基于ICA-SVM的超长大直径钢管桩承载力预测     

张明远  宋华珠  李彬  李艳 《岩土力学》2012,33(9):2759-2764

基于支持向量机（SVM）和独立分量分析（ICA）建立了超长大直径钢管桩极限承载力的预测模型。先采用独立分量分析FastICA算法从实际工程的超长大直径钢管桩试桩的实测数据样本中抽取相互独立的分量,这些分量不仅去除了相关性,还保持统计独立,并服从非高斯分布,能更好地表现数据间的本质结构;然后,确定支持向量机作为分类器,以抽取的独立分量作为支持向量机模型的输入参数,建立超长大直径钢管桩的承载力预测模型ICASVM_Q;最后,采用某大桥的工程数据对预测模型进行测试。结果表明,ICASVM_Q的预测效果明显优于以原始数据作为支持向量机模型输入的SVM_Q模型的预测效果。可见,采用将独立分量分析与支持向量机相结合的方法建模预测超长大直径钢管桩的承载力是可行的,ICASVM_Q模型的预测结果可用于超长大直径钢管桩承载力的设计参考,具有一定的工程应用价值。这种方法还可以用于其他领域的智能预测研究中。  相似文献   

Reservoir prediction using multi-wave seismic attributes          下载免费PDF全文

Ye Yuan  Yang Liu  Jingyu Zhang  Xiucheng Wei  Tiansheng Chen 《地震科学（英文版）》2011,24(4):373-389

The main problems in seismic attribute technology are the redundancy of data and the uncertainty of attributes, and these problems become much more serious in multi-wave seismic exploration. Data redundancy will increase the burden on interpreters, occupy large computer memory, take much more computing time, conceal the effective information, and especially cause the "curse of dimension". Uncertainty of attributes will reduce the accuracy of rebuilding the relationship between attributes and geological significance. In order to solve these problems, we study methods of principal component analysis (PCA), independent component analysis (ICA) for attribute optimization and support vector machine (SVM) for reservoir prediction. We propose a flow chart of multi-wave seismic attribute process and further apply it to multi-wave seismic reservoir prediction. The processing results of real seismic data demonstrate that reservoir prediction based on combination of PP- and PS-wave attributes, compared with that based on traditional PP-wave attributes, can improve the prediction accuracy.  相似文献   

深埋隧道锚杆支护作用的数值模拟与模型试验研究   总被引：3，自引：1，他引：2  

陈浩  任伟中  李丹  夏彬伟 《岩土力学》2011,32(Z1):719-0724

以重庆至长沙公路共和隧道为研究对象,研制出环氧-硅橡胶的相似模型材料,在大型真三轴模型试验机上进行了隧道在毛洞和锚杆支护条件下的超载试验,采用应变测量技术对隧道关键部位的应变值和锚杆的应变值进行了测量,据此分析了围岩体在锚杆支护后的应力变化规律和锚杆的轴力变化规律。采用与模型试验相同的边界条件进行了隧道在锚杆支护条件下的数值模拟工作,对围岩体的塑性区、应力场和锚杆轴力随荷载的变化过程进行了研究。结果表明,两种手段反映的围岩体应力变化规律和锚杆轴力随荷载的变化规律是一致的  相似文献   

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  

马辉  高明忠  张建康  余其福 《岩土力学》2011,32(12):3642-3646

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   

基于粗糙集和支持向量机的融合算法在岩体质量评价中的应用   总被引：1，自引：0，他引：1  

肖云华  王清  陈剑平  张鹏  阙金声 《煤田地质与勘探》2008,36(6):49-53

从数据融合角度出发,把粗糙集理论和支持向量机理论结合,用来解决隧道岩体质量评价问题。首先,应用粗糙集理论对岩体质量评价样本数据进行约简,去除冗余特征形成岩体质量影响因素与岩体质量之间简明扼要的关系数据表达形式,形成新的样本数据,然后应用支持向量机理论,对新样本数据进行学习,建立岩体质量的支持向量机评价模型。通过实际工程应用表明,该方法科学可行。   相似文献   

基于网格搜索法优化支持向量机的围岩稳定性分类模型   总被引：1，自引：0，他引：1  

袁颖  于少将  王晨晖  周爱红 《地质与勘探》2019,55(2):608-613

为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。  相似文献   

纹理特征辅助的S AR影像冰川识别   总被引：1，自引：1，他引：0  

范宇宾  郭唯娜  柯长青 《冰川冻土》2019,41(6):1326-1334

青藏高原的冰川监测对气候变化研究有着重要的意义,通过遥感图像可以大范围长时间的监测冰川的变化,识别冰川边界是研究的重点。为了研究SAR影像纹理特征在冰川识别中的作用,以喀喇昆仑山地区的克勒青河上游为研究区,利用2018年Sentinel-1A数据进行干涉处理得到相干系数,然后基于相干系数提取了均值、方差、同质性、反差、相异性、熵、相关性共7种纹理特征,并对不同纹理特征组合之间的提取效果进行了比较。结果表明VV极化方式下均值、方差、同质性、相异性的特征组合冰川识别效果最好。据此提取了克勒青河上游区域的冰川边界,最高精度达到91.36%,该方法明显优于基于相干系数图的阈值分割法和基于光学影像的波段比值法,冰川识别精度提高了约2%。  相似文献   

瑞利参数在海浪波高机器学习预测中的应用     

胡明浩  谢玲玲  李明明  梁朋 《海洋与湖沼》2024,55(2):318-331

海浪直接影响海上活动和航行安全,同时也蕴藏着巨大的可再生能源,对海浪核心参数之一波高预测至关重要。基于2015年7月～2022年6月山东小麦岛(36°N,120.6°E)站点实测的波高数据,利用反向传播神经网络(back-propagation neural network,BPNN)、长短记忆网络(long short-term memory, LSTM)和支持向量机回归(support vector regression, SVR)三种机器学习模型对波高进行预测,并分析了瑞利参数的引入对预测结果的影响。结果显示,模型输入项引入瑞利参数后,对1 h和6 h波高预测提升效果有限,预测值与测试集的相关性提升不超过0.02,均方根误差的降低不超过0.01 m;在12h和24h的预测中,BPNN和LSTM模型预测结果相关性提升0.03～0.07,均方根误差降低0.02～0.03m,而SVR模型预测结果变化不显著。说明瑞利参数有助改善BPNN和LSTM模型中长期海浪预报。此外,特征扰动方法(机器学习中特征重要性的计算方法之一)验证了瑞利参数在波高预测中的重要性,瑞利参数的引入为波高的机器学习预...  相似文献   

基于机器学习的洋岛玄武岩主量元素预测稀土元素     

洪瑾  甘成势  刘洁 《地学前缘》2019,26(4):45-54

地学共享数据库(如GEOROC、PetDB等)可为地球科学研究提供重要基础数据。然而,这些数据库均存在一个明显缺陷:样品的9种主量元素(SiO2、TiO2、Al2O3、CaO、MgO、MnO、K2O、Na2O和P2O5)均有准确数据,但稀土元素(rare earth elements,REE)数据大量缺失。鉴于REE在地球化学领域的重要作用,我们尝试为数据库缺失的REE值提供一个补全方案,即利用机器学习中的随机森林方法实现由9种主量元素预测REE值。以洋岛玄武岩(ocean island basalt,OIB)为例,把从GEOROC库中搜集到的1 283组OIB数据按8∶2的比例分为两组,其中80%的数据作为训练数据集用于建模,20%的数据作为测试数据集验证模型。比较了随机森林和多元线性回归方法对相同数据进行建模和预测的效果差异,发现无论是回归建模还是预测,随机森林方法都优于多元线性回归,且随着输入参数与输出参数之间关系的复杂化,这种优势更加明显。随机森林对测试数据集的预测效果整体较好,只是随着REE原子序数的增大,预测效果逐渐减弱。这一方面可能是因为原子序数大的REE与主量元素的关系更弱;另一方面可能是由于原子序数大的REE与主量元素的关系更加复杂。其次,随机森林方法预测的REE配分曲线与实际配分曲线吻合度较高,且预测所得配分曲线的区分能力较强,能够反映实际配分曲线之间的相对差异,这一点对推断地球化学过程尤为重要。随机森林方法随着训练数据的增多,其建立的模型也将越稳定,预测结果也会更精确。因此,随着数据库的不断完善,对数据库中REE值的预测也将更为可信、可行。  相似文献   

基于ACO-SVM的岩质高边坡锚杆轴力预测     

孟子耀  陈志坚  陈涛 《中国煤炭地质》2019,(3):53-57

合理利用锚杆轴力监测数据对评价边坡稳定性极为重要,本文引入蚁群算法构建支持向量机锚杆轴力预测模型,结合连云港某边坡锚杆轴力实测数据对该模型的可靠性及工程应用的可行性加以验证。研究表明,ACO-SVM预测模型在充分考虑温度、时间等影响因素的同时能快速求解;输出的锚杆轴力预测值与实测值误差控制在8%以内,具有很好的可靠性;相较于位移监测预警滞后的特点,ACO-SVM轴力预测模型可及时探明边坡欠稳定体的发展趋势,对此类人工锚固岩质高边坡稳定性的分析具有一定的工程应用价值。  相似文献