滑坡位移预测的SVR-MIV变量筛选方法研究

支持向量回归机(Support Vector Regression, SVR)在滑坡位移预测研究中已得到广泛应用,但SVR具有模型可解释性差的缺陷,即无法直接获得并筛选最佳预测变量,从而影响预测精度。为此,将较广泛应用于评价神经网络模型变量影响大小的平均影响值(Mean Impact Value, MIV)方法与SVR模型相结合,实现基于SVR-MIV的变量筛选,该方法不但能对所有预测模型初始变量影响大小进行排序,还可以进一步结合反向逐变量剔除分析实现变量筛选。为验证该方法的有效性,选择三峡库区两类典型水库滑坡代表的累积位移监测数据,在采用移动平均法将位移分解为趋势项和波动项的基础上,重点针对波动项位移,选择包括降雨及库水位变动特征在内的12项初始变量,采用SVR-MIV方法进行变量筛选分析。结果表明,该方法筛选出的变量理论上符合对应滑坡变形影响机理分析结论,且可以提高滑坡位移实际预测精度。     

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。     

基于相空间重构的滑坡位移时间序列预测

本文基于滑坡时间序列位移,根据相空间理论构建位移时间序列矩阵,利用熵值理论求取熵值。通过熵值变化及位移预测误差反馈调整该时序相空间重构的嵌入维数,然后利用支持向量机学习创建支持向量回归机模型。并通过实例进行位移时间序列预测,预测效果好。     

基于改进的遗传模拟退火算法的钢框架优化设计

将遗传算法的全局寻优性能好和模拟退火的局部搜索能力强的优点相结合,提出了用于钢框架优化设计的遗传模拟退火算法,并对其进行了改进。在遗传算法部分提出了基于阈值的动态交叉、变异概率,并且采用联赛精英选择策略和最优保存策略,在种群的整体适应度提高的同时,增强了进化后期的种群多样性,提高了算法的收敛速度。在退火部分,针对钢框架优化的具体问题提出了一种更加紧凑灵活的邻域结构,提高了算法寻优性能。最后,将改进的算法用于工程实例,并与其他优化方法相比较,结果表明,该改进算法是一种用于钢框架结构优化设计的更加行之有效的方法。     

基于改进遗传模拟退火算法的结构损伤识别研究

针对遗传算法容易"早熟"、局部寻优能力较差等缺点,提出一种基于改进遗传模拟退火算法的结构损伤识别方法。先用节点的残余力向量来进行损伤定位,然后以节点的残余力向量构造目标函数,以单元刚度折减系数为设计变量,利用改进的遗传模拟退火算法进行损伤程度的识别。最后,对一个桁架结构模型进行数值模拟,结果表明,该算法能够准确识别结构的多处损伤,验证了该方法的有效性。     

深基坑工程位移预测的遗传神经网络耦合方法

岩土结构的位移都具有非线性动力学演化特征,针对目前采用的神经网络预测方法中存在的问题,用神经网络遗传算法耦合预测模型取代了传统的分析方法。详细介绍了建模过程,并用C语言加以实现,最后用实例论证了该方法用于基坑工程变形预测的可靠性和实用性。     

基于支持向量机和模拟退火算法的位移反分析

提出了一种基于支持向量机和模拟退火算法的位移反分析方法,一方面用支持向量机代替有限元计算提高计算分析速度,另一方面用模拟退火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极小值而无法继续寻优的状态,从而提高反演的效率精度。应用该方法对边坡的岩体力学参数进行反演,反演结果验证了模型的可行性。     

土木工程（单梁）内力位移算法分析

随着科技进步和社会发展,各类工程结构形式常组合一起共同承担承力和传力的任务。由于工程结构型式的复杂性,采用单一算法往往不能解决内力位移计算问题,因此须与其它算法相联合。本文选用矩阵理论为数学工具,运用材料力学和结构力学原理结合具体工程结构的特点对单梁的内力位移进行了分析计算。     

基于模拟退火算法的太阳影子快速定位方法

提出了一种基于模拟退火算法分析视频中物体的太阳影子变化,快速确定视频的拍摄地点及日期的方法,属于程序处理实际问题与地理定位领域的综合运用.为了确定视频中太阳影子的地点和日期,首先,根据直杆在太阳光照作用下不同影长和角度的变化,运用太阳高度角、公转赤纬角等表达式,建立影子长度变化模型.其次,基于Matlab程序,设定时间间隔,提取视频中太阳影子变化图像.进而,利用计算机辅助设计软件Autocad提取图像中影子坐标变化的数据,通过空间几何分析,实现影子坐标由二维向三维的转换,得到影子的三维坐标.最后,分别利用基于方程组和Matlab的方法进行求解,前者需要分别建立经度求解模型和纬度求解模型;后者则利用模拟退火法,添加精度约束条件,通过编程求解视频拍摄的地点及日期.将两种方法进行对比,可知前者求解过程复杂繁琐,后者更加快捷高效.     

基于模拟退火算法的边坡临界滑面搜索方法

 总结一般情况下滑动面应该满足的基本规律,这些规律在进行滑面优化时对临时产生的滑面起到约束作用。利用非线性有限元法得到坡内真实应力场,将模拟退火算法这一人工智能型非数值优化方法与边坡稳定的有限元方法相结合,探讨基于有限元分析方法的边坡最小安全系数及任意形状临界滑动面的搜索技术。针对临界滑面的搜索过程中,随机生成的初始滑面或试算滑面难以满足滑面几何约束条件这一缺陷,采用动态搜索域的概念,使变换过程局部化,计算效率大为提高。计算的结果表明：该算法找到全局最优解,并且真实再现某些情况下,圆形或其他非圆形式的临界滑动面。     

基于Lyapunov指数改进算法的边坡位移预测

给出了一种最大Lyapunov指数的改进算法,这种改进算法不仅对小数据序列可靠,而且计算量小,相对容易操作。通过对边坡位移历史数据序列进行特征分析,计算出最大Lyapunov指数,并利用最大yapunov指数的一维模式进行边坡位移预测。这种改进的方法比已有的研究方法更可靠,而且操作起来比较方便。通过对三峡升船机高边坡和新滩滑坡实际位移数据进行预测,结果令人满意。     

可持续设计方法（英文）

<正>Studio and elective Peter Ruge Peter Ruge工作室及选修课Peter Ruge’s approach to teaching explores modern,sustainable theories and methodologies of architectural programming and optimization.He aims to provide each student with the ability to select the best concepts from a set of different project ideas.The students learn how to identify the appropriate project parameters through logical reasoning and critical thinking,and develop architectural design strategies that refl ect the structured inquiry process.     

神经网络模型在滑坡位移预测中的应用

在时间序列的思想上建立了人工神经网络模型对滑坡位移进行预测,采用40 d的数据作为样本训练的数据,采用40 d～43 d的数据对预测效果进行检验。结果表明,滑坡位移预测误差在4%以内,故本文建立的方法具有一定的实用性,是较为合理的。     

基于BP神经网络的滑坡地质灾害预测方法

为了解决滑坡地质灾害传统预测方法中出现的综合性、实用性不强等问题,本文研究用基于优化参数设置的BP神经网络模型来预测滑坡地质灾害。该方法基于BP神经网络,顾及与滑坡地质灾害产生紧密相关的地质条件和环境因素,对BP神经网络的输入层、隐含层、输出层的参数进行优化;再由历史的经验数据通过训练、泛化建立基于BP神经网络的地质灾害预测模型;最后,按照0和1的组合结果对滑坡地质灾害进行预测。本文利用该模型对汶川地震诱发的滑坡地质灾害进行分析预测,结果表明:该模型的预测结果与实际结果吻合度达到86%~90%,预测精度较高,验证了基于改进的BP神经网络预测滑坡地质灾害的方法是实际可行的。     

基于模拟退火算法的边坡最小安全系数全局搜索方法

基于改进的模拟退火算法和边坡稳定计算的简化Bishop算法，建立了边坡稳定分析最小安全系数全局搜索方法，该方法能够同时搜索出边坡的最小安全系数和与之相对应的临界滑移面的位置，可以应用到任意边坡几何形状，不同岩土分层，伴随孔隙水压力以及有外荷载的情况，研究表明，所建立的方法能够解决边坡最小安全系数全局搜索问题，从而有效避免最优问题。     

考虑变形状态动态切换的阶跃型滑坡位移区间预测方法

为解决传统阶跃型滑坡位移预测模型研究中存在的突变状态预测结果滞后和结果可靠性不明确等典型问题,提出一种新型滑坡位移区间预测改进方法。首先,采用SOM网络和K均值聚类相结合的方法,将阶跃型滑坡的变形状态划分为变形稳定状态与变形突变状态两类。然后,在综合运用工程地质类比法和自适应综合采样算法扩展突变状态样本的基础上,采用随机森林算法建立能够自动识别滑坡变形状态的集合分类器。最终,基于Bootstrap-KELM-BPNN模型,构建考虑滑坡变形状态动态转换的位移区间预测框架,实现滑坡位移的动态区间预测。以三峡库区内典型阶跃型滑坡——白水河滑坡为例,选取XD01监测点在2006年6月～2016年12月期间的数据进行研究,验证该方法的有效性、准确性和可靠性。     

滑坡和边坡稳定性分析的模拟退火-随机搜索耦合算法

首先，建立了一个可适用于滑坡和边坡在任意复杂条件下进行一般滑裂面的稳定性分析的优化数值分析普遍模型：然后，利用模拟退火算法和随机搜索法的各自的特长和优点，有机地将两种算法结合起来建立了一种可用于求解所建立的优化数值分析普遍模型的耦合算法，并对世界范围内被广泛引用的3个工程实例进行了分析，结果表明，该方法是可行的和高效的。     

基于绝对位移动力方程的多点输入反应谱法（英文）

以绝对位移动力方程为基础,提出了一种多点输入地震作用下计算集中质量多自由度线弹性结构最大地震内力的新反应谱法.由于这种方法不再将结构的绝对位移反应分解成拟静力和动力分量进行分别计算,简化了多点输入反应谱法中的组合规则,提高了结构计算分析的效率.对一跨度为100m的两点支承框架结构进行了分析计算,比较了结构算例的时程法计算结果和新反应谱法的计算结果,两者计算结果的一致性验证了新反应谱法的正确性.     

基于时间序列与PSO-SVR耦合模型的白水河滑坡位移预测研究

 滑坡位移预测模型的选择及其参数的选取是滑坡位移预测中至关重要的2个问题,以往的模型在预测滑坡位移时具有诸多的限制和不足。以三峡库区白水河滑坡为研究对象,基于时间序列分析方法,分离提取出滑坡趋势性位移与周期性位移。前者主要受控于滑坡的内部因素(物质组成、地质构造、地形地貌等),可用最小二乘法对其进行多项式拟合并预测;后者是由外部影响因素(季节性降雨、库水位变动等)导致,取当月降雨量、双月降雨量、库水位高程、月间库水位变化量、双月库水位变化量和年间累计位移增量作为周期性位移的影响因子,提出采用可优化选参的粒子群优化算法(PSO)与支持向量机回归(SVR)相结合的方法对其进行预测;将各分位移预测值叠加得到累计位移预测值。运用多种方法进行分析对比,结果表明,基于时间序列与PSO-SVR耦合模型的滑坡位移预测精度要明显高于BP神经网络模型、网格搜索法优化的支持向量机模型(GS),其在滑坡位移预测中具有一定的理论基础和良好的应用前景。     

基于变分模态分解与GWO-MIC-SVR模型的滑坡位移预测研究

针对目前滑坡位移预测研究中存在的随机性位移无法分解与预测、支持向量机(SVR)模型中输入向量权值无差异、最优训练组合无法确定等问题,基于时序分析理论和变分模态分解(VMD),结合灰狼优化算法(GWO)、最大信息系数(MIC)和SVR,提出一种新型滑坡位移预测模型。该模型首先采用时序分析法和VMD,将滑坡实际累积位移分解为趋势性位移、周期性位移和随机性位移。然后基于滑坡对各类影响因素的响应分析,为3种位移选择合适的影响因子,并采用GWO-MIC-SVR模型对各位移分量进行多数据驱动的动态单步预测。最终基于训练数据的时效性分析,确定最优训练组合,并应用时序加法模型将最优预测值进行叠加,实现对滑坡累积位移的预测。以三峡库区典型堆积层滑坡——白水河滑坡为例,选取监测点ZG93和ZG118从2004年1月~2013年4月的数据进行研究。结果表明,与以往的研究相比,该模型不仅有效预测时间较长,且预测精度较高,具有较高的实用性和推广应用价值。