矿井底板突水危险性的Fisher判别分析模型

为了准确判别矿井底板突水的危险性,在分析矿井底板突水影响因素的基础上,运用Fisher判别分析方法,根据以往的工程实测数据作为学习样本进行训练,建立了底板突水危险性的Fisher判别分析模型,采用回代判别方法对所建模型进行了判别效果验证,回判正确率为90%,工程应用正确率为100%,表明该模型具有准确率高、实用性强的优点.     

基于最小覆盖的样本分类判别方法应用研究

提出了通过最小覆盖的原理来进行样本分类判别的一种新方法;给出了空间中的样本分类判别准则和分类模型.以乳房肿瘤病例为例,分别以二维和三维的最小覆盖来对该模型进行分类判别,对69个待检测数据进行检验,结果误判率为4.35%.从对比分析中得出用二维的方法来分类判别更为经济实用.比较同种实例的其他几种分类方法,结果表明,该方法更适用,操作容易且识别率高.     

隧道围岩分级判别的未确知均值聚类模型

基于未确知测度理论,建立隧道围岩分级的未确知均值聚类分析模型。针对隧道围岩分级判别中等级评价中许多不确定性影响因素,选用岩石等级、风化程度、岩体弹性纵波波速、岩体结构、地质构造影响程度、节理裂隙发育程度和地下水情况等7个指标作为隧道围岩分级的判别因子;以20组隧道围岩实测数据作为训练样本,建立各评价因子的未确知测度函数,用各分类样本平均值表示其分类中心;根据信息熵理论计算各评价因子的权重,依照置信度识别准则进行等级判定;用建立的模型对20组实测数据逐一进行回检,正确率为100％。将建立的模型对待分类的10个样本进行测试,并与实际结果进行比较。研究结果表明：该模型判别预测结果与实际结果吻合,比较客观地反映了隧道围岩分级的复杂状况;且方法科学合理,意义明确,为隧道围岩分级判别提供了一种新思路。     

PSO-SVM模型的构建与应用

为了使支持向量机(SVM)获得更好的分类效果,针对人为选择参数的随机性,提出了利用粒子群算法(PSO)进行参数自动选取的优化方法,构建了PSO-SVM模型.在个人信用评估中,通过对粒子适应度函数的设置来控制造成较大损失的第二类误判,应用结果表明:模型在训练和测试样本中的分类精度可以达到95%,第二类误判率分别仅为0.78%和2.02%.利用PSO对SVM中的参数进行优化,可以避免人为选择的随机性,并且在解决分类问题中表现出较好的稳健性.     

基于业务外包的设备维护承包商评价模型

为了提高设备维护外包收益,降低设备维护外包的风险,从外包战略考虑,企业必须选择一个最优的设备维护承包商.本文建立了设备维护承包商的评价体系,提出了以承包商能提供的设备维护价格、质量、时间、服务和环保5个指标作为设备维护承包商的评价准则,并建立了5个准则层下的相应指标层.同时结合多专家评价差异的考虑,建立了企业设备维护承包商的改进层次分析法(A-AHP: Advanced Analytic Hierarchy Process)决策模型,然后根据该模型进行设备维护承包商的选择.该决策模型为减少人为因素的影响、增强决策的客观性和科学性提供了一种有效途径.     

基于粒子群算法的Universum SVM参数选择

分类器的模型参数对分类结果有直接影响.针对引入无关样本的Universum SVM算法中模型参数选择问题,采用粒子群优化(particle swarm optimization,PSO)算法对其进行优化.该方法概念简单、计算效率高且受问题维数变化的影响较小,可实现对多个参数同时优选.此外,在PSO中粒子适应度函数的选择是一个关键问题.考虑k遍交叉验证法的估计无偏性,利用交叉验证误差作为评价粒子优劣的适应值.通过舌象样本数据实验,对参数优选前后测试样本识别正确率进行比较,实验结果验证了该算法的有效性.     

边坡稳定性预测的Bayes判别分析方法及应用

边坡稳定性的分析是一个复杂的系统工程问题.基于Bayes判别分析(BDA)理论并结合工程实际,选用边坡岩体的重度黏聚力、摩擦角、边坡角、边坡高度及孔隙压力比等6个指标作为边坡稳定性预测的判别因子,建立边坡稳定性预测的Bayes判别分析模型;以32组边坡实测数据作为学习样本进行训练,建立Bayes线性判别函数;以交差确认估计法对判别准则进行评价以检验模型的优良性,以Bayes线性判别函数计算7个待判样品的Bayes判别函数值.研究表明:Bayes判别分类性能良好,与支持向量机方法有较好的一致性,且预测精度高,交差确认估计的误判率较低,为边坡稳定性预测提供了一种新思路.     

距离判别分析法在隧道渗漏水灾害分级中的应用

基于距离判别分析理论,选用隧道的埋深、隧道区植被覆盖情况、隧道区年平均降雨量、隧道区地表水状况等8项指标作为距离判别分析模型的判别因子,以调查的数据作为训练样本,建立了隧道渗漏水灾害分级预测的距离判别分析模型,经过训练后的模型回判估计的误判率为零.利用该模型对国内圆梁山隧道和西奇一号隧道渗漏水情况进行预测,结果与实际符合,说明该模型在研究隧道渗漏水发生可能性及分级预测中有良好的实用性.该方法为隧道渗漏水灾害分级预测提供了一条新思路.     

回归模型构建中变量选择的研究

回归模型建立过程中如何选择合适的解释变量以及如何确定每个解释变量的函数形式至关重要,它直接影响模型的拟合能力和预测能力.论文在传统的变量选择的评价准则和变量选择方法的基础上,探讨了如何在模型中包含的变量不确定的情况下,准确有效的进行变量的选择,并在变量选择的同时进行变量的变换.旨在提高模型预测的精确度.     

基于实测洪水系列和最小熵方法的施工导流风险

基于实测年最不利施工洪水过程,考虑导流建筑物泄流能力的随机性,构建堰前年最高水位随机模拟计算模型,提出以堰前年最高水位的概率分布计算施工导流风险的方法.同时,应用最小信息熵准则判别年最高堰前水位样本最优的概率分布类型,克服了假设检验有时会接受多种概率分布类型的不足.最后,通过工程实例比较分析随机模拟方法的计算结果,验证了该方法的可行性和有效性,为施工导流风险分析提供了新的途径.