排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
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
2.
工程先验知识辨识下的滑坡非平稳变形支持向量机预测 总被引:1,自引:0,他引:1
针对缺乏非平稳变形(阶段性、反复性及突变性)特征数据导致的滑坡预测与评估不完全符合工程实际的情况,通过分析变形时序的物理意义与类型,在定义了非平稳变形趋势变化外延模式的基础上,提出了综合考虑滑坡当前变形阶段、观测变形数据特征以及待预测时段外界诱发因素的时序外延模式辨识方法,并进一步在工程先验知识指导下建立了支持向量机(SVM)预测模型。通过2个工程实例对方法进行应用验证。结果表明,工程先验知识能够有效补充非平稳变形的观测数据信息,对预测建模具有指导性作用;融入外延模式的SVM模型与一般性SVM的外推预测,其平均相对误差可降低2~3倍,预测的可靠性与准确性得到了显著增强。 相似文献
1