共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
3.
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 总被引:1,自引:0,他引:1
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。 相似文献
4.
5.
6.
7.
8.
9.
随着各大城市地铁的兴建,各种工程事故相继发生,隧道开挖具有复杂性和特殊性,充分认识和掌握隧道围岩的变形规律,对于避免不必要的工程事故具有重要意义。本文基于隧道围岩施工期的变形监测数据,深入研究了时间序列分析、灰色系统理论和组合模型预测方法。结果表明,MGM(1,3)+AR(3)组合模型不仅能够反映数据序列的发展变化的趋势性,而且还能考虑数据序列随机波动的影响,组合模型拟合与预测的模拟预测精度高。研究成果为隧道围岩施工期和运行期的安全提供可靠依据,并未科学研究和理论计算提供参考。 相似文献
10.
基于主成分分析(PCA)和支持向量回归(SVR)构建诊断模型,探索性的预测MOV器件在遭受浪涌后的劣化状态。研究过程:前期分别对数个MOV进行多脉冲冲击实验,记录器件在每次冲击前后的各项电参数,随后通过主成分分析得到每个MOV的劣化数值变化曲线,并结合对实际器件损伤情况的判断来确定完全损坏阈值点,最后基于支持向量回归算法在实验训练集上构建关于MOV劣化状态的诊断模型并使用测试数据进行检验。检验结果表明,构建的模型在接收一组遭受冲击后的MOV电参数数据作为输入后,可以较为精准的输出表征其劣化状态的数值量(0~1范围内),与实际劣化值相比,计算得到均方根误差为0.081。为在实际电气系统中对MOV器件的劣化监测预警提供了一种新的方法思路。 相似文献
11.
12.
在地铁隧道建设中,常在上下行隧道中间段设置联络通道。联络通道的设置增加了隧道的安全系数,因此也称为“逃生通道”。联络通道通常在主体隧道完成后施工,一定程度上会对主体隧道和周围的环境产生影响。施工中常将废水泵房与联络通道的合并进行,而泵房的设计相对保守,施工工艺受空间所限,也更容易造成风险。因此,采取有效措施确保开挖安全显得至关重要。本文以武汉地铁某区间隧道联络通道初支变形风险处理为例,使用回填反压、初支加固、底板加快施工的方法,为类似工程积累风险控制技术。 相似文献
13.
Chen Tingwu et al. 《工程勘察》2008,(10)
本文将时间序列分析和非线性回归用于沉降过程的综合建模与预报,给出了时间序列模型识别、预报的方法,以实测数据为例说明应用此法的全过程,并对计算结果进行了比较分析,证明了该方法的可行性。 相似文献
14.
15.
16.
支持向量机回归(SupportVector Regression SVR)算法是结构风险最小化原理在函数回归方面的应用。根据北方某城市供水管网余氯的人工采样数据,建立了基于SVR的余氯预测模型,并与人工神经网络、多元线性回归方法进行比较分析,结果表明:在有限样本情况下,SVR模型具有良好的泛化推广能力,各监测点模型预测平均相对误差为1.80%~8.73%,并可获得全局最优解,达到了实用要求,较好地解决了以往管网余氯小样本预测时,常常出现拟合精度高、预测效果较差的问题。 相似文献
17.
基于改进SVM的隧道位移监测非线性预报模型 总被引:1,自引:0,他引:1
在隧道工程中,位移变形监测是一个重要环节,然而监测数据往往呈现出较为复杂的非线性特征.以铜黄高速公路大田双连拱隧道施工为背景,在支持向量机算法的基础上,采用变量轮换法对其参数进行优化处理,从而呈现了监测数据复杂非线性特征并建立隧道位移监测时间序列非线性模型.利用此模型对未来的位移变形做出精确的预报,科学地指导现场监测和施工建设. 相似文献
18.
火驱地面尾气处理工艺进展 总被引:1,自引:0,他引:1
地表覆盖分类是土地利用和土地资源管理的基础,由于地表覆盖情况十分复杂,且受温度、季节等影响较大,难以做到准确分类。为此,本文提取一种基于时序植被指数的地表覆盖聚类新方法,利用不同月份的影像,提取时序NDVI数据,并对其进行聚类分析,得到较好的地表覆盖分类结果。实验表明,该方法分类精度远可达89.76%,高于单幅影像分类结果。 相似文献
19.
Large-scale, structural health monitoring remains a challenge especially when I/O measurement data are contaminated by high-level noise. A novel approach that uses incremental support vector regression (SVR), a promising statistics technology, is proposed for large-scale, structural health monitoring. Due to the potential properties of this novel SVR, the SVR-based approach makes structural health monitoring accurately and robustly. A sub-structure strategy is utilized to reduce the number of unknown parameters in the health monitoring formula, thereby making large-scale structural health monitoring possible. Lastly, an incremental SVR training algorithm adopted for the SVR-based approach not only markedly reduces computation time, but identifies structural parameters on-line. Numerical examples show that results of this SVR-based approach for large-scale structural health monitoring are accurate and robust, even when observed data are contaminated with different kinds and intensity levels of noise. 相似文献