基于SVM的混沌时间序列预测模型应用研究

混沌时间序列预测是混沌理论的一个重要应用领域和研究热点,目前它在信号处理、自动化控制等领域中已得到了广泛的应用。本文联系支持向量机(SVM)和混沌时间序列预测的相关理论,建立基于二者的变形序列预测模型。同时,结合具体实例从变形时间序列的混沌识别、相空间重构以及预测模型的参数优化等方面探讨了模型的具体建立过程。实验结果表明,该模型的预测精度要优于BP神经网络。     

软岩巷道变形的混沌研究

试验得出了软质页岩最大屈服应变,对软岩巷道变形进行了监测,用混沌理论研究了软岩巷道变形规律.根据监测数据,分别计算了巷道顶部和侧帮变形的分形维数和最大Lyapunov指数,并用Lyapunov指数法预测了软岩巷道的后期变形.研究结果表明:软岩变形具有混沌特性,混沌理论能较好地反映软岩巷道的变形与破坏特征;用重构相空间方法,能充分揭示软岩巷道变形与能量释放规律,据此可确定二次复喷时间;软岩巷道变形在相空间相邻点的距离以指数形式发展,当岩体变形达到最大屈服应变时便产生破坏,以此便可预测和分析巷道的稳定性.     

相空间重构理论在基坑位移预测中的应用

针对目前各种基坑位移预测模型所存在的缺点,基于基坑具有的混沌特性,提出运用相空间重构理论来预测基坑位移预测.工程实例应用结果表明,相空间重构理论应用于基坑位移预测是可行的,并具有较好的预测精度.     

地下厂房围岩位移混沌动力学特征研究

 以小湾水电站地下厂房围岩不同监测断面的多点监测位移为例,运用功率谱分析方法,改进G-P方法提取关联维数D,综合分析G-P法、C-C法和复自相关法得到合适的m,t 值重构相空间,计算最大Lyapunov指数,研究地下厂房围岩位移的混沌动力学特征。研究表明,主厂房围岩顶拱部位的多点位移和拱座在30 m深度处的位移不具有混沌特性,而拱座在2,7和15 m深度的监测位移和边墙部位的多点位移,各施工支洞和排水洞获得的超前监测多点位移都具有混沌动力学特征,同时得到表征其混沌动力学特征的功率谱图,关联维数D大于0,最大Lyapunov指数大于0。对具有混沌特性的监测位移,可以利用基于混沌时间序列的多种方法对位移进行预报,为地下厂房系统围岩位移预报提供新的实用方法。     

深部岩体变形的混沌预测方法

论述深部岩体变形行为及其围岩稳定性分析中应用混沌方法;同时,根据岩体工程的观测位移时间序列,基于相空间重构,给出了最大Lyapunov特征指数的计算步骤,并给出了岩体位移时序的线性和非线性两种混沌预报模式。据此,建立了岩体工程位移观测数据的混沌预测方法。对玲珑金矿255m水平主运巷的塌陷情况进行了算例分析。首先,对于主运旧巷断面的收敛位移观测序列,采用插值方法对其进行了预处理,以获得等间隔的位移序列;然后,对该位移序列,利用上述混沌分析方法,获得其最大Lyapunov特征指数为0.05;分别采用近邻等距法和最大Lyapunov指数预报模式,对位移序列进行了预测。与观测位移相比较,位移预测结果比较理想。     

基于相空间重构与神经网络耦合的岩溶泉流量预测模型

岩溶水系统是受水文、地质、地形地貌、植被、人类活动等多种因素影响的非线性动力系统。本文利用重构相空间与神经网络,建立重构相空间与神经网络耦合的泉流量预测模型;通过对黑龙洞泉域泉流量的预测可知,所建立的耦合模型精度高。     

基于多分辨BP神经网络的城市日供水量预测模型

鉴于BP神经网络预测城市日供水量的不足,提出了基于多分辨BP神经网络预测模型。通过离散小波变换将日供水量序列的复杂特性转化为不同尺度下的单一特性,并分别进行BP神经网络预测。针对日供水量的混沌特性,对其进行相空间重构,重构后的时间序列为网络输入。应用实例表明,与单一BP神经网络相比,多分辨BP神经网络可更好地反映序列细节和变化特性,具有更高的预测精度,平均绝对百分比误差为1.481%。     

三维模型内部位移测试装置及其应用

为了获取岩体内部变形信息,研制出牵引式多点位移测量装置,并将其应用于三维模型试验内部位移量测。在3 600×2 000×2 000 mm(长×宽×高)的大型三维模型中3个不同层位共布设9个内部位移测点,同时在对应位置设置表面位移测点,开展模拟开采过程模型位移规律研究。试验表明,模型内部位移呈缓和的台阶状变化,随着工作面推进台阶阶高逐渐降低,它与模型表面位移的台阶状变化相对应;岩层稳定后,处于相同层位的内部测点最终位移基本相同,3个层位的内部测点的最终位移值分别为54、35、25 mm,同一层位的表面位移也基本相同,最终位移值分别为58、41、30 mm,内部最终位移值比表面最终位移值小7%~15%;同一层位岩层内部变形、表面变形同步变化,与工作面上覆岩层垮落和来压规律一致。该位移测量装置测量数据可靠,读数精度可达0.07 mm/°,安装和操作方便,为三模型试验内部变形测试提供了新的研究手段。     

盐腔形成过程对覆岩影响的相似材料模拟实验研究

应用相似材料模拟实验研究了盐腔成腔过程中上覆岩层移动、变形和破坏规律,上覆岩层损伤演化过程及规律,上覆岩层的层面效应及分层特性,上覆岩层破碎岩体尺寸特性等内容。通过这些研究,获得了上覆岩层在盐腔形成过程中的损伤演化方程、上覆岩层因岩层性质不同而产生的分层特性、上覆岩层移动变形过程中表现出来的层面效应以及岩层破碎岩体尺寸与岩层力学性质的关系。为进一步弄清开采沉陷的微观机理和建立新的预测模型打下了基础。     

基于相空间重构的BP神经网络对边坡的位移预测研究

边坡的位移预测对其稳定性的预报具有十分重要的意义,从基于相空间重构的BP神经网络预测方法对位移时间序列进行了分析,对相空间重构的参数延迟量以及嵌入维数进行了论述,将预测结果与传统的BP神经网络模型的预测结果进行了比较。结果表明,基于相空间重构的BP神经网络具有更高的精度,是一种优秀的预测方法。     

岩体声发射混沌与智能辨识研究

对岩石试件加载及破坏过程的声发射进行了试验,对工程岩体声发射进行了监测。采用混沌动力学研究了岩体声发射活动规律,计算了工程岩体在变形与破坏过程中不同阶段声发射混沌吸引子。用混沌与神经网络相结合,建立了岩体声发射预测模型。根据岩体声发射各阶段特征,建立了工程岩体稳定性智能辨识模型。研究结果表明,岩体声发射活动存在4个不同的阶段:稳定期、声发射活动初期、声发射活动加剧期和活动反转期。岩体破坏出现在声发射活动反转期,声发射出现反常,混沌吸引子减小,破坏特征呈现。工程应用实践证明,混沌动力学能较好地反映岩体的声发射特征,所建立的预测与智能辨识模型能较好地预测和分析工程岩体稳定性。     

分层开采底板岩层移动的现场观测研究

煤层开采会诱发底板岩层的变形和破坏 ,由此导致许多煤矿灾害的发生 ,最引人注目的是底板承压水的突出。对于厚煤层分层开采 ,由于第二分层及以下各分层开采时工作面围岩应力场与第一分层时具有明显不同的特征 ,将导致煤层底板岩层移动呈现不同的规律。介绍了分层开采煤层底板岩层移动的观测方法 ,提供了试验观测数据 ,并给出了分层开采煤层底板岩层的移动变形规律。试验成果对防治底板承压水的突出具有较大的意义。     

演化追踪法优化相空间的SVM供水量预测模型

相空间重构的支持向量机预测模型应用十分广泛,在城市供水量预测方面也占据着重要地位,传统的预测模型趋向于将重构的相空间整体带入,这样可能存在引入无效相点从而影响预测精度的问题,基于此将演化追踪法引入相空间重构的预测模型对有效相点进行筛选,优化预测模型的训练样本,达到提高预测精度目的。利用MATLAB编程软件将演化追踪法用于城市供水量的预测,预测结果的平均绝对误差由0.52%降低到了0.29%,证明了演化追踪法的可利用性与有效性。     

交通流量的混沌特性分析及预测模型研究

基于混沌动力系统的相空间重构和非线性系统的Volterra级数,分析交通流量的混沌特性,研究了一种交通流量的自适应预测模型。在合理选取嵌入维数和延滞时间实现交通流量时间序列相空间重构的基础上,应用小数据量法计算重构交通流量时间序列的最大Lyapunov指数,根据该指数值对交通流量的混沌特性进行分析,并采用庞卡莱截面法对分析结果进行验证;构建交通流量的Volterra预测模型,并采用LMS自适应算法对模型系数进行调整。通过对实际采集的高速公路交通流量数据的仿真研究表明,小数据量法能对交通流混沌特性进行准确判别,构建的二阶Volterra自适应预测模型能够有效地预测交通流量的变化。因此,在判定交通流量存在混沌特性时,可以应用论文构建的二阶Volterra自适应预测模型对其进行准确的预测。     

模糊聚类和BP神经网络相结合的变形同步预测

研究了用模糊聚类方法分析变形点是否属于同一块变形体上,并对处于同一块变形体上的变形点建立BP神经网络同步预测模型的方法.通过分析,依据研究的方法建立的变形预测模型对变形点的变形量有很好的预测能力.     

岩层倾角对片岩隧道变形特征的影响

层状岩体的强度和变形具有显著的各项异性特征,隧道施工中围岩稳定性机理较为复杂,是隧道工程中的热点问题。为研究岩层倾角对围岩变形特征的影响规律,以中卫至兰州客运专线某大断面片岩隧道工程为依托,采用MIDAS进行了不同倾角下围岩稳定性数值分析,研究结果表明:层状岩体与各向同性岩体位移场差异性较大。对于各向同性岩体,隧道开挖后围岩产生向洞内的变形,位移场关于隧道轴线对称。对于层状岩体,围岩变形特征与岩层倾角相关,位移场关于层面法线方向大致呈现对称分布,隧道洞周测点位移不均匀性较大。岩层倾角对隧道围岩塑性区具有显著影响,岩层倾角不同,塑性区分布规律及面积均不相同,围岩稳定性差异较大。     

底板岩层变形破坏过程中分维特征研究

本文基于大量实测信息,对承压水上开采煤层底板岩层变形破坏过程中岩移、注水量(渗透性)等矿压显现的观测时序,进行关联维数的提取,并对其运动性态进行了研究。实例分析表明:底板岩层变形破坏过程中呈现出典型的混沌性态;另外由于底板岩层渗透性指标的关联维数比岩移量指标大的多,表明用渗透性指标描述底板岩层变形破坏特征要比岩移量指标更敏感。     

基于不同Bootstrap方法和KELM-BPNN模型的滑坡位移区间预测

为解决传统滑坡位移点预测模型无法对自身预测结果的可靠程度进行有效描述这一问题,引入区间预测方法,提出一种基于不同Bootstrap方法和KELM-BPNN模型的滑坡位移区间预测模型。该模型以4种常用的Bootstrap方法为基础,首先对由各种外界触发因素与滑坡地表位移的监测信息组成的原始数据集,分别进行B次有放回的等概率随机抽样;然后基于不同Bootstrap方法得到的B个伪数据集,分别训练B个KELM模型对系统误差的方差进行估计,并根据估计结果,训练一个BPNN模型对随机误差的方差进行回归逼近;最终将采用相同Bootstrap方法得到系统误差方差和随机误差方差相结合,构造出在不同置信水平下的滑坡位移预测区间,并通过综合对比分析,提出与实际滑坡变形特征相适宜的位移区间预测模型。以三峡库区内具有阶跃式变形特征的典型堆积层滑坡——白水河滑坡为例,选取ZG93和ZG118两个监测点在2004年7月～2013年12月期间的数据进行研究。结果表明,与传统点预测模型相比,该模型不仅能够提供具有一定精度的点预测结果,还能构造出较为清晰、可靠的位移预测区间将真实的位移曲线完全包裹在内。此外,通过预测区间宽度的实时变化,该模型能够较好地量化与解释滑坡演化过程中外界触发因素的动态变化对滑坡变形造成的不确定性影响,为滑坡灾害的预报预警提供了一种新的思路和方法。     

相空间重构与RBF结合的短时交通流预测研究

针对短时交通流的混沌特性,提出将相空间重构与神经网络相结合的预测算法,并采用某高速公路实时交通流数据进行了仿真验证,取得了较好的预测效果。     

基于有监督机器学习基坑变形预测模型的比较与分析

影响深基坑变形因素繁多,位移预测问题呈高度非线性和模糊性,为探究目前基于有监督机器学习软计算（Soft Computing Method,SCM）法深基坑位移预测模型的精度性能,对基于支持向量机（Support Vector Model,SVM）位移预测模型、基于随机森林（Random Forest,RF）预测模型、基于反向传播（Back Propagation,BP）神经网络预测模型、基于径向基（Radial Basis Function,RBF）神经网络预测模型、基于Elman神经网络预测模型和长短期记忆（Long Short-Term Memory,LSTM）神经网络预测模型进行了实际深基坑工程一至三天位移预测试验。试验验证了基于有监督机器学习软计算法模型预测深基坑位移的可行性,展现了人工神经网络（Artificial Neural Network,ANN）算法的优越性,并得出了Elman预测模型适用于预测一天和两天深基坑位移预测,而BP预测模型适用于预测三天沉降任务的结论。