共查询到10条相似文献,搜索用时 15 毫秒
1.
利用小波变换时-频局部化性能,提出了基于小波能量分布向量的结构损伤识别方法。首先建立无损结构响应信号小波能量分布的总体向量;其次,将实测动力响应信号分解为小波包组分,计算其小波能量分布向量(样本向量);通过样本向量和总体向量之间的马氏距离识别损伤。该方法仅利用单测点结构响应数据进行损伤识别,实验方便,计算简单,并通过钢梁试验对损伤识别方法进行了试验验证,识别结果表明小波能量分布向量是一个比较好的结构损伤指标。 相似文献
2.
《地震工程与工程振动》2015,(6)
为了实现斜拉桥全结构的损伤识别,提出一种支持向量机与分层遗传算法相结合的分步识别方法。该方法首先按结构的材料特性将斜拉桥分为主梁、索塔、拉索三类子结构,利用支持向量机的分类特性判定损伤的来源,确定损伤属于某一类子结构;然后,应用分层遗传算法对子结构中的单元进行损伤位置与损伤程度的识别。以实验室独塔斜拉桥模型作为研究对象进行数值仿真,结果表明:采用支持向量机方法能较准确的对主梁、索塔、拉索三类子结构的损伤进行分类,确定损伤的来源;分层遗传算法能快速有效的完成斜拉桥某一子结构中损伤单元的定位与识别;两种算法结合的分步识别方法,实现了斜拉桥全结构的损伤识别,同时分步识别策略减少了支持向量机训练样本与遗传算法中初始种群的规模,提升了寻优效率。 相似文献
3.
辽河坳陷中央凸起中南部基底变质岩类型多样,测井岩石物理参数与岩性之间的映射关系复杂,测井响应多解性强,导致传统的测井岩性识别方法结果不精确.本文采用基于自适应粒子群参数优化的最小二乘支持向量机算法进行变质岩的测井多参数岩性识别.通过变质岩测井岩石物理分析,优选出对岩性敏感的自然伽马、自然电位、声波时差、深侧向电阻率、密度和补偿中子6种测井参数作为特征输入,以自适应粒子群算法优化最小二乘支持向量机参数,构建岩性判别模型,预测目的层段变粒岩、混合花岗岩、混合片麻岩、混合岩和角闪岩5种类型变质岩的垂向分布.与支持向量机、K最邻近及人工神经网络算法的岩性识别效果相比,本方法判别准确率最高,符合率为90.17%,在随机划分的10次样本预测中本模型稳定性最强,分类性能最好,平均AUC值为0.974,有效解决了深层基底变质岩储层精细描述中的岩性精准识别难题. 相似文献
4.
快速、准确地识别天然地震和人工爆破事件是地震台网监测的重要工作之一,也是提高地震观测记录质量、开展地震研究工作的重要基础.针对反向传播神经网络、支持向量机等主流分类识别方法在地震事件分类识别应用上的不足,提出一种基于改进 EWT 和 LogitBoost集成分类器的地震事件分类识别算法.首先,基于S谱能量曲线对传统经验小波变换进行改进,将信号自适应分解为按频率和能量分布的本征模函数;其次,提取 P波与S波最大振幅比,前4个本征模函数的香农熵、对数能量熵,以及去噪后重构信号主频等特征;最后,采用基于集成学习 LogitBoost的决策树集成分类器进行分类.实验结果表明,所提算法具有较高的鲁棒性,能有效解决样本不足的问题,识别准确率达93.1%以上,比集成学习 AdaBoost、反向传播神经网络和支持向量机等方法提高了1%以上,且分类识别效果好. 相似文献
5.
通过叠前反演获得的单参数或组合参数都有一定的流体识别能力,但如何将多种流体识别因子有效融合是目前进行流体识别的一个难题.利用人工参与进行流体性质的综合解释是目前流体识别因子融合的主要途径,但这种方法人为干扰较大,不确定性强.鉴于此,本文提出了一种基于近似支持向量机的流体识别方法.该方法首先以实际工区测井资料为依据,优选出对工区内储层所含流体特征敏感的流体识别因子作为输入参数,然后通过近似支持向量机进行流体性质的判别,实例证明该方法的识别结果客观准确,是一种可靠的流体识别方法. 相似文献
6.
《地球物理学进展》2016,(2)
基于测井数据分析的岩性识别是油气地球物理勘探的基础性问题之一.支持向量机(SVM)是目前分辨能力最高的岩性识别方法,特征优化可提高SVM的识别正确率,该方法采用主成分分析(PCA)进行目标特征提取,易受特征选取的影响.针对诸如白云岩和灰岩的区分等测井响应差别不明显,岩性区分困难而又必须进行的问题,本文引入概率生成模型连续限制玻尔兹曼机(CRBM)进行测井数据岩性特征提取,然后再运用SVM在提取特征上进行岩性识别.运用所发展的CRBMSVM进行川西海相灰岩及白云岩的识别,正确率达到了81.9%.基于同样的支持向量机,CRBM提取特征识别正确率要高于PCA提取特征. 相似文献
7.
王军 《地震地磁观测与研究》2018,39(3):181-188
为研究天然地震事件和爆破事件识别算法,对上海测震台网记录的上海周边区域天然构造地震和爆破事件记录进行小波包分解,并提取特征向量,提出用支持向量机(SVM)识别天然构造地震和人工爆破的算法。结果表明,基于SVM算法的向量识别分类方法,在天然地震和爆破识别中是可用的,准确率预计达85%以上。 相似文献
8.
应用人工神经网络技术的大型斜拉桥子结构损伤识别研究 总被引:12,自引:0,他引:12
本文应用人工神经网络技术对大型斜拉桥结构进行了子结构损伤识别研究。文中首先介绍了子结构损伤识别的基本方法,然后应用自组织竞争神经网络建立了对于大型桥梁结构识别子结构损伤情况的子结构损伤识别方法,并且应用BP网络进一步建立了大型桥梁结构各子结构内部的损伤位置和损伤程度的识别方法,数值模拟了一大跨度斜拉桥子结构损伤以及子结构内部损伤的识别过程,最后得出结论:(1)基于自组织竞争网络的子结构损伤识别方法能迅速准确地识别大型结构的损伤情况;(2)基于BP网络所建立的结构损伤识别方法,能对子结构中结构损伤的位置和程度进行进一步的识别;(3)基于人工神经网络技术的结构损伤识别方法是大型土木工程结构损伤识别的有效方法,可在工程结构损伤识别中广泛应用。 相似文献
9.
《地震工程与工程振动》2021,41(3)
基于向量自回归模型(VAR)的结构损伤识别方法缺少自回归系数与损伤的明确关系,在选择自回归系数作为损伤敏感特征时具有一定的盲目性。文中借助结构运动方程的二阶向量自回归模型(简写为VAR(2)模型)表达形式,论证了采用VAR(2)模型的一阶自回归系数作为损伤敏感特征的合理性,并通过灵敏度分析得到该系数变化与结构刚度变化的线性关系,据此提出了基于VAR(2)模型自回归系数异常检测的损伤识别策略。该方法首先对环境激励下的结构响应信号建立VAR(2)模型,提取第一阶自回归系数矩阵的对角线元素作为损伤敏感特征;然后以欧氏距离建立损伤指标,最后借助统计理论确定损伤阈值进行损伤预警。通过算例表明,该方法适合于长期在线预警。 相似文献