基于支持向量机和贝叶斯方法的岩体参数反分析

为实现岩土体参数随施工过程的动态不确定性反分析,将多输出支持向量机方法和贝叶斯理论引入岩体参数不确定性动态反分析中。以白鹤滩水电站左岸边坡为例,建立了基于位移与松驰深度的岩体参数概率反分析方法。研究结果表明：概率反分析方法提供了更多的关于岩土力学参数的信息,能更进一步地匹配地质工程的复杂性和不确定性特征,可以实现参数及其不确定性特征随施工过程的动态更新。所提出的方法具有可行性,可以推广应用到类似工程中。     

基于连续蚁群算法和小波支持向量机的位移反分析

提出一种基于连续蚁群算法和小波支持向量机的位移反分析模型。一方面利用具有良好时域、频域分辨能力和非线性学习功能的小波支持向量机建立反演参数和位移之间的非线性关系,避免了大量的数值计算,提高了预测精度;另一方面利用全局优化的连续蚁群算法代替传统的优化算法,避免优化过程中目标函数陷入局部最优,提高了反演的精度。应用该模型对三峡工程永久船闸高边坡4种介质弹性模量进行位移反分析,并利用反演所得参数进行监测点位移预测,计算值与监测值吻合较好,表明该方法适合解决具有非线性和不确定特性的岩土工程问题,在位移反分析中具有良好的实际应用价值。     

基于边坡锚固荷载监测数据的反分析

对于施加锚固作用的边坡处治工程,其监测数据主要是以锚固荷载为主,通常的位移监测只是针对边坡表面结构,不能客观反映边坡内部岩土体的力学效应.故基于锚固荷载监测数据的反分析方法将成为位移反分析方法的有益补充.通过分析预应力锚杆的力学效应,将锚固荷载转化为锚杆轴力,利用ANSYS参数化设计语言(APDL)对边坡锚固荷载进行优化反分析.根据反演获得的岩土体力学参数可用于边坡稳定性分析.实例计算结果表明,基于锚固监测数据建立反分析的途径是可行的.     

锚杆设计参数对堤防边坡稳定影响研究

锚杆是边坡工程常用的支护构件,而锚杆的设计参数对其锚固作用起到较大影响。通过对锚杆加固的边坡稳定性进行数值模拟分析,研究了锚杆长度、间距、倾角、锚固面积和锚固段长度等因素对边坡抗滑稳定安全系数的影响。结果表明:一定的锚杆倾角下,随着锚杆长度的增加,安全系数先增加后基本趋于稳定,存在有效锚固长度,且锚杆间距越大,锚杆最优锚固长度越小;一定的锚杆间距下,随着锚杆倾角的增大,安全系数先增加后减小,存在最优锚固角,且锚杆长度越大,锚杆最优锚固角越小;不同的锚固面积下,随着锚杆长间比的增大,安全系数呈现先基本不变后逐渐增大的规律,且锚固面积越大,临界最优锚杆长间比越大;随着锚固段长度的增加,边坡抗滑稳定安全系数先增大后基本保持不变,存在最优锚固段长度。     

混凝土中锚杆锚固强度的SVM回归模型

锚杆锚固强度是评价锚杆锚固质量的主要因素之一,而混凝土中锚杆锚固强度受多因素影响,各因素间也具有复杂的关联。应用支持向量机回归原理,以混凝土龄期、锚杆直径和锚固长度3个因素作为输入列向量构建样本集,选用径向基核函数建立混凝土中锚杆锚固强度的支持向量机回归预测模型。利用30组锚固强度实验数据中2/3的数据作为训练样本,剩余1/3的数据作为预测样本,对锚固强度进行回归预测,将预测结果与试验结果和BP网络计算结果进行对比分析。研究结果表明:此模型预测精度高,具有良好的泛化能力,预测结果具有可信性,将SVM方法运用于混凝土中锚杆锚固强度的预测是合理有效的,为锚固强度的预测提供了一条新的途径。     

基于支持向量机的冻融土壤入渗参数预测

以提高冻融条件下农田土壤灌溉水利用率为目的,基于汾河灌区冻融期内土壤入渗试验,运用支持向量机理论,建立了以冻融条件下土壤含水率、质地、容重、地温和灌溉水温为输入变量,Kostiakov入渗模型参数k、α为输出变量的支持向量机回归预测模型。预测模型误差分析表明:入渗系数k与入渗指数α的训练样本相对误差与检验样本相对误差都控制在10%以内,将k与α代入Kostiakov入渗模型得到的90 min累计入渗量I_(90)的相对误差平均值为5.81%。说明冻融土壤条件下,基于支持向量机理论的Kostiakov入渗模型参数的预测是可行的。     

基于支持向量机的重要抽样方法

在结构可靠度分析中,对于非线性的隐式极限状态方程,与一次二阶矩方法相结合的传统响应面方法一般并不适用。支持向量机算法较好地解决了小样本的统计学习问题,为解决有限样本情况下结构极限状态功能函数的重构提供了有力的理论基础。基于回归支持向量机方法,采用有限的经验点重构结构极限状态方程,结合重要抽样方法计算非线性的隐式极限状态方程结构的可靠度。该方法相对传统响应面方法在结构计算工作不增加的条件下,可以获得高精度的解,能较有效地解决非线性的隐式极限状态方程的结构可靠分析问题。     

基于支持向量机的岩爆识别模型

岩爆的发生受多种因素的影响,这些因素关系错综复杂,以不同的特征和组合对岩爆产生综合影响,为科学、充分地利用现有的有限工程资料,本文从地下洞室围岩最大切向应力、岩石的单轴抗压强度和抗拉强度以及岩石冲击倾向指数四个主要因素出发,提出了基于支持向量机的岩爆识别模型,较好地解决小样本、非线性、高维数、局部极小点等的实际问题。     

最小二乘支持向量机参数反演方法及其应用

针对最小二乘支持向量机(LS-SVM)参数不易确定的问题,利用遗传神经网络模拟LS-SVM计算结果与参数之间的关系,提出了一种基于遗传神经网络(GA-BP)的参数选择方法,该方法利用正交分解法构建训练参数组,并将参数组代入最小二乘支持向量机以获得计算输出值,然后将计算输出值与训练参数组代入遗传神经网络进行训练并获得合适的LS-SVM参数。最后以土石坝渗流分析为例进行验证,结果表明该方法对优化选择最小二乘支持向量机参数十分有效,预测精度可达10-4。     

不同支护参数下锚杆锚固效果的等效数值模拟研究

为了研究支护参数(锚杆长度,锚杆环向间距)对数值模拟中围岩等效岩性参数的影响,以宁波将军山隧道为研究对象,进行了不同支护参数下的隧道开挖和加载的模型试验,得到锚杆长度和锚杆间距的改变对隧道拱顶位移的影响规律。通过对模型试验进行数值反演分析,得到数值模拟中围岩等效岩性参数(弹性模量、黏聚力和内摩擦角)的变化规律,依此得到不同支护参数下锚杆锚固效果的等效数值模拟方法。结果表明:在数值分析中,锚杆长度每增加0.5m,锚固区岩体弹性模量提高约3%,黏聚力提高约0.8%,内摩擦角几乎不变;锚杆间距每减小0.5m,锚固区岩体弹性模量提高约17%,黏聚力提高4%~5%,内摩擦角提高约3.4%。     

基于最小二乘支持向量机的土石坝渗透系数反演

针对土石坝渗透参数和测压管水位间复杂的非线性关系,应用最小二乘支持向量机于土石坝渗透系数的反演。首先利用有限元模型得到最小二乘支持向量机的训练样本,建立坝体水压分量相对值和渗透系数间复杂的非线性关系,并将其输入到训练好的最小二乘支持向量机模型,即可得到大坝渗透系数的反演值。以某土石坝为例经对比分析,该方法是可行的。     

基于空间谱和支持向量回归机的间谐波分析

针对电力系统中存在的间谐波问题，提出一种结合参数法和非参数法特点的间谐波频谱分析算法。首先，为了应用空间谱分析需要将电网信号变换为空域信号;然后应用盖氏圆盘估计协助求根多重信号分析算法准确估计信号源数及其频率;最后由稳健支持向量回归机计算幅值和相角。获得准确频率信息后，支持向量回归机计算的频率范围变成已知的有限频率点，计算量降到最低，并且此算法无需同步采样和过长的采样数据。通过仿真和实例检测，验证了该方法的有效性。     

基于支持向量机的中长期入库径流预报

采用基于支持向量机的预测模型对水库中长期入库径流进行预报,建立径流预报的SVM模型。预报因子的优劣决定着预测精度的高低。为了提高预报精度,尝试采用模糊优选法对预报因子进行优选。将所建模型应用于新疆雅马渡站的径流预测中,并与没有进行预报因子优选的SVM模型进行比较。结果表明,进行预报因子优化后的SVM模型明显提高了径流的预报精度,具有更好的应用价值。     

支持向量机法计算高土石坝坝坡稳定可靠度

支持向量机法和一次二阶矩法结合,建立高土石坝坝坡稳定安全系数与影响因子之间映射关系的表达式,解决了坝坡稳定可靠度计算中极限状态方程无法建立显式功能函数的难题,进而计算非线性强度指标坝坡稳定可靠度。通过工程算例进行检验,结果表明:该法用于高土石坝非线性强度指标坝坡稳定可靠度计算,方法简便,精度较高,实用性强,结果合理、可信,具有较高的工程应用价值。     

超球支持向量机的地下水水质参数自动监测技术研究

水质参数指标项相对较多,存在信息重叠等问题,导致水质参数监测精度降低,为此,提出基于超球支持向量机的地下水水质参数自动监测技术.通过主成分分析法消除信息重叠的影响,引入改进粒子群法,通过自适应调节惯性权重的方式,对动态变化学习因子进行融合,优化超球支持向量机模型运行参数,利用优化后的支持向量机对水质等级进行评价,构建评价指标体系,并将该体系作为建立模型训练样本集合的基础,可降低人为因素与监测数据对模型运行的干扰,完成自动监测与报警.依托地下水段,将其作为测试目标进行水质参数自动监测.监测结果表明,不同测试点测量结果与实际结果相同,表明基于超球支持向量机的地下水水质参数自动监测技术监测性能较高.     

信息量支持下SVM模型滑坡灾害易发性评价

三峡库区是我国滑坡灾害广泛发育的地区之一,滑坡灾害易发性评价对库区的防灾减灾有重要意义。在滑坡灾害易发性指标信息量的基础上,构建了信息量支持下的SVM模型,并对滑坡灾害易发性进行了评价。该模型根据地层岩性、地质构造、坡度、坡向、坡型结构、土地利用类型、水、归一化植被指数,以及上述指标的总信息量,共9类指标组成的数据集进行SVM训练,得到评价模型;运用该评价模型对研究区全区滑坡灾害易发性进行评价,并以模型决策值的零点和突变点确定易发性等级划分标准。并以三峡库区万州主城区为研究区验证模型,研究表明信息量支持下SVM模型的训练样本精度为81.41%,验证样本精度为91.11%,优于常用的信息量模型,滑坡的高易发区和较高易发区占研究区总面积的47.05%,主要集中在人类工程活动强烈的长江干支流两侧,结果与已知滑坡分布基本一致,表明该模型在研究区具备较好的适用性。     

基于改进支持向量机回归的日径流预测模型

日径流预测是水资源优化调度的重要组成部分,日径流预测精度的高低直接影响水资源优化配置的程度。针对日径流序列的特性,研究提出一种改进的支持向量机回归模型,并应用于日径流预测。与基本支持向量机和BP神经网络对比分析的实验结果表明,基于改进支持向量机回归预测模型的日径流预测精度明显高于BP网络,尤其是对于变化剧烈的径流序列表现出较基本支持向量机回归模型更优越的预测性能,为日径流预测分析提供了一种可靠、有效的途径和方法。     

一种改进支持向量机的电力负荷预测方法研究

我国电力负荷的快速增加和电网运行环境日趋复杂,对电力负荷预测的准确性和可靠性提出了更高的要求。为了解决电力预测准确率低的问题,提出一种改进支持向量机的电力负荷预测方法。该方法综合考虑了影响电力负荷预测效果的气象因素,采用多元线性回归模型拟合了电力负荷与最高温度、最低温度、平均温度以及相对湿度的关系,找出电力负荷数据的异常点,再使用秃鹰搜索算法优化支持向量机中参数。该方法提高了预测的效果,给电力负荷预测提供了借鉴思路。     

基于支持向量机的溃坝生命损失评估模型及应用

针对溃坝生命损失历史资料缺乏且影响因素复杂的特点,鉴于支持向量机算法的诸多优势,建立了基于支持向量机的溃坝生命损失评估模型.将溃坝生命损失定义为风险人口与生命损失率的乘积,分析了生命损失的评估指标,建立了综合评估体系.根据我国已溃决大坝的历史资料,构建了学习样本.留一法交互校验结果表明,该评估方法具有一定的精度.