共查询到19条相似文献，搜索用时 93 毫秒
1.
基于解释结构模型和因果图法,选取12个具有代表性的定性和定量因素,在大量数据不完备的情况下提出了建立贝叶斯网络液化模型的方法。以2011年日本东北地区太平洋近海地震液化不完备数据为例,采用总体精度、ROC曲线下面积、准确率、召回率和F1值5项指标对模型进行综合评估,并与径向基神经网络模型进行对比。结果表明：贝叶斯网络液化模型的回判和预测效果都优于径向基神经网络模型,且对于数据缺失的样本的预测效果也较理想。此外,该模型对于不同土质的液化评估均有较好的适用性。分类不均衡和抽样偏差会对模型的学习和预测效果产生很大影响,建议应同时采用上述5项评估指标进行综合评估模型的优劣。 相似文献
2.
针对岩土体变形行为预测中观测数据的有限性以及信息的不完备性,提出以分段插值或Boostrap重采样对有限观测数据再生以增强数据细节信息,以坐标变换或状态空间重构改变时序数据的表示形式,并重写原有不显著的规律的研究方法。在深入分析方法中重采样、混沌辨识、相空间重构的嵌入维数和延迟时间等关键技术的基础上,分别采用支持向量机、径向基函数前向型神经网络（RBF）以及反馈型神经网络（Elman）,对3组不同特征工程算例的岩土体变形时序在数据再生和空间重构前后进行预测对比研究。结果表明,变形时序的数据再生与重构能够极大地扩充数据细部特征信息和凸显岩土体变形演化的本质规律,以此数据建立的SVM预测模型,其可靠性和准确性优于以原始数据SVM、RBF和Elman建模预测效果。 相似文献
3.
4.
影响堤防管涌的各种因素是不确定和随机的,在堤防管涌的发生过程中各因素间表现出复杂的非线性行为。运用基于RBF神经网络的基本原理,建立了堤防管涌预测的RBF神经网络模型,从新的角度研究堤防管涌的预测问题,对该问题进行了探索性的研究。对该理论的建立以及预测方法进行了系统的讨论,为该领域的研究提供了完整的技术方法。对于23个典型堤防管涌实例的研究表明,RBF网络较BP网络有较高的预测精度,较短的预测时间和较快的预测速度,能够较好地描述堤防管涌的非线性特征。 相似文献
5.
利用径向基函数(RadialBasisFunction,RBF)神经网络的原理对储层参数(孔隙度、渗透率)进行了预测,运用有效测井数据和岩心测试资料作为网络模型的学习样本,通过网络的学习、训练,建立了测井解释的RBF神经网络模型。应用此模型定量计算了鄂尔多斯盆地杭锦旗地区多口井的碎屑岩层的孔隙度和渗透率。与用传统的统计方法比较,神经网络的方法显示出了更好的精度和更强的实用性。 相似文献
6.
基于RBF(Radial Basis Function)网络的正交最小平方算法,对攀枝花地质样品进行动态非线性基体效应校正.首先采用EDXRF仪器对样品进行测量,并对样品的荧光计数进行归一化,设计出自动分类模型和动态非线性数据基体效应校正模型的二级串联结构,用自组织神经网络(SOFM)进行分类,然后用RBF网络预测了未知样品元素Ti的百分含量.结果表明:对所预测样本的Ti的百分含量与化学分析相比的误差均小于0.5%.由此可见,用RBF方法可以有效地对地质样品进行非线性基体效应校正,能够达到工矿生产的要求. 相似文献
7.
膨胀土的胀缩等级判定对膨胀土地区工程建设具有重要的意义。为此,本文提出了一种基于支持向量回归机（SVR）模型的膨胀土胀缩等级预测方法。基于肯尼亚“蒙内铁路”沿线膨胀土的土工试验数据,以土体自由膨胀率作为预测目标,构建了包含两种不同预测指标体系的膨胀土胀缩等级预测模型。模型I以液限、塑限、塑性指数、3种不同粒径的颗粒含量（< 0.075、0.075～0.25、0.25～0.5）、土的类型为输入参数,模型II以液限、塑限、塑性指数、粒径< 0.075的颗粒含量、土的类型为预测参数。两个模型在预测时采用Linear、Polynomial、RBF和Sigmoid核函数进行训练。结果表明:（1）当预测采样次数达到1000次时,训练模型均趋于稳定;（2）整体而言,模型I的预测精度要优于模型II,模型I中采用RBF核函数建立的模型给出了最高准确率86.6%,其次为Linear核函数（准确率82.9%）和Sigmoid和函数（准确率75.1%）。模型II中采用RBF核函数建立的模型给出了最高准确率77.4%,其次为Linear核函数（准确率74.3%）和Sigmoid和函数（准确率72.9%）;（3）采用Linear函数、Sigmoid函数和RBF函数作为核函数模型对44组未知胀缩等级的土样预测时,模型I中三者预测结果相同的数量占比为73%,其余组土样的预测胀缩等级相同或相邻,不存在“越级”现象,模型II中三者预测结果相同的数量占比为68%,不存在“越级”现象。最后,通过与模糊层次分析法评价结果对比,进一步证明了本文研究结果可为肯尼亚等类似地区工程建设中膨胀土的胀缩等级预测和处理提供依据。 相似文献
8.
基于免疫RBF神经网络的深基坑施工变形预测 总被引：2，自引：0，他引：2
基坑工程由于受多种因素的影响,目前已成为岩土工程中的重点和难点。在基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过现场量测的深基坑围护结构变形信息资料,对实测数据进行整理和分析,利用神经网络对支护结构的变形作出预测,以保证基坑安全施工。研究了一种基于免疫识别原理的径向基函数神经网络学习算法,该算法将所识别的数据作为抗原,抗体为抗原的压缩映射并作为神经网络模型的隐层中心,采用最小二乘法确定权值,提高了RBF神经网络收敛速度和精度,将人工免疫RBF神经网络应用于时间序列预测中,工程实例计算证明了算法的有效性和可行性,为时间序列预测提供了一种新途径。 相似文献
9.
基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势. 相似文献
10.
为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型.用32年海洋水温时间序列实测资料来训练和检验网络并用于预测.用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测.实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型.所建模型不仅精度高,而且收敛速度快. 相似文献
11.
12.
13.
14.
Mohammad Zare Hamid Reza Pourghasemi Mahdi Vafakhah Biswajeet Pradhan 《Arabian Journal of Geosciences》2013,6(8):2873-2888
Landslide susceptibility and hazard assessments are the most important steps in landslide risk mapping. The main objective of this study was to investigate and compare the results of two artificial neural network (ANN) algorithms, i.e., multilayer perceptron (MLP) and radial basic function (RBF) for spatial prediction of landslide susceptibility in Vaz Watershed, Iran. At first, landslide locations were identified by aerial photographs and field surveys, and a total of 136 landside locations were constructed from various sources. Then the landslide inventory map was randomly split into a training dataset 70 % (95 landslide locations) for training the ANN model and the remaining 30 % (41 landslides locations) was used for validation purpose. Nine landslide conditioning factors such as slope, slope aspect, altitude, land use, lithology, distance from rivers, distance from roads, distance from faults, and rainfall were constructed in geographical information system. In this study, both MLP and RBF algorithms were used in artificial neural network model. The results showed that MLP with Broyden–Fletcher–Goldfarb–Shanno learning algorithm is more efficient than RBF in landslide susceptibility mapping for the study area. Finally the landslide susceptibility maps were validated using the validation data (i.e., 30 % landslide location data that was not used during the model construction) using area under the curve (AUC) method. The success rate curve showed that the area under the curve for RBF and MLP was 0.9085 (90.85 %) and 0.9193 (91.93 %) accuracy, respectively. Similarly, the validation result showed that the area under the curve for MLP and RBF models were 0.881 (88.1 %) and 0.8724 (87.24 %), respectively. The results of this study showed that landslide susceptibility mapping in the Vaz Watershed of Iran using the ANN approach is viable and can be used for land use planning. 相似文献
15.
滑坡易发性评价是滑坡灾害管理的基础工作,也是制定各项防灾减灾措施的重要依据。针对传统的信息量模型在评价过程中确定权重值存在准确性不高的缺点,文章提出RBF神经网络和信息量耦合模型。以甘肃省岷县为研究区,筛选坡度等9个指标因子构建了滑坡灾害易发性评价指标体系,应用RBF神经网络-信息量耦合模型（RBFNN-I）进行滑坡灾害易发性评价,利用合理性检验和ROC曲线对模型的评价结果进行精度检验。结果表明:（1）RBFNN-I模型的AUC值为0.853,相比单一的RBFNN和I模型分别提高了6.3%和9.7%,说明RBFNN-I模型具有更好的评价精度;（2）岷县滑坡灾害的极高易发区和高易发区主要分布在临潭—宕昌断裂带、洮河及其支流、闾井河和蒲麻河两侧河谷地带,距断层距离、降雨量、距道路距离和NDVI是影响岷县滑坡灾害分布的主控因子。 相似文献
16.
17.
18.
The Kuihe River is in Xuzhou, Jiangsu, China. It contains high concentrations of nitrogen. The water in the Kuihe River recharges
the groundwater via riverbank filtration (RBF) along the Xucun and Huangqiao reaches, which are characterized by unsaturated
and saturated percolations, respectively. The two sections were selected to study the effectiveness of RBF to the nitrogen
removal from the infiltrating river water. The results showed that the RBF in the saturated percolation had the potential
to remove the nitrogen through biochemical processes. The nitrogen-removal rates were more than 95% over the monitoring period.
However, the RBF in the unsaturated percolation resulted mainly from the physical process and thus had no efficacy for nitrogen
removal. 相似文献
19.
Comparison of Kriging and Neural Networks With Application to the Exploitation of a Slate Mine 总被引：2，自引：0，他引：2
To carry out an efficient and effective exploitation of a slate mine, it is necessary to have detailed information about the production potential of the site. To assist us in estimating the quality of slate from a small set of drilling data within an unexploited portion of the mine, the following estimation techniques were applied: kriging, regularization networks (RN), multilayer perceptron (MLP) networks, and radial basis function (RBF) networks. Our numerical results for the test holes show that the best results were obtained using an RN (kriging) which takes into account the known anisotropy. Differing deposit configurations were obtained, depending on the method applied. Variations in the form of pockets were obtained when using a radial pattern with RBF, RN, and kriging models while a stratified pattern was obtained with the MLP model. Pockets are more suitable for a slate mine, which indicates that the selection of a technique should take account of the specific configuration of the deposit according to mineral type. 相似文献