共查询到19条相似文献，搜索用时 140 毫秒
1.
影响矿坑充水的因素多且复杂,矿坑涌水量预测模型主要考虑降水、地表水、引水灌溉等影响因素,因变量和自变量的关系比较复杂。将偏最小二乘回归与神经网络耦合,建立了矿坑涌水预报模型。模型将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数,并能较好地解决非线性问题,提高了模型的学习能力和表达能力。以河南鹤壁八矿涌水量为例,建立了基于偏最小二乘回归和神经网络耦合的矿坑涌水量预测模型。计算验证表明,该类模型具有较高的预报精度和推广应用价值。 相似文献
2.
《岩土力学》2021,(2)
科学预测隧道掘进机(TBM)净掘进速率,对于隧道(洞)工程施工方法选择、施工进度安排以及成本估计具有重要意义。鉴于TBM施工过程具有高度非线性、模糊性和复杂性等特征,为提高TBM净掘进速率的预测精度和计算效率,采用偏最小二乘回归(PLSR)提取影响参数主成分,再利用深度神经网络(DNN)进行训练预测,提出了一种基于PLSR-DNN耦合方法的TBM净掘进速率预测模型。基于兰州水源地建设工程输水隧洞双护盾TBM施工实测数据,选择岩石单轴抗压强度、单轴抗拉强度、刀盘推力、刀盘转速、岩体完整性系数和岩石耐磨性指数,共6个影响参数,验证了模型预测的合理性,并对不同预测方法的拟合精度和预测精度进行了对比分析。研究结果表明:(1)偏最小二乘回归可有效克服自变量之间的多重共线性问题,将提取的主成分作为深度神经网络的输入层进行训练,简化了神经网络结构;(2)PLSR-DNN耦合预测模型避免了过拟合与拟合不足问题,具有收敛速度快,求解稳定和拟合精度高等特点;(3)PLSR-DNN耦合预测模型平均相对拟合误差2.96%,平均相对预测误差3.27%,其拟合精度和预测精度均明显高于偏最小二乘回归模型、BP神经网络模型以及支持向量回归(SVR)模型。 相似文献
3.
偏最小二乘神经网络在储层识别和产能预测中的应用--以陕甘宁盆地中部气田马五1储层为例 总被引：2，自引：0，他引：2
针对致密储层中气水干层识别和产能预测准确率较低这一难题，提出偏最小二乘神经网络方法：用偏最小二乘方法对输入自变量集进行主成分提取预处理，消除重叠的输入信息，用可变学习速率反向传播算法（VLBP）和附加动量方法（AMOBP）构建BP储层识别和产能预测的网络模型。以陕甘宁盆地中部气田马五。储层气、水、干层识别问题为例，选用19口井分层测试的92个已知样本，在提取物性、测井和储渗特征等方面的14个特征参数后，通过偏最小二乘方法提炼得到电阻率（Rlld）、声波时差（△t）、产能系数（kh）、储渗因子（KФs）、介质类型因子（EE）等5个主成分控制特征参数，消除了信息的重叠。以此为神经网络输入元，以样本储层的类型与产能级别为输出，用VLBP和AMOBP算法建立储层识别和产能预测的BP网络模型。模型的吻合率迭100％，均方误差比传统三层网络降低约50％。表明该模型的计算收敛速度快。精度高，为致密储层的准确识别探索了又一新的方法。 相似文献
4.
5.
土壤铅含量高光谱遥感反演中波段选择方法研究 总被引：7，自引：0，他引：7
利用高光谱遥感数据进行了南京郊外土壤重金属元素铅的含量反演,由于高光谱数据波段众多,波段选择或变换至关重要。比较了基于次贪婪的前向选择模型的最小角度拟合和基于遗传算法进行波段选择的最小二乘和偏最小二乘拟合,结果发现基于遗传算法的偏最小二乘反演结果优于全波段的偏最小二乘,表明波段选择在高光谱反演重金属中是有益的。尽管采取了波段选择后的各方法在反演时均能达到70%以上的训练精度,但因遗传算法搜索的解空间范围更宽广,使得基于遗传算法的偏最小二乘优于前向选择模型的最小角度拟合。最后还比较了基于遗传算法的普通最小二乘和偏最小二乘拟合,结果表明偏最小二乘更优,因此在高光谱反演重金属含量当中,偏最小二乘精度较高,而在波段选择方法中,遗传算法更优。 相似文献
6.
7.
最小二乘估计的异常现象与地下水位预报的岭回归模型 总被引：1，自引：0，他引：1
结合地下水位预报的实例，分析了最小二乘估计异常现象；应用岭回归方法建立了符合实际的地下水位预报模型。实例表明，模型的拟合精度和预报精度均较高。 相似文献
8.
岩溶地下河日流量预测的小样本非线性时问序列模型 总被引：2，自引：0，他引：2
针对岩溶含水系统高度的非线性特征,在小样本时间序列条件下,引入了能较好解决小样本、非线性问题的支持向量回归方法,利用偏最小二乘回归对影响地下河流量的诸多因素进行综合分析,并提取主成分作为支持向量机的输入变量,采用遗传算法优化模型参数,建立了地下河日流量预测的偏最小二乘-遗传-支持向量回归模型;将该模型用于后寨典型岩溶地... 相似文献
9.
农田土壤中重金属元素富集会严重制约农作物的生长,且对人类健康造成潜在威胁。高光谱遥感数据具有极高的光谱分辨率,因而可在土壤重金属污染元素信息的定量研究中发挥重要作用。本文以雄安新区西南部及其周边农田土壤作为研究对象,在实验室测定土壤重金属元素Ni的含量,并与土壤可见-近红外高光谱数据建立土壤重金属Ni含量的定量估测模型,进一步基于CASI&SASI航空高光谱数据快速反演研究区农田土壤重金属Ni的含量,获取其分布特征。本文研究并建立了研究区土壤重金属元素基于不同光谱变换形式的多元逐步回归、偏最小二乘回归和BP神经网络统计估算模型,通过模型验证与对比,探索研究区土壤重金属Ni元素含量的最优反演模型。研究结果表明: （1）基于各光谱变换的BP神经网络模型的建模和预测精度整体上大于偏最小二乘法和多元逐步回归法模型,模型拟合精度高,预测能力较好;（2）综合来看,一阶微分处理能普遍改善模型预测效果,其中BP神经网络模型的一阶微分变换结果最佳,对于Ni元素建模精度R2高达97.1%,验证集精度R2高达98%以上;（3）选用精度最好的BP神经网络模型,通过CASI&SASI高光谱数据对研究区重金属Ni含量进行反演,反演结果与实测Ni含量数据一致性很好。 相似文献
10.
掌握黑土地有机质含量对黑土资源利用与保护具有重要意义,而高光谱卫星影像的缺乏制约了区域尺度土壤有机质反演研究的开展.以黑龙江省建三江黑土区为例,采用CASI/SASI航空高光谱数据、ASD（analytical spectral devices）地面光谱数据和土壤样品有机质含量数据,基于有机质含量与光谱反射率的相关性和定量关系,构建最优的回归模型并开展研究区土壤有机质含量遥感反演.结果表明:偏最小二乘法回归模型比多元逐步回归模型更稳定（判定系数分别为0.885和0.653）,且精度更高（均方根误差分别为0.424和0.744）;采用偏最小二乘模型反演的结果与地面化探结果基本一致. 相似文献
11.
INTRODUCTIoNImagetextureanalysisisanimportantpartofresearchin-tocomputervision.Forobjectidentificationandunderstand-ing,textureanalysisisthebasisoftheresearchwork.Ingeneral,texturecanberegardedasakindofstructurethatconsistsofmanytextureelementsorpatternswhicharemoreorlesssimilar,i.e.,primitivesthatformtexturesandspatialdependenceorinteractionbetweentheprimitives.Ex-tensiveresearchhasbeendoneintextureanalysis,andrefer-ence(Haralick,l979)hasmadeathoroughsurvey.Amongthesetextureanalysismetho… 相似文献
12.
13.
文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。 相似文献
14.
塔河油田奥陶系碳酸盐岩岩溶储集体类型及划分方法研究 总被引：2，自引：0，他引：2
塔河油田奥陶系油藏储集体类型的多样性和复杂性,给常规测井定量解释带来了很大困难。此类油藏储集体类型的划分和识别对油田开发极为重要。根据6口关键井的电成像测井(FMI)和岩心样品特征,将塔河碳酸盐岩储集体划分为未充填洞穴型、垮塌充填洞穴型、机械充填洞穴型和裂缝型4类。依据其中5口井的常规测井响应和4类储集体划分结果,选用GR、RD、RS、K3(深浅侧向电阻率倒数差的绝对值)、AC、DEN和CNL共7种测井信息作为神经网络的输入学习样本,经学习训练建立了储层划分的神经网络模型。通过检验井对比,说明基于神经网络模型,通过常规测井的多参数约束,可以判断岩溶型储集体类型。经本次研究,初步形成了储集体半定量评价标准。 相似文献
15.
基于神经网络的聚类分析在储层流动单元划分中的应用 总被引：2，自引：0，他引：2
以苏里格气田盒8段为研究对象,在细分层和精细沉积学研究基础上,通过对关键井详细研究,以流动层段指标为储层流动单元划分标准,将目的层分为3类流动单元。通过相关性分析结合专家经验,从诸多电性、物性、岩性等参数中优选出表征流动单元的10个特征变量作为预测模型的输入,应用基于神经网络算法的聚类分析方法建立储层流动单元非线性识别模型。通过对其他关键井的回判预测表明,建立的流动单元预测模型可以更全面地考虑各类地质因素与流动单元之间的结构性复杂映射关系,气井产能与流动单元具有较高的对应关系,为气田精细描述与开发井网的优化部署提供可靠基础。 相似文献
16.
在研究了水文相关中利用最小二乘原理进行回归分析方法的基础上，指出了传统水文回归分析方法的使用条件、局限性和存在的问题。提出了不同性质的变量在回归分析时应区别对待的概念。结合水文观测的实际情况，研究了相关变量观测值均存在误差情况下，以变量的观测误差作权进行回归分析的概念，提出了建立基于最小二乘原理基础上的双加权回归模型，并研究了该模型的解算方法。同时推导了估计参数和预测值的误差估计公式，通过估计参数和模型误差的研究，有助于提高水文变量回归的精度和误差估计水平。 相似文献
17.
基于粒子群优化神经网络算法的深基坑变形预测方法 总被引：1，自引：0，他引：1
深基坑变形预测是进行施工参数调整和确保深基坑施工安全的重要手段,而如何对其变形进行有效、准确的预测是一个有待解决的技术难题。采用粒子群优化算法对神经网络模型的初始权值和阈值进行优化,并将已有的变形监测数据作为神经网络的输入参数,建立了基于粒子群优化神经网络算法的深基坑变形预测方法。将形成的方法应用于长春市火车站北广场深基坑开挖监测工程中。结果表明：8号水平位移测点预测结果的均方根误差为3.78%,平均百分比误差为5.48%;9号地面沉降点预测结果的均方根误差为5.62%,平均百分比误差为3.23%。经验证,本文方法预测深基坑开挖过程中的变形具有较高的可信度。 相似文献
18.
地表移动预计参数选取的神经网络法 总被引：6，自引：0，他引：6
地表移动预计参数的选取是研究地表移动及其规律的重要内容，由于预计参数受多种复杂因素的影响，具有高度的不确定性和离散性，利用神经网络具有自组织、自学习和高度非线性映射的能力，并既能考虑定量因素又能考虑定性因素的优点，可建立地表移动预计参数选取的神经网络模型以及对BP神经网络进行改进。利用大量的地表移动实际观测数据样本对该网络模型进行训练和学习，并用该网络模型对地表移动参数进行预计，结果表明，该改进的BP神经网络具有收敛速度快、预计参数精度高的优点，从而为开采沉陷地表移动预计中参数的选取提供了新方法。 相似文献
19.
Pijush Samui Tim Lansivaara Madhav R. Bhatt 《Geotechnical and Geological Engineering》2013,31(4):1329-1334
This paper investigates the feasibility of Least square support vector machine (LSSVM) model to cope the problem of implicit performance function during first order second moment (FOSM) method based slope reliability analysis. LSSVM is firmly based on the theory of statistical learning. In LSSVM, Vapnik’s ε -insensitive loss function has been replaced by a cost function which corresponds to a form of ridge regression. Here, LSSVM has been used as a regression technique to approximate implicit performance functions. A slope example has been presented for illustrating the applicability of LSSVM based FOSM method. The developed LSSVM based FOSM has been compared with the artificial neural network (ANN) and least square method. The result shows that the approximation of LSSVM can be used in the FOSM method for slope reliability analysis. 相似文献