of the karst collapse at Xieqiao, and the discontinuous deformation analysis (DDA) method is used to calculate the deformation field and analyze the subsidence mechanism. The results indicated that DDA could approximately simulate and back analyze the subsidence process and strata deformation fields. The subsidence processes of the collapse column depend on the sizes of the karst caves. With the continuous expansion of the karst caves, a semi-elliptic stress field, local separation strata and fracture zone will be formed around the karst cave. Moreover, they will gradually expand upwards along the vertical direction. The paper also indicates that the subsidence failure stage may trigger a sudden collapse of the karst column because of the sudden energy release. Also, it will make a great impact on the vicinity working face so as to cause a rock burst. The effects of the friction angle of rock strata on the subsidence mechanism were reported firstly based on DDA. 相似文献
18.
New advances in karst collapse research in China 总被引：7，自引：0，他引：7
Until 2000, more than 1,446 karst collapse events and 45,037 sinkhole pits have been documented in China. In this paper, focusing on new achievements of karst collapse research in China, a large-scale model experiment, a method of risk assessment and data management of karst collapse based on geographic information system technology are introduced for the region. 相似文献
19.
岩溶塌陷灾害的岩溶地下水气压力监测技术及应用 总被引：3，自引：3，他引：0
文章系统、全面地介绍了岩溶地下水气压力监测技术及其应用成果。该技术在监测成孔、孔口的密封及监测频率等方面创新性地提出了相关的工艺方法,能真实、及时且充分地反映出岩溶管道裂隙系统中的地下水气压力变化特点,可为岩溶塌陷的机理研究、监测和预警提供科学依据。岩溶地下水气压力监测技术工艺简单、操作方便、成本低廉,经过20多年的改进,已成功应用于全国11个典型岩溶塌陷区,服务于高铁、水源地、油气管线、市政建设等潜在岩溶塌陷风险性评价、安全降深、监测预警等方面,取得了很好的效果。 相似文献
20.
为了建立一个适合于三峡库区的塌岸预测方法体系,采用具有处理非线性关系功能的人工神经网络方法对水库塌岸问题进行研究。通过训练、学习和仿真,获得预测正确率为97.2%的具有7-32-14网络结构的BP神经网络模型,采用该模型对蓄水位为175 m时丰都县各岸段进行塌岸预测,并将预测结果与传统经验公式计算法所得结果及实际监测数据进行对比。结果表明:基于人工神经网络的塌岸预测宽度与实际监测数据很接近,偏差在5 m以内;公式法计算结果与监测值平均偏差为15.9 m,而且对于部分坡段,公式法计算结果比实际监测值小8～11 m,没能预测出塌岸的真正范围。采用神经网络模型对丰都县水库进行塌岸预测,预测结果与实际监测数据平均偏差约3.8%,表明其预测结果可靠。 相似文献