基于粒子群算法优化支持向量机的岩爆预测研究

由于地下工程的复杂性,岩爆的发生受到多种因素的影响,目前尚没有一种可靠的预测方法来对其进行预报,进而有针对性地进行工程灾害的风险控制。笔者提出将应力强度比(σ_θ/σ_c)、脆性系数(σ_c/σ_t)和弹性能量指数(Wet)作为影响岩爆的主要指标,并根据粒子群优化算法的参数选取和收敛速度快的优势及支持向量机的小样本、高维度、非线性的特性,提出了用粒子群优化算法对影响支持向量机分类性能的两个主要参数进行优化,进而获得优化的支持向量机分类器。利用PSO-SVM对在建二广九标茅田界隧道深埋变质砂岩岩爆发生情况进行预测,定量地判断该标段不存在岩爆现象,预测结果与茅田界隧道的实际情况基本相符。     

基于CRITIC-XGB算法的岩爆倾向等级预测模型

为了更精确地对岩爆倾向等级进行预测,根据岩爆的成因和特点选取了围岩切向应力,围岩切向应力和单轴抗压强度的比值,岩石脆性指数和岩石的弹性变形能量指数作为岩爆倾向等级预测指标,然后运用改进的CRITIC算法对指标样本进行加权处理,在此基础上引入新的机器学习算法XGBoost对样本进行计算训练,最终建立岩爆倾向等级预测的CRITIC-XGB模型。运用该模型对收集的岩爆实例进行了岩爆倾向等级预测,并将预测结果与XGBoost、随机森林(RF)和支持向量机(SVM)算法的预测结果进行分析研究。研究结果表明:CRITIC-XGB预测模型较单一的XGBoost模型的收敛性能有较为明显的提高;CRITIC-XGB预测模型较单一的XGBoost算法、RF和SVM算法,有更高的预测准确性,为岩爆倾向等级预测提供了一种新的可靠方法。     

混凝土强度预测的两种非线性模型比较研究

混凝土的强度的预测是一个复杂的问题,受多种因素的影响.采用两种先进的非线性算法支持向量机与小波支持向量机,建立 了混凝土强度预测的两种非线性预测方法.研究结果表明:两种方法的预测结果与实测结果吻合较好,小波支持向量机的预测精度较支持向量机精度高,在混凝土的强度预测中具有较好的适应性.     

基于混沌支持向量回归机的短期空调负荷预测

提出了1种基于混沌分析和支持向量回归机的短期空调负荷预测建模方法。通过研究实际空调负荷序列的混沌特性,确定其混沌特征参数并选取支持向量回归机进行预测。支持向量机建模过程使用粒子群算法进行参数寻优。仿真结果表明,空调负荷序列具有一定的混沌特性,使用混沌支持向量机方法的预测精度比单一支持向量机法预测结果 EEP指标降低了31.4%,预测精度有了明显提升。     

改进支持向量机在大坝变形预测中的应用研究

支持向量机算法进行建模的过程中,选取合适的核函数以及相关的参数组合是最重要的部分,参数选取的好坏将直接影响到预测结果的精度。本文采用基因表达式编程算法对支持向量机算法进行参数组选取,得到改进支持向量机算法并将其应用于具体工程实例之中。结果表明改进支持向量机大坝变形预测模型比传统支持向量机大坝变形预测模型得出的预测结果的精度提高了近3倍,从而说明基于基因表达式编程的改进支持向量机的预测模型在大坝变形预测中具有良好的预测效果。     

基于小波分解和支持向量机的办公建筑空调负荷预测北大核心

提出了一种基于小波分解-支持向量机(WD-SVM)的办公建筑空调负荷预测建模方法,利用小波分解将具有较强随机性和非线性的空调负荷信号进行分解,然后利用支持向量机对分解后不同频率下的分支数据进行预测建模,从很大程度上避免了由于训练样本不完备而导致的支持向量机预测精度波动。仿真结果表明,WD-SVM方法的预测精度评价指标EEP比单支持向量机法降低33.6%,预测精度有明显提升。     

基于边坡位移监测数据的进化支持向量机预测模型研究

支持向量机方法是基于统计学习理论和结构风险最小化原则的学习方法,在回归预测方面具有良好外推能力,并且适合小样本的统计学习问题。建立支持向量机预测模型,对边坡位移进行预测计算,将预测值和实测值对比分析,验证了支持向量机预测模型较强的外推能力和预测计算的有效性。通过对边坡位移初始时序位移数据进行灰色理论的累加生成和累减生成处理,形成新的时间序列数据,在此基础上,计算出预测值,并与基于初始时间序列的支持向量机预测结果对比分析,基于新生成的时间序列数据进行预测计算结果精度明显提高。基于边坡位移监测数据构建训练样本数据集,研究了训练样本数据集的选取对预测结果的影响。对支持向量机预测模型的关键参数进行敏感度分析,并采用进化算法–微粒群算法对支持向量机模型参数加以优化,提高了预测精度。     

SVM在水泥机械故障诊断中的应用研究

基于支持向量机的故障预测和诊断方法是目前该领域的研究热点。这里介绍了支持向量机的原理、支持向量机在故障诊断过程中故障状态分类及回归上的应用,针对经典支持向量机的不足,提出了改进方法:双扰动集成支持向量机,并通过试验数据说明了其有效性。     

基于时间序列支持向量回归模型的变形监测研究

论述了支持向量机的回归算法,提出了基于时间序列支持向量回归的变形预测方法,并在MATLAB 6.5中编制了相应的基于时间序列支持向量回归程序,建立了相应的基于时间序列支持向量回归模型。以实例数据讨论了基于时间序列支持向量机回归模型的预测方法。研究表明：用时间序列支持向量回归模型建立变形监测的预测模型是可行的和有效的。     

基于小波分解和支持向量机的办公建筑空调负荷预测

提出了一种基于小波分解-支持向量机(WD-SVM)的办公建筑空调负荷预测建模方法,利用小波分解将具有较强随机性和非线性的空调负荷信号进行分解,然后利用支持向量机对分解后不同频率下的分支数据进行预测建模,从很大程度上避免了由于训练样本不完备而导致的支持向量机预测精度波动。仿真结果表明,WD-SVM方法的预测精度评价指标EEP比单支持向量机法降低33.6%,预测精度有明显提升。     

冲击地压预测的PSO-SVM模型

 冲击地压是一种复杂的非线性动力学现象，其发生机制非常复杂，而在监测数据的基础上对其进行分析预测，是冲击地压的一个重要研究方法，但是采用传统的数学力学方法很难表达冲击地压与其影响因素之间的复杂非线性关系，其中采用时间序列进行预测是一个重要的研究方向。针对这一问题，将冲击地压看作一时间序列过程，采用支持向量机建立冲击地压序列之间的非线性关系；同时，考虑到支持向量机参数对预测效果的影响，采用微粒群算法对支持向量机参数进行优化选择，从而提出冲击地压预测的PSO-SVM模型，提高支持向量机的推广预测能力，并对一具体算例进行研究分析。研究结果表明，该方法是科学可行的，并具有很好的精度。     

支持向量机在隧洞超挖预测中的应用

介绍了支持向量机算法及围岩破坏模式识别的支持向量机算法,利用支持向量法分类算法对隧道围岩超挖块体的大小进行了分类,并建立了预测模型,计算结果表明用支持向量机能较好地预测超挖块体的大小。     

基于声发射试验与线弹性能判据的玲南金矿岩爆研究

 以玲南金矿深部赋存的中粗粒二长花岗岩、蚀变带矿石为研究对象,现场取样并使用GAW–2000型微机控制电液伺服刚性压力试验机进行单轴压缩破坏试验,借助AE21C声发射检测系统对试件的加载破坏全过程进行声发射响应信号记录;通过对试验结果进行分析,揭示玲南矿区深部赋存两种岩石的破坏及声发射响应特征;在室内岩石力学试验与现场调研的基础上,结合线弹性能判据,确定玲南金矿十九中段不同岩石的岩爆倾向性,并通过将判别结果与声发射结果、现场情况进行对比,发现中等岩爆倾向的岩石的声发射能量累积计数是低等岩爆倾向值的15倍以上,因此对于借助室内声发射测试技术的能量累积计数率来快速判断岩石岩爆倾向性具有一定的参考价值,并可在进一步的研究中将其应用到现场预测当中。     

基于非线性灰色归类模型的岩爆预测方法

根据岩爆的非线性特征,选取岩爆的主控因子,建立岩爆预测的非线性灰色归类模型,把该模型应用于实例当中,并将分析结果与实际情况进行对比,结果表明,该模实用性强,具有良好的应用前景。     

米仓山深埋公路隧道岩爆预测与防治对策研究

岩爆是地下工程中一种严重的地质灾害,其破坏性巨大,是一项世界性的难题。为对岩体岩爆危险性进行综合分析,提高岩爆预测精度,本文从理论分析和现场测量两方面归纳了学术界隧道岩爆判据研究现状,建立了岩爆综合分析与预测系统框架。以米仓山公路隧道为例,结合数值模拟和岩爆综合分析与预测系统对其岩爆的趋势进行了预测。结果表明,隧道开挖后,隧道周边产生较大的应力集中,而且开挖使隧道周边围压迅速降低,产生较大的主应力差,导致围岩发生岩爆。预测米仓山隧道K49+175~K50+650段以弱~中等岩爆为主,最大埋深段附近为中等岩爆,局部可能发生较强烈岩爆。针对工程进展情况和岩爆情况提出了相应的防治对策。     

二郎山公路隧道岩爆特征与防治措施的研究

对二郎山公路隧道岩爆发生时间、空间、岩性与岩体结构效应等方面的主要特征进行研究,并从改善围岩物理力学性能和应力条件、初期支护加固围岩、二次衬砌诸方面着手,阐述了该隧道岩爆防治的工程措施。     

岩爆的影响因素分析与预测

岩爆是地下工程建设过程中常见的一种地质灾害现象。结合国内外部分工程岩爆发生的实际情况,分析了影响岩爆的主要因素和部分特征。并通过对齐热哈塔尔引水隧洞支洞施工过程中岩爆的发生特征分析,对引水隧洞主洞的岩爆发生情况进行了预测。结果表明,工程施工过程中要不断认识和总结岩爆的发生规律将更有利于岩爆的预测与预防。     

基于遗传进化的支持向量机参数敏感性研究

提出了一种基于遗传进化的支持向量机预测方法,利用该预测方法对工程实例阳宗隧道下行线XK38+725断面的实测围岩变形进行预测,发现此方法具有很高的精度,同时,对基于遗传进化的支持向量机参数敏感性进行了研究,得出结论:敏感性最高的是不敏感系数,其次是惩罚因子,敏感性最低的是核函数系数。     

隧道工程岩爆预测及防治方法研究

介绍了隧道工程中岩爆的概念、特征以及岩爆的深度和宽度变化规律,通过对地下工程中产生的各种岩爆情况进行分析,总结了岩爆产生的条件,对岩爆预测及防治方案进行了研究。