基于粒子群—最小二乘支持向量机模型的矿山爆破振动速度预测

爆破地震危害是矿山开采过程中最为显著的负面效应之一,准确预测质点峰值振动速度（PPV）对于有效预防爆破振动引发的建（构）筑物失稳破坏具有极大的工程实际意义。设计并开展了露天矿山开挖爆破现场监测试验,采用灰色关联分析法对PPV影响因素进行敏感性分析,确定各影响因素之间的主次关系。在此基础上,建立最小二乘支持向量机（LS-SVM）模型对PPV进行预测,并通过粒子群算法（PSO）局部寻优确定LS SVM模型中正则化参数和核函数宽度系数的最佳参数组合,最后将PSO-LSSVM模型预测结果与BP神经网络模型、LS-SVM模型及传统萨道夫斯基公式的预测结果进行了对比分析。结果表明：PSO-LSSVM模型对PPV预测的拟合相关系数（R2）、均方根误差（RMSE）、平均相对误差（MRE）及纳什系数（NSE）分别为97.38%、2.68%、1.36%和99.98%,PSO-LSSVM模型预测精度更高,且具有更好的泛化能力,用于多因素影响下的矿山爆破PPV预测切实可行。     

基于SVM模型的单目红外图像深度估计

提出一种通过非线性学习模型来估计单目红外图像深度的算法。该算法首先通过逐步线性回归和独立成分分析(ICA)寻找对于红外图像深度相关性较强的特征,然后以具有核函数的非线性支持向量机(SVM)为模型基础,采用监督学习的方法对红外图像深度特征进行回归分析并训练,在训练过程中通过已知数据回归后的最小均方误差对模型参数进行修正,训练后的模型可对单目红外图像的深度分布进行估计。实验结果证明,利用该模型能较一致地估计单目红外图像的深度信息。     

清代北京纸币印刷发行研究

北京在清代纸币印刷发行史上地位最为重要。一是清代纸币政策皆出自北京,二是清代中央政府主要纸币皆在北京印刷并首先从北京推广,三是北京也是清代钱庄业的聚集之地,印发的民间纸币称冠全国。对清代北京地区的纸币印发概况进行了仔细梳理,并就相关问题进行了探讨。