基于支持向量机的测井岩性识别在松散沉积物调查中的应用研究

砂砾质松散沉积物粒径组成复杂,钻探取心率低,导致对沉积相和相界面的判别准确度不高。本文结合岩心和测井资料,建立了松散沉积层基于支持向量机的测井数据岩性识别模型,分析了训练集样本数量对模型识别准确率的影响,并与BP神经网络模型进行了对比。结果表明,支持向量机模型的岩性识别准确率高,且对训练样本需求量低,可以有效地弥补钻孔取心率不足的问题,并降低钻探施工成本。在松散沉积物调查中,利用基于支持向量机的测井岩性识别模型自动识别沉积序列具有可行性,是实现绿色勘查的有益尝试。     

多传感器融合技术在码垛机器人中的应用

为了提高多传感器信息融合过程中数据处理的速度和准确度,采用一种粗糙集理论与支持向量机相结合的处理方式。使用粗糙集理论(RS)对参数集进行属性约简,消除冗余信息,减少训练数据数量。以支持向量机对约简后的数据进行分类训练。实验表明该方法的使用能加快系统的运行速度和处理精度。     

核主成分SVM在煤炭网络入侵检测中的应用

针对煤炭网络入侵检测数据属性非线性冗余的特点,提出了一种核主成分分析支持向量机检测方法。该方法可以有效地对非线性冗余属性提取主成分,提高了入侵检测的精度。在kdd cup 99数据集上的实验表明本文方法较传统支持向量机检测方法和主成分分析支持向量机检测方法具有明显的优势。     

刮板输送机故障诊断方法研究

为了提高刮板输送机故障诊断准确度,降低事故发生率,分析了刮板输送机常见的故障,研究了基于支持向量机的刮板输送机故障分类,介绍了刮板输送机故障数据处理方法以及基于SVM的故障诊断流程,并对支持向量机参数进行了选择,采用网格搜索交叉法得到模型的最佳参数模型,使用该模型对刮板输送机故障数据进行预测。研究表明,采用支持向量机和网格搜索交叉法相结合的方法,可以对刮板输送机故障进行有效诊断。     

基于最小二乘支持向量机的矿用胶带机滚动轴承故障识别

提出利用最小二乘支持向量机方法进行矿用胶带机滚动轴承故障识别方法,利用小波包的分解方法提取检测信号的故障信息,并将其作为最小二乘支持向量机的输入量,将样本的常见故障类型作为输出量,对样本的输入量和输出量进行不断的训练学习,得到最小二乘支持向量机模型,利用该模型进行胶带机滚动轴承故障识别。研究结果表明:基于最小二乘支持向量机模型的计算结果与测试样本拟合精度较高,可以用于进行矿用胶带机滚动轴承故障识别。     

人员行为识别雷达系统的研究

利用矢量网络分析仪发射中心频率为6 GHz的信号对人体不同运动状态进行检测,并对回波信号进行时频分析、特征提取等处理,然后利用支持向量机分类识别方法进行不同动作的识别。此外,为了提高预测准确率,采用粒子群算法优化了向量机的惩罚参数和核函数参数。实验结果表明:所设计的雷达系统和相应的信号处理方法对人体不同运动状态的分类准确率可达87.5%。     

基于SVM算法的地震小断层自动识别

为了提高小断层解释的准确率,构建基于支持向量机(SVM)算法的断层自动识别方法。通过分析构造部位和非构造部位地震属性特征,建立SVM两分类的断层识别模型。首先,研究支持向量机两分类算法的基本原理和结构,表明支持向量机在两分类问题上具有准确率高的优点;然后建立断层正演模型,分析不同地震属性的断层响应特征,表明断层分布与属性值变化趋势相关;通过对支持向量机算法和正演模型的分析,表明利用地震属性作为支持向量机的输入,预测小断层具有可行性。从叠后地震数据中提取方差、曲率等与断层相关的属性集合;通过相关性分析和聚类分析评估属性,确定4种互相关性低的地震属性。利用14口钻井、3条巷道的地震属性和断层信息共606个数据,选取400个作为训练样本,构造SVM断层识别模型;206个数据作为测试样本,进行断层识别,识别正确率达到98%。利用地震属性建立的SVM断层自动识别模型,能够有效识别小断层,降低人为主观因素的影响,缩短了解释周期;钻孔分布越均匀、数目越多,解释精度就越高。     

探地雷达检测隧道衬砌质量的误差分析

该文介绍了探地雷达检测隧道衬砌质量的原理 ,阐述了数据采集及图像处理过程中引起误差的因素 ,提出减少误差的若干方法。对检测结果验证表明 ,应用探地雷达检测隧道衬砌质量效果良好 ,对衬砌厚度的检测误差一般可控制在 5cm以内 ;对衬砌背后空洞、松散区等回填情况的判释准确率可达 80 %以上。     

基于粗集-支持向量机的采空区自然发火预测

将粗集和支持向量机两种算法有机结合起来,建立了基于粗集与支持向量机的采空区自然发火预测模型。通过粗集对采空区自然发火影响因子进行预处理,将约简属性作为输入向量,利用支持向量机进行分类处理,选择了支持向量机核函数,利用变步长搜索法对支持向量机参数进行了优化。在对粗集-支持向量机方法的实验中,通过与支持向量机方法和神经网络方法的比较,发现在样本有限的情况下,基于粗集-支持向量机的采空区自然发火预测方法预测精度更高,训练速度更快,为采空区自然发火预测提供了一种新的方法。     

基于机器学习的尾矿库监测数据异常识别研究

尾矿库在线监测是尾矿库安全预警的重要手段，如何识别监测数据中不符合实际情况的异常值，是提升尾矿库安全预警准确率的关键，也是尾矿库在线监测面临的重要问题。采用单类支持向量机、局部离群因子和3σ准则三种方法，对三组尾矿库在线监测数据进行异常识别；根据分类评价指标，研究了不同方法对异常数据的识别效能。结果显示，单类支持向量机、局部离群因子和3σ准则三种方法的平均查准率分别为0.962、0.934和0.929，平均查全率分别为0.960、0.910和0.256，平均正确率分别为0.984、0.970和0.855，平均F1分值分别为0.960、0.921和0.393，平均计算耗时为0.023 s、7.549 s和0.348 s。研究结果表明，单类支持向量机法和局部离群因子法的异常识别效果显著优于3σ准则法，单类支持向量机法识别效果优于局部离群因子法，计算速度显著优于局部离群因子法，其异常识别正确率高、计算速度快、综合性能较好。研究结果为尾矿库在线监测预警领域异常数据识别提供了有益参考。     

基于时空域的探地雷达杂波的去除

直耦波和随机噪声是影响雷达信号的杂波,根据各种杂波在各频率段分布不同,在各道间相关性也不同的特性,采用时空域相结合的去噪方法,在时间域上采用小波变换将其分解到各频域上,在空间上采用KL变换提取出有效信号。去噪后的雷达图像更加清晰地反映地下介质情况,且在信噪比较低的情况下,仍能突出目标回波。该方法去除杂波速度快、效果好,特别适用于公路、铁路路基检测等海量数据处理领域。     

基于模式识别理论的卡钻类型判别分析

将模式识别理论中的支持向量机、Bayes判别分析以及多元回归分析应用于卡钻类型判别分析,建立了基于模式识别理论的卡钻判别模型。以近几年川东北卡钻数据为例进行了算例分析,结果表明:采用支持向量机、Bayes判别法及多元回归法对卡钻类型判别的结果与实际结果的误判率分别为1.92%,11.52%,61.54%。支持向量机(SVM)判别结果精度最高,但其判别方程式较为复杂,不能直观看出各分量对结果的影响程度;多元回归分析判别方程形式简单,可以直观表达各参量与卡钻之间的密切程度,但其判别精度较低;Bayes判别法计算精度介于二者之间,但其判别精度与判别式的个数密切相关。     

基于HHT和有监督稀疏编码的滚动轴承故障状态识别方法

为了实现对滚动轴承故障位置和损伤程度的准确定位,将类别判别信息引入到无监督的稀疏编码中,提出一种有监督稀疏编码（Supervised Sparse Coding,SSC）方法,建立基于希尔伯特黄变换(Hilbert-Huang Transform,HHT)和SSC的振动信号特征提取和故障状态精细分类模型。首先,通过HHT获取振动信号的边际谱,然后,利用SSC为边际谱信息建立统一的字典库,并完成对边际谱的稀疏表示,实现干扰信息的滤除和故障目标敏感特征的二次提取,最后,使用SSC得到的稀疏系数完成对支持向量基(Support Vector Machine,SVM)分类器的训练。采用SKF-6205-2RS轴承试验台数据对提出方法进行实验分析,使用HHT-SSC-SVM模型,驱动端轴承故障状态识别率为99.5%,风扇端轴承故障状态识别率为98.25%,与文中其他模型相比,在故障状态识别率上有所提高,并且表现出来较强的适应能力。     

基于SVM的煤矿井下超宽带穿透成像算法研究

超宽带在井下穿透成像算法中需要解决的关键问题,是在塌方体电磁参数未知的情况下,对埋藏在塌方体另一侧的目标进行成像。由于巷道内背景介质复杂的电磁特性以及多径传播效应等物理现象的影响,很难对矿井下超宽带探测成像系统性能进行有效预测和分析,因此提出了一种射线追踪算法(Ray-tracing)和SVM相结合的方法。该方法通过Ray-tracing算法得到穿透塌方体成像的样本数据,再利用SVM进行分类,解决了矿井下塌方体后埋藏目标检测的问题。仿真结果表明,该方法消除了反演过程中的非线性和病态性,可以实现塌方体后的未知目标成像。     

地质雷达检测隧道工程方法的研究

阐述了应用地质雷达进行隧道工程检测的原理和方法,为提高地质雷达检测隧道工程的效果,分析了影响地质雷达检测的主要因素,提出了提高检测效果的方法和技术措施。结合工程实例,采用具体的检测方法和措施,取得了较好的检测效果,可为类似工程提高检测水平和相关研究提供参考。     

基于小波变换时能密度法的隧道空洞充填物识别研究

灰岩地区隧道修建过程中,制约安全高效建设的最主要因素是隧道掘进工作面前方的不良地质情况,加之溶洞、断层与破碎带等不良地质具有较强的隐蔽性,如何提高隧道短距离超前地质预报的判释水平显得尤为重要。为便于对地质雷达信号图谱特征进行定量解释,开展了基于时域有限差分法的正演模拟与室内物理模型实验。在小波变换与奇异性检测原理的基础上,构造了与地质雷达发射子波波形相似度高的雷达小波基,添加到小波分析工具箱中,提出了一种新的基于雷达小波基的小波变换时能密度法,将其应用于空洞充填物正演模拟与模型实验地质雷达信号的定量识别,并与波形分析法、Db4小波变换法和雷达小波变换法的识别结果进行比较。研究结果表明,波形分析法虽能有效识别空洞充填物的尺寸大小,但需通过反射系数等先验知识来确定空洞充填物的界面反射位于波峰或波谷;Db4小波变换模极大值法易得到地质雷达信号奇异点,但奇异点的提取位置与不同小波基的时频局部化特征有关,Db4小波变换法识别结果的相对误差约15%;雷达小波变换模极大值法与小波变换时能密度法的识别效果均较好,但小波变换时能密度法的分辨率更高,且不需选择最优尺度。当空洞充填物的尺寸大于电磁波波长时,小波变换时能密度法识别结果的相对误差小于5%。     

尾矿库重金属污染迁移的无损探测与评价

有色资源矿山开发利用的环境负效应之一就是重金属的污染,其重金属离子的迁移与探测是重金属污染的重要研究方向之一。采用探底雷达的分层界限探测技术、岩土取样和荧光分析技术,对矿山尾矿库的重金属离子下向迁移展开了系统的对比研究,并以湖南省湘江流域库区内的某尾矿库为案例,系统布置了探测线和取样点,试验确定了该尾矿库的重金属下向迁移的规律。结果显示,(1)分层的探测表明,复垦土壤与尾砂层的分界较为明显,尾砂层与下层土壤分界在探地雷达上没有反应。(2)主要的重金属表现为As、Cd、Pb,在取样的不同深度样品中As、Cd、Pb浓度显著超标,Cr浓度符合标准。(3)尾矿库内的重金属主要以下向的重力迁移为主,存在少量的上向吸附迁移。     

强电磁干扰区灾害性采空区探地雷达精细探测研究

探讨了利用探地雷达技术进行强干扰区煤矿采空区精细探测的技术方法,结合雷达探测原理分析了灾害性采空区的探测可行性,给出了采空区的雷达反射波响应特征,分析了干扰的类型,提出了压制强电磁干扰的工作方法、数据处理和解释方法。结合具体的工程实例分析,论证了压制强电磁干扰方法的可行性,探测结果得到钻探验证,取得了较好的地质效果。研究表明,在强电磁干扰地区,采用可行的技术方法压制干扰,可以实现探地雷达进行灾害性采空区的精细探测。     

基于SVM增量学习算法的煤矿高压断路器故障模式识别方法

高压断路器故障模式的准确识别是矿井电网智能化发展过程中的重要支撑环节。针对高压断路器故障数据不易获取且故障样本较少的问题,提出了一种支持向量机与增量学习算法相结合的故障识别方法,确定了以断路器控制回路电流信号、电压信号以及分合闸振动信号为状态监测量,模拟了弹簧松动、铁芯卡涩、供电异常与线圈老化4种常见故障,提取了故障特征量并建立了故障数据样本与增量学习数据样本,采用支持向量机增量学习算法训练得到了故障识别模型,并利用新增数据样本对其进行了验证。结果表明:支持向量机增量学习算法可准确识别上述4种常见故障,并可以通过对新增样本的不断学习进一步提高识别精度。     

利用地质雷达求取地下目标物体积研究综述（增刊）

随着地下空间等资源的大规模开发,无损探测等新技术在地下空间的应用不断发展,特别是地质雷达的应用越来越普遍。对地质雷达的基本原理进行了简述,介绍了国内外对地质雷达技术的应用与相关研究。国内学者将无损探测技术应用于对地下物体体积的探究,并取得了可以满足工程实际需要的成果。利用地质雷达求取目标物体积研究主要有两个思路,一是通过理论研究导出体积计算公式,二是利用地质雷达进行多次测量绘制出目标物的外形轮廓,用等效的方法得到计算体积的模型。提出了在探测过程中物体遮挡情况会对探测影像的显示产生影响,从而对目标物体积的求取产生影响。本文针对上述问题提出了初步研究思路和进一步研究的展望。