人工冻土单轴抗压强度灰色理论预测

人工冻土的物理力学指标是冻结法凿井中冻结壁设计参数和开挖的依据,为提高人工冻土单轴抗压强度预测的精确度与稳定性,利用灰色理论处理小样本数据的独特优势,结合影响人工冻土单轴抗压强度因素,提出了人工冻土单轴抗压强度的预测方法。针对传统的GM（1,1）模型预测产生的较大误差的缺点,增加了原始序列的光滑度,并优化了时间响应函数,建立了改进的GM（1,1）模型。结果表明,利用改进的GM（1,1）模型的预测精度优于传统模型。该模型为人工冻土单轴抗压强度的预测提供了一种新方法。     

煤炭需求量预测的支持向量机模型

根据选择的嵌入维数，建立了基于支持向量回归的中国煤炭需求量预测模型．用1980-2002年的中国煤炭需求量构造了支持向量机的输入向量和输出向量；经过与线性核函数及Sigmoid核函数的对比，选用基于径向基函数（RBF）作为校函数，在分析预测误差和模型参数关系的基础上，选择了合适的参数；建立了多输入、单输出的支持向量机（SVM）预测模型．用检验样本与基于RBF神经网络模型的预测进行了比较，结果表明支持向量机模型在训练样本较少的情况下，仍有较高的预测精度和较强的泛化能力，证明了该模型时近期的预测是可靠的．最后用训练好的支持向量机模型很好地预测了2003-2006年我国的煤炭需求量．     

基于组合核函数支持向量机的人脸识别

利用K-L变换首先对人脸图像进行特征参数提取,再利用支持向量机进行识别。为了得到学习能力和泛化能力较好的核函数,根据核函数性质,将局部核函数和全局核函数线性组合成新的核函数-组合核函数,采用Cross-Validation方法对其参数和组合系数进行优化选择;将该核函数应用于支持向量机中,并对YALE人脸库和ORL人脸库进行实验。仿真结果验证了该核函数的有效性。与普通核函数的支持向量机的比较实验表明:该组合核函数的支持向量机优于普通核函数的支持向量机。     

双核函数最小二乘支持向量机汽油干点软测量建模

针对单核函数最小二乘支持向量机容易陷入局部最优值,提出双核函数最小二乘支持向量机软测量建模算法。该方法利用Sigmoid核函数与RBF核函数线性加权构成双核函数,去除部分较小支持向量样本的方法,改善最小二乘支持向量机的稀疏特性,提高模型运算速度,用k-交叉验证法进行部分参数的优化,最后将此方法用于建立汽油干点软测量模型,并与标准支持向量机、单核最小二乘支持向量机比较,结果表明双核函数最小二乘支持向量机软测量模型具有更高的计算精度和更好的推广能力。     

一种新的自适应组合核函数

核选择是支持向量机研究中的核心问题之一,不同的核函数将产生不同的分类效果.研究了核参数和误差惩罚参数对支持向量机推广能力的影响,然后根据局部核函数与全局核函数的各自优点,提出了一种新的自适应组合核函数,并将该核函数应用于支持向量机中.最后,利用该自适应核进行不同领域数据的实验,实验结果表明由该核函数建立的支持向量机具有更好的预测能力.     

膨胀土等级判别的遗传支持向量机多分类方法

针对支持向量机模型中的参数难以确定的状况,提出了遗传支持向量机方法,即利用遗传算法来搜索支持向量机与核函数的参数,避免了人为选择参数的盲目性,同时提高了支持向量机的推广预测能力,并将该方法应用于膨胀土胀缩等级的判别分类问题。考虑影响膨胀土判别的重要因素,选用液限、胀缩总率、塑性指数、天然含水量和自由膨胀率5个指标作为模型的判别因子,以4类膨胀土胀缩等级作为相应的输出,以膨胀土实测数据作为学习样本进行训练,建立相应分类函数对待判样本进行分类。研究结果表明：遗传支持向量机模型分类性能良好,预测精度高,是膨胀土胀缩等级分类的一种有效方法,可以在实际工程中进行推广。     

函数学习的小波再生核支持向量回归模型

受小波理论与再生核Hilbert空间理论的启发，提出了一种新的小波再生核。该小波再生核由不同分辨率的小波基函数生成，并且是一种容许的支持向量核。应用该小波再生核，构造了用于函数学习的最小二乘支持向量回归模型。这种回归模型融合了支持向量机与小波的优点。仿真例子说明了该方法的可行性与有效性。     

大型粮仓建筑高强混凝土强度预测的遗传支持向量机方法研究

考虑影响混凝土强度的主要因素,基于遗传算法与支持向量机回归原理,建立高强混凝土强度预测的支持向量机模型.该模型利用遗传算法来搜索最佳向量机及核函数参数,以实测混凝土强度数据为样本进行训练,并对测试样本进行预测.结果表明,遗传支持向量机方法泛化能力强,预测精度高,是大型粮仓建筑高强混凝土强度预测的一种有效方法.     

基于K型核函数的支持向量机

提出了一个可行的支持向量核函数——K型核函数,由此得到了K型支持向量机.证明了K型核函数满足Mercer条件且是转移不变支持向量核函数,分析了K型核函数具有较小的计算量和计算时间代价,并且相应的K型支持向量机具有较高的精确性和较好的泛化能力,利用K型核函数得到了一种新型的K型支持向量机.最后给出了几个计算机模拟的实例,包括支持向量回归和支持向量分类,来说明K型支持向量机的优势.     

稀疏隐空间支持向量机

利用L1范数放宽函数集的VC维上界．构造出基干L1范数的结构风险．在隐空间中，利用这一结构风险，提出了稀疏隐空间支持向量机．由于L1范数具有诱导稀疏性的本质，使得稀疏隐空间支持向量机获得了良好的稀疏性．同隐空间支持向量机一样．稀疏隐空间支持向量机对核函数没有Mercer条件的限制．扩大了核函数的选择范围．在人工和基准数据集上的分类和回归实验表明．所提算法具有同支持向量机相当的推广能力，并且其稀疏性优于支持向量机，从而使得函数评价速度大大加快．     

基于改进支持向量机的瓦斯涌出量预测

为了克服瓦斯涌出量预测传统模型存在泛化能力弱和预测精度低的缺点,基于改进粒子群优化支持向量机建立一种非线性的煤矿瓦斯涌出量预测新模型。用改进的粒子群优化算法对支持向量机的惩罚因子与核参数进行寻优,选取最佳参数,以最佳参数对给定的训练样本进行学习训练,得到系统输入输出之间依赖关系的估计,再由这种关系对未知输出做出预测,进而建立起新型支持向量机预测模型。仿真实验结果显示,与普通粒子群优化的支持向量机相比,改进算法可使预测值的最大误差降低3．86％,平均误差降低4．27％,即新模型能够克服传统预测模型人为选取参数的盲目性以及神经网络的过学习问题,从而提高瓦斯涌出量预测的精度。     

采用GWO优化SVM的燃气轮机气路故障诊断

将灰狼优化算法和支持向量机算法作为理论指导,并采用灰狼优化算法对支持向量机算法进行优化,以实现燃气轮机故障类型的分类。将灰狼优化算法与遗传算法优化支持向量机方法和粒子群算法优化支持向量机方法进行对比,结果表明,通过灰狼算法优化支持向量机的方法对燃气轮机故障分类的准确率要高于遗传算法优化支持向量机算法和粒子群算法优化支持向量机的故障分类方法。     

饱和含盐冻结钙质粘土单轴压缩试验研究

以淮南杨村矿副井井筒冻结施工为工程背景,以副井井筒穿越的含盐度钙质粘土为代表,进行常温（＋27℃）和（-20℃）不同含盐度钙质粘土条件下的单轴抗压强度试验。通过对饱和含盐冻结钙质粘土单轴抗压强度试验,得到了试验条件下土体在相同温度下单轴抗压强度与结冰温度随含盐量变化的强度特性。为低温条件下含盐钙质粘土力学特性和煤矿冻结壁设计施工提供设计基础。     

简析顾桥矿东风井土工基本参数与冻结粘土单轴抗压强度之间的关系

冻结法施工技术因其适合地质条件复杂地段的施工,在国内外广泛用于城市建设和煤矿建设中。本文以顾桥煤矿为例,通过实验简析冻结粘土的单轴抗压强度与土工基本参数之间的关系,发现其中的规律。顾桥煤矿东风井穿越超过400m的深厚表土层需要采用冻结法施工,实验表明：含水率在23．4％时,冻结粘土的单轴抗压强度达到最大值;塑性指数大于23时,冻结粘土单轴抗压强度变得越来越小,为施工中的关键土层,对其采用低温冻结才是提高其强度的关键途径;当塑性指数小于23时,冻结粘土的单轴抗压强度满足工程要求。实验结果为两淮地区类似地层施工具有指导意义。     

Nonlinear correction of photoelectric displacement sensor based on least square support vector machine

A model of correcting the nonlinear error of photoelectric displacement sensor was established based on the least square support vector machine. The parameters of the correcting nonlinear model, such as penalty factor and kernel parameter, were optimized by chaos genetic algorithm. And the nonlinear correction of photoelectric displacement sensor based on least square support vector machine was applied. The application results reveal that error of photoelectric displacement sensor is less than 1.5%, which is rather satisfactory for nonlinear correction of photoelectric displacement sensor.     

基于多群体遗传算法的人脸表情识别

人脸表情识别是目前比较活跃的研究课题。该文提出一种采用多群体遗传算法进化的支持向量机对人脸表情进行分类的新型算法。先提取人脸表情特征,然后采用多群体遗传算法自动选择最优的支持向量机核函数,最后用支持向量机的方法进行分类．在日本JAFFE人脸表情库上进行了仿真实验,并与其他方法进行了比较,该文提出的方法获得了更好的识别效果。     

基于混合遗传算法的支持向量机参数选择

针对常用的梯度下降法支持向量机参数选择方法易陷入局部极小点的问题,提出一种基于混合遗传算法的支持向量机参数选择方法.该方法结合遗传算法的全局优化能力和梯度法的局部寻优能力,能够选择到更好的支持向量机参数.仿真实验表明,使用该方法确定的参数可使支持向量机具有更好的泛化性能.     

冻土爆破性的初步研究

本文分析了影响冻土爆破性的因素，即形变能系数、单位炸药消耗量、单轴抗压强度、抗拉强度和波速。根据相似原理和利文斯顿爆破漏斗理论对冻结粘土、冻结砂土在三个温度（－７℃，－１２℃，－１７℃）下进行了系列爆破漏斗试验，然后进行了单轴抗压强度、抗拉强度和波速试验。从试验结果得出，随着温度下降冻土趋于难爆，且在同一温度下，冻结粘土比冻结砂土难爆，得出的结论对冻土爆破参数设计有一定参考作用。     

自适应GA-SVM参数选择算法研究

支持向量机是一种非常有前景的学习机器，它的回归算法已经成功地用于解决非线性函数的逼近问题．但是，SVM参数的选择大多数是凭经验选取，这种方法依赖于使用者的水平，这样不仅不能获得最佳的函数逼近效果，而且采用人工的方法选择SVM参数比较浪费时间，这在很大程度上限制了它的应用．为了能够自动地获得最佳的SVM参数，提出了基于自适应遗传算法的SVM参数选取方法．该方法根据适应度值自动调整交叉概率和变异概率，减少了遗传算法的收敛时间并且提高了遗传算法的精度，从而确保了SVM参数选择的准确性．将该方法应用于船用锅炉汽包水位系统建模，仿真结果表明由该方法所得的SVM具有较简单的结构和较好的泛化能力，仿真精度高，具有一定的理论推广意义．