共查询到19条相似文献，搜索用时 218 毫秒
1.
基于混合核函数PSO-LSSVM的边坡变形预测 总被引：2，自引：0，他引：2
支持向量机（SVM）的核函数类型和超参数对边坡位移时序预测的精度有重要影响。鉴于局部核函数学习能力强、泛化性能弱,而全局核函数泛化性能强、学习能力弱的矛盾,通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数,并引入粒子群算法（PSO）对最小二乘支持向量机（LSSVM）超参数进行全局寻优,提出了边坡位移时序预测的混合核函数PSO-LSSVM模型。将模型应用于锦屏一级水电站左岸岩石高边坡变形预测分析,并与传统核函数支持向量机预测结果进行对比分析。结果表明,该模型较传统方法在预测精度上有了明显提高,预测结果科学可靠,在边坡位移时序预测中具有良好的实际应用价值。 相似文献
2.
基于组合核函数的高斯过程边坡角智能设计 总被引：2，自引：0，他引：2
高斯过程(GP)是近年来发展迅速的一种全新学习机。与支持向量机(SVM)相比,该方法有着容易实现、超参数可自适应获取及预测输出具有概率意义等优点。结合边坡工程中的边坡角设计,编写了在多种因素影响下边坡角设计的GP程序,为克服单一核函数预测精度和网络泛化能力差的缺点,采用单一核函数相加作为GP的组合核函数,将自动关联性测定参数（ARD）引入其中,建立了关于超参数的GP回归网络模型,使用共轭梯度下降算法导出最优超参数,用ARD超参数进行输入属性相关性分析和特征选取,并以此网络对测试样本进行学习预测,结合支持向量回归方法给出了在回归问题上的应用和对比分析。结果表明：在边坡角智能设计应用中,采用组合核函数的GPR网络ARD参数具有明确的物理意义,预测回归性能优于SVM,且预测输出的概率解释能更好的体现预测值的代表性,为边坡角设计开辟新径。 相似文献
3.
滑坡周期项位移的预测,是研究地质灾害中滑坡变形至关重要的一步。由于单一模型易受偶然因素影响,且无法充分利用有效信息,导致其预测精度不高,适用性不强。基于此,文中提出了一种结合自适应粒子群算法（APSO）、支持向量机回归算法（SVR）、门控神经网络算法(GRU)的组合模型。该模型通过自适应粒子群优化算法对支持向量机回归算法进行参数寻优,确定最优参数组合,然后利用最小二乘法对APSO-SVR模型与GRU模型赋权建立最优权重比组合模型。以三峡白水河滑坡作为研究对象,选取降雨量、库水位及位移量作为周期项位移的影响因子,对模型进行训练验证,结果表明:在白水河滑坡周期项位移预测中,文中所提出的APSO-SVR-GRU组合模型与单一模型相比,具有更高的预测精度和稳定性。 相似文献
4.
基于范例推理的公路隧道拱顶变形时序支持向量机外延预测 总被引：1，自引：0，他引：1
针对公路隧道拱顶变形预测模型的普适性与外推预测的准确性,提出了基于人工智能推理的隧道工程属性（地理位置、监测位置、隧道高宽比、围岩级别和埋深）与拱顶变形时序曲线原子矩阵的相似范例检索方法,并在深入分析了获取的相似范例特征的基础上,进一步以LPG新核函数支持向量机建立先验知识的预测模型。应用该方法对通渝隧道工程K19+994断面拱顶下沉进行了预测与评估。结果表明,对于不同隧道间或同一隧道不同区段预判拱顶变形或收敛,基于范例推理能够获知良好的先验背景知识,且以此进行的支持向量机预测模型学习的回归内插（1～14步序）的平均相对误差为1.36%,而一次性外推预测15 d内的8个变形值（16～30步序）的平均相对精度为97.28%,证实了方法的可靠性 相似文献
5.
基于正交设计下SVM滑坡变形时序回归预测的超参数选择 总被引：2，自引：0，他引：2
超参数的选择直接影响着支持向量机（SVM）的泛化性能和回归效验,是确保SVM优秀性能的关键。针对超参数穷举搜索方法的难点,从试验设计的角度,提出了正交设计超参选择方法,并分析了基于混合核函数（比单一核函数具有更好的收敛性和模型适应性）SVM各个超参数的取值范围,选定了每个参数的试验水平。通过考虑参数间的正交性和交互性,选取最优超参数组合下的SVM模型。应用该方法,对两种典型滑坡位移时序的SVM建模进行了超参数组合正交优化设计,获得了精度高且泛化性能良好的滑坡预测模型,其试验结果验证了方法的可靠性。正交设计超参选择方法较之其他超参选择法简单实用,其高时效的特点更有助于SVM在实践工程中的良好应用。 相似文献
6.
基于最优加权组合模型及高斯－牛顿法的滑坡变形预测研究 总被引：1，自引：0，他引：1
在对最优加权组合理论和高斯－牛顿法优化非线性模型参数的方法研究的基础上,依托于洒勒山滑坡的实际变形监测资料,建立了该滑坡变形预测的3个非线性预测模型:指数模型、Verhulst模型和灰色GM（1,1）模型;利用最优加权组合理论建立了洒勒山滑坡的最优加权组合预测模型,并运用高斯－牛顿法对各单一模型和组合模型的参数进行了优化。通过对比分析得出:组合模型的预测精度高于任何单一模型的预测精度;参数优化后各单一模型的预测精度都有不同程度的提高;参数优化后的组合模型预测精度是最高的。因此,综合运用最优组合理论和高斯－牛顿法处理滑坡预测预报模型,是提高滑坡预测预报精度的行之有效的方法。 相似文献
7.
滑坡位移时序预测的核函数构造 总被引：4，自引：4，他引：0
获得支持向量机(SVM)背景下滑坡位移时序准确预测的关键,是构造或选择一合适的核函数。通过分析滑坡位移时序曲线特征以及不同类型Mercer核的性质,从基于核函数上的封闭运算角度,构造出支持向量机背景下预测滑坡位移时序的最佳核函数。利用3组不同特征的滑坡位移时序,对构造出的核函数进行性能检验,数值实验表明：对于典型的3组滑坡时序,LPG与MPG核的学习性能要优于简单核,且前者适合复杂位移时序的回归预测,而后者更适合规律性较强的简单时序曲线的建模预测。此外,探讨了这两种核函数下的核参数取值对模型精度的影响。 相似文献
8.
高斯过程回归（GPR）是一种基于贝叶斯理论的监督学习算法,在基于数据驱动（DDM）的模型结构不确定性分析中具有广泛应用。目前研究中通常假设物理参数和超参独立并进行联立识别,这会导致参数补偿。文章提出两步识别DDM量化模型结构误差,并通过2个地下水模型案例,分别在不考虑模型结构误差、考虑模型结构误差（联立识别DDM、两步识别DDM）的情况下,对比分析了参数识别和模型预测结果。结果表明,不考虑模型结构误差直接进行参数识别时,为补偿结构误差,物理参数会过度拟合,从而影响模型预测效果。基于DDM刻画模型结构偏差时,物理参数和超参的独立性假设会影响参数识别结果。提出的两步识别DDM法没有假设物理参数和超参独立,能够减少参数过度拟合效应,从而更准确刻画结构误差,有效提高了模型的预测性能。 相似文献
9.
基于粒子群优化支持向量机的延长县滑坡易发性评价 总被引：4，自引：0，他引：4
参数优化问题直接影响着支持向量机的预测精度和泛化能力,粒子群优化算法具有全局最优搜索能力,因此通过粒子群算法优化支持向量机参数可以有效提高预测精度。以延长县历史滑坡数据为基础,分析了岩性、地貌类型、土壤厚度、坡度、坡向、坡高与滑坡分布的关系,并利用滑坡密度值对各定性或定量因子进行了归一化处理;在此基础上,通过区域内所划分的16 300个斜坡单元作为评价单元,采用粒子群优化支持向量机(PSO-SVM)算法完成了延长县滑坡的易发性评价。从滑坡密度指标角度来看,评价结果中高易发区和极高易发区的历史滑坡数占比72.19%,通过滑坡面积百分比(LAR)等指标进行了有效的验证,均显示出对滑坡易发性评价效果良好。 相似文献
10.
高堆石坝瞬变-流变参数三维全过程联合反演方法及变形预测 总被引：1，自引：0，他引：1
利用反演分析得到的参数进行高面板坝的应力、变形分析来预测长期变形。由于堆石坝的施工过程和变形机制比较复杂,很难将瞬时变形和流变变形分开,因此,有必要对静力本构模型参数和流变模型参数进行综合反演。利用实测位移资料,以对堆石坝变形较敏感的静力本构模型和流变模型参数为待反演参数,采用基于粒子迁徙的粒子群算法和径向基函数神经网络构建参数反演平台,该方法克服了粒子群算法易陷入局部最优和早熟收敛的缺点,采用经过训练的神经网络来描述模型参数和位移之间的映射关系,节省了参数反演的计算时间。对水布垭高面板坝的反演结果表明,基于反演参数的沉降计算值与实测值吻合得很好,坝体变形在合理范围以内并趋于稳定。 相似文献
11.
CNN-GRU混合深度学习反演弹性阻抗取得了较好的反演效果。但是,基于深度学习的叠前反演参数众多,包括内部深度学习网络可学习参数和外部超参数等,目前超参数选取对网络性能及计算速度影响尚缺乏系统性研究,这直接影响到了该方法的进一步推广应用。因此,本文在混合深度学习反演弹性阻抗基础上,探讨学习率、Epoch、batch_size、正则化参数及参与网络训练的测井个数等5个超参数对网络性能及计算速度的影响,为深度学习地震反演超参数选取提供依据。研究结果可为三维大面积深度学习反演提供一个可行的质控手段,对于推动深度学习方法在石油物探中广泛应用具有一定意义。 相似文献
12.
Xie Wei Nie Wen Saffari Pooya Robledo Luis F. Descote Pierre-Yves Jian Wenbin 《Natural Hazards》2021,109(1):931-948
Natural Hazards - Landslide hazard assessment is critical for preventing and mitigating landslide disasters. The tuning of hyperparameters is of great importance to achieve better accuracy in a... 相似文献
13.
14.
Rockbust is a violent expulsion of rock due to the extreme release of strain energy stored in surrounding rock mass, leading to considerable damages to underground strucures and equipment, and threatening workers' safety. As the operational depth of engineering projects increases, a larger number of factors influence the mechanism of rockburst. Therefore, accurate classification of rockburst intensity cannot be achieved based on conventional criteria. It is urgent to develop new models with high accuracy and ease to implement in practice. This study proposed an ensemble machine learning method by aggregating seven individual classifiers including back propagation neural network, support vector machine, decision tree, k-nearest neighbours, logistic regression, multiple linear regression and Naïve Bayes. In addition, we proposed nine data imputation methods to replace the missing values in the compiled database including 188 rockburst instances. Five-fold cross validation and the beetle antennae search algorithm are used to tune hyperparameters and voting weights of the individual classifiers. The results show that the rockburst classification accuracy obtained by the classifier ensemble has increased by 15.4% compared with the best individual classifier on the test set. The predictor importance obtained by the classifier ensemble shows that the elastic energy index is the most sensitive input variable for rockburst intensity classification. This robust ensemble method can be extended to solve other classification problems in underground engineering projects. 相似文献
15.
遗传算法是近些年来产生和发展的一种模拟生物进化过程的自适应启发式全局优化的搜索算法。它不完全依赖于初始猜测,且具有全局收敛的特点,可以被用来解决各种复杂的实际问题,如工程优化设计,人工智能和决策系统,以及地球物理反演等。尽管遗传算法是一种效率很高的全局优化算法,但许多仿真结果表明,它具有计算时间长,局部搜索能力弱的缺点。而共轭梯度法属于非启发式全局优化搜索方法,收敛速度快,但容易陷入局部极值,且严重依赖初始猜测。根据遗传算法和共轭梯度法的特点,这里提出了一种混合遗传算法,用来进行地球物理反演。该算法既具有遗传算法的全局收敛性,又有共轭梯度法的快速收敛性,经实际应用,取得了良好的效果。 相似文献
16.
基于微粒群算法的神经网络在岩性识别上的应用 总被引：1，自引：0，他引：1
针对前馈多层神经网络BP算法存在的易陷入局部最优的不足,采用了微粒群算法(PSO)加以改进。通过胜利油田及其它油田的岩性识别所做的实例验证,并与BP神经网络进行比较,结果表明,在同等条件下,此方法效果较为满意。 相似文献
17.
S. Amir Reza Beyabanaki Roozbeh Geraili Mikola Kianoosh Hatami 《Computers and Geotechnics》2008,35(3):346-356
This paper presents a new contact calculating algorithm for contacts between two polyhedra with planar boundaries in the three-dimensional discontinuous deformation analysis (3-D DDA). In this algorithm, all six type contacts in 3-D (vertex-to-face, vertex-to-edge, vertex-to-vertex, face-to-face, edge-to-edge, and edge-to-face) are simply transformed into the form of point-to-face contacts. The presented algorithm is a simple and efficient method and it can be easily coded into a computer program. In this paper, formulations of normal contact, shear contact and frictional force submatrices based on the new method are derived and the algorithm has been programmed in VC++. Examples are provided to demonstrate the new contact rule between two blocks. 相似文献
18.
露天矿边坡破坏概率计算混合遗传算法 总被引：2，自引：1，他引：2
将数值优化中的Powell法引入遗传算法中 ,提出了一种新型的混合遗传算法 ,并针对新疆雅满苏露天铁矿上盘边坡 ,提出了一种新的露天矿边坡破坏概率分析方法 ,计算结果表明本文方法准确可靠 ,克服了传统方法易陷于局部最优解的缺点。 相似文献
19.
《地学前缘(英文版)》2018,9(6):1631-1638
To meet the high demand for reliability based design of slopes, we present in this paper a simplified HLRF(Hasofere Linde Rackwitze Fiessler) iterative algorithm for first-order reliability method(FORM). It is simply formulated in x-space and requires neither transformation of correlated random variables nor optimization tools. The solution can be easily improved by iteratively adjusting the step length. The algorithm is particularly useful to practicing engineers for geotechnical reliability analysis where standalone(deterministic) numerical packages are used. Based on the proposed algorithm and through direct perturbation analysis of random variables, we conducted a case study of earth slope reliability with complete consideration of soil uncertainty and spatial variability. 相似文献