共查询到20条相似文献，搜索用时 42 毫秒
1.
将偏最小二乘回归（PLS）与神经网络（NN）耦合，建立了储层参数预报模型。利用偏最小二乘对影响储层参数的诸多因素进行分析，提取对因变量影响强的成分，从而克服了变量间的多重相关性问题，降低了神经网络的输入维数；同时，利用神经网络建模可以较好地解决非线性的储层参数预测问题。计算实例表明，本耦合模型的拟合和预报精度优于独立使用神经网络模型的精度。 相似文献
2.
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
3.
关于用岩体分类预测TBM掘进速率AR的讨论 总被引：1，自引：0，他引：1
以Maen、Pieve、Cogolo和Varzo 4条隧道为例,本文分析说明了岩体质量分类系统不能预测TBM净掘进速率PR的原因:由于影响岩体可掘进性的因素与影响岩体质量的因素不一样,且岩体质量分类系统多采用半定性半定量的评分形式描述岩体条件,故岩体的质量分数值与TBM的净掘进速率PR很难有一一对应的关系。因此,岩体质量分类系统和基于此的预测模型不能够用来预测TBM的净掘进速率PR。根据TBM施工隧道岩体分类的目的及TBM施工的特点,提出预测TBM净掘进速率PR的岩体分类系统应与评价岩体稳定的岩体分类系统分开进行。用岩体可掘进性分类系统预测净掘进速率PR,用岩体质量分类系统预测TBM利用率U,从而计算出TBM的掘进速率AR。 相似文献
4.
基于TBM施工数据进行围岩感知对保障TBM施工安全、提高施工效率至关重要,其中TBM掘进参数预测的准确率是检验围岩感知效果的重要依据.为此,以吉林引松工程TBM四标段为研究对象,选取TBM上升段破岩数据为输入特征X1,选择两个施工控制参数（刀盘转速和推进速度）为输入特征X2,构建卷积神经网络机器学习模型,对TBM掘进响应参数Y（刀盘扭矩和总推力）进行预测.按照学习对象的不同,分别构建了只学习稳定段掘进响应行为的点预测模型和同时学习上升段和稳定段掘进响应行为的线预测模型,结果表明：点预测模型无法描述控制参数对掘进响应参数的影响;线预测模型虽然可以描述控制参数对掘进响应参数的影响,但是对稳定段的掘进响应预测数值偏低.考虑到上述局限性的原因是稳定段行为样本数量只占总样本数量的9%,提出了一种通过调节损失函数的方法来提高稳定段行为样本的权重,显著提高了线预测模型的预测精度.改进后的结果表明：在TBM掘进参数预测中,应对整个掘进段的行为进行学习,并提高稳定段行为的权重,以便获得高精度的掘进响应参数预测模型.获得的模型能够为进一步的围岩感知和控制参数优化提供基础. 相似文献
5.
以湖南株洲市区中西部为研究区域,获取该区域35个土壤样本和多光谱数据,基于多元线性回归（MLR）、偏最小二乘回归（PLS）、BP神经网络回归模型（BP）,分别建立土壤重金属（Cr、Cu、Ni）含量的反演模型,并对模型预测效果进行检验。建模与预测综合效果：BP模型＞PLS模型＞MLR模型,BP神经网络回归模型的效果远远好于其他2组,尤其适合分析具有非明确关系的2组数据。其中,Cr元素回归模型为最佳拟合模型,建模和预测R2分别为0.917 4、0.811 0,建模均方根误差和预测均方根误差分别为8.269 3、16.870 7,说明基于多光谱数据反演土壤重金属含量有一定的可行性。 相似文献
6.
《岩土力学》2017,(Z2):295-303
隧道盾构掘进机(TBM)掘进时难以及时地、有效地评估掌子面岩石强度,导致现场施工过程中很难客观地判别岩爆、卡机等施工风险。在前人研究成果和工程实践的基础上,提出一种基于TBM掘进参数的现场岩石强度快速估算方法,对掌子面岩石强度进行实时评价。通过TBM规格、掘进参数与岩石强度的力学分析,建立了现场岩石强度快速估算公式。基于对国内外多条隧道TBM数据的统计拟合分析,确定了估算公式中系数常量与TBM参数(开挖直径、刀具尺寸)的相关性,以多个典型TBM工程实例进一步验证了所提经验公式的普适性与可靠性。研究结果可为TBM工程岩石强度的快速现场估算提供新的切实可行的思路。 相似文献
7.
黄土路基沉降量预测方法的研究 总被引：3，自引：0，他引：3
归纳对比了评估指南所提出的几种常用沉降预测模型的优缺点,提出检验任一拟合方法是否是通过实测沉降数据预测最终沉降量的最优方法,除检验其拟合精度外,还必须检验其预测精度,并基于所提出的拟合指标及预测指标,分析郑西客运专线实测数据后提出了适用于黄土路基沉降预测的预测方法。并根据组合预测的思想,通过加权系数调整各单一预测模型的比例,基于最小二乘法进行求解,建立了组合预测模型。探讨了其拟合及预测精度,指出使用组合预测模型可综合利用各种方法所提供的信息,有效地减少单个预测模型受随机因素的影响,较大地提高预测精度,其拟合精度比任何单一预测模型高得多。但用其预测之前,必须将参与组合的模型进行筛选,预测精度与所选取的筛选准则是否合理息息相关,如何选择一个比较合理的筛选准则使得在保证被筛选用于最优组合模型的预测模型其权系数均大于0的前提下,误差平方和最小,仍需进一步研究。 相似文献
8.
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
9.
10.
为探究青藏高原工程走廊带昆仑山地区冻融土导热系数基本特征,采用瞬态平面热源法对钻取的349组冻土试样和245组融土试样导热系数进行了测试,分析了五类土导热系数分布特征及天然含水率、干密度与导热系数的偏相关性,并以两者为变量因素建立了经验公式拟合、支持向量回归（SVR）和径向基（RBF）神经网络导热系数预测模型。结果表明:冻融土导热系数整体均呈粗颗粒土大于细颗粒土特征,且冻土和融土导热系数随土性分布规律存在差异;天然含水率、干密度与导热系数均呈正相关性,不同土类偏相关性结果差异明显,典型土导热系数二元经验回归方程表现为非线性拟合结果。对比三种预测模型下各典型土冻融土导热系数预测结果,全风化千枚岩、角砾及砾砂三种预测模型效果整体较佳,粉土的SVR及RBF神经网络预测精度较好;融土导热系数预测效果整体略优于冻土,SVR及RBF神经网络模型下角砾、粉土及全风化千枚岩融土导热系数预测精度较高。综合导热系数模型预测效果和误差结果分析可得,SVR和RBF神经网络模型预测效果显著优于经验方程拟合,后者针对部分土性拟合效果相对较好,可满足一般工程估算需求;SVR和RBF神经网络预测模型针对不同土性导热系数预测效果呈差异性变化,整体预测效果相当,且预测精度更高、应用土性范围更广。 相似文献
11.
结合有关煤体渗透率的众多研究成果,总结出影响煤体渗透率的3个主要因素为有效应力、温度和瓦斯压力。采用粒子群优化算法(PSO)对最小二乘支持向量机(LSSVM)的参数进行优化选择,并以上述3个因素和抗压强度为输入值,以渗透率为目标输出值,建立煤体瓦斯渗透率的PSO-LSSVM预测模型。利用25组数据进行PSO-LSSVM模型与BP神经网络及支持向量机的比较实验,PSO-LSSVM预测结果与实际值拟合程度优于其他两个模型,且具有更小的误差。实验结果表明,采用PSO-LSSVM模型可由有效应力、温度和瓦斯压力对渗透率进行较高精度的预测。 相似文献
12.
13.
《岩土力学》2021,(5)
全断面硬岩隧道掘进机（TBM）对岩体条件极其敏感,且其前期投入较大,准确地评估岩体可掘性、预测TBM掘进性能对TBM隧道施工至关重要。基于来自中国、伊朗两国涵盖三种不同岩性的5条TBM施工引水隧洞约300组现场数据,以现场贯入度指数FPI为岩体可掘性评价指标,分析了岩石单轴抗压强度UCS、岩体完整性指数K_(v)、岩体主要结构面与洞轴线的夹角α、隧洞直径D等与岩体可掘性之间的关系;探讨了适用于岩体可掘性研究的岩体参数统一方法,进一步建立了精度较高的（相关系数为0.768）岩体可掘性经验预测方法。基于该预测方法,运用K中心聚类分析方法,将岩体可掘性分为6类,探讨了不同岩体可掘性条件下TBM平均单刀推力、刀盘转速分布规律,相应成果可为实际工程中TBM施工隧洞岩体可掘性评估、掘进参数的选择、施工进度的安排提供一定的指导。 相似文献
14.
卵石土等效弹性模量理论预测模型初探 总被引：1，自引：0，他引：1
卵石土是由卵石和土组成的、处于土和岩体之间的天然地质体,但其宏观力学特性完全不同于土和岩体。通过对成都地铁1号线隧道掘进机（TBM）施工现场调查可知,卵石地层可导致TBM刀具过量磨损、刀盘堵塞等非正常损坏,极大地影响了TBM施工效率,是TBM掘进极其不利的一种典型混合工作面。主要研究卵石土变形性能,建立在均匀应变基础上,假设卵石为理想圆形或椭圆形,从理论上得到卵石土等效弹性模量的解析预测公式。并通过数值试验验证了理论预测模型的有效性。结果表明,此模型预测结果与试验数据比较接近,可用来初步判断卵石地层等效弹性模量,有助于理解并提高该地层中的TBM掘进效率。 相似文献
15.
基于Monte Carlo-BP神经网络TBM掘进速度预测 总被引：1，自引：0，他引：1
预测隧道工程中TBM掘进速度,主要有完全经验的、半理论半经验的模型和人工智能等方法,所用参数均为确定性的,未考虑参数存在的随机性,故导致预测结果的不准确性。基于此,提出了Monte Carlo-BP神经网络TBM掘进速度预测模型,着重考虑了一些重要输入参数的随机性, 其中输入参数重要性的大小通过粗糙集进行计算排序。采用Monte Carlo产生随机数时,由于参量的样本数据的有限,分布函数均采用阶梯形经验分布函数。如果采用的数据是来自不同类型的 TBM,则应当考虑机器性能参数,并重新对参数重要性进行排序。实例计算表明,Monte Carlo-BP神经网络模型预测结果和实测值总体趋势和均值比较一致。 相似文献
16.
波致瞬态液化渗流导致海床内细粒沉积物向海水中运移,这一过程对海底沉积物再悬浮的贡献率不容忽视,但是贡献率的准确估计和预测比较困难。本研究将黄河水下三角洲的观测数据(包括水深、有效波高、有效波周期、实验舱内悬沙浓度、实验舱外悬沙浓度)作为模型输入数据集,基于长短时记忆循环神经网络建立了瞬态液化对再悬浮贡献率的深度学习预测模型。为了客观评价模型的性能,以平均绝对百分比误差、均方根误差和平均平方误差-标准偏差为评判标准,将该深度学习模型与其他预测模型(支持向量回归模型、人工神经网络)的预测结果进行了比较。结果表明,基于长短时记忆循环神经网络的深度学习模型对3.5d以内的瞬态泵送再悬浮贡献率预测误差最小,其平均绝对百分比误差、均方根误差和平均平方误差-标准偏差分别为5.87%、1.6730、0.1574。因此,该模型可以有效地减少机器学习方法在连续预测中产生的误差叠加问题。 相似文献
17.
全断面硬岩隧道掘进机（tunnel boring machine, TBM）对岩体条件极其敏感,且其前期投入较大,准确地评估岩体可掘性、预测TBM掘进性能对TBM隧道施工至关重要。基于来自中国、伊朗两国涵盖3种不同岩性的5条TBM施工引水隧洞约300组现场数据,以现场贯入度指数FPI为岩体可掘性评价指标,分析了岩石单轴抗压强度UCS、岩体完整性指数 、岩体主要结构面与洞轴线的夹角?、隧洞直径D等与岩体可掘性之间的关系;探讨了适用于岩体可掘性研究的岩体参数统一方法,进一步建立了精度较高的（相关系数为0.768）岩体可掘性经验预测方法。基于该预测方法,运用K中心聚类分析方法,将岩体可掘性分为6类,探讨了不同岩体可掘性条件下TBM平均单刀推力、刀盘转速分布规律,相应成果可为实际工程中TBM施工隧洞岩体可掘性评估、掘进参数的选择、施工进度的安排提供一定的指导。 相似文献
18.
19.
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