深基坑变形预测的支持向量机方法

提出了一种预测深基坑变形的新方法支持向量机，可很好地表达深基坑变形与其影响因素之间的非线性映射关系，并应用该方法建立了相应的模型，预测结果表明，利用该方法进行深基坑变形是可行的、有效的。     

基于支持向量机的露天矿边坡地表变形预测

在充分考虑露天矿边坡地表变形影响因素复杂性的前提下,基于丰富的地表变形监测资料,建立了露天矿边坡地表变形预测的支持向量机（SVM）模型,并采用遗传算法对核函数和惩罚因子进行确定.将该模型应用于抚顺露天矿边坡地表变形的预测,预测结果最大误差为3.014 cm,表明该模型是定量预测露天矿边坡坡肩地表变形量的一种有效方法.     

大坝变形预测的支持向量机模型

支持向量机在解决非线性及高维模式识别问题中表现出其特有的优势。针对大坝变形具有强非线性的特点以及传统神经网络模型预测时存在局部极小与过学习等问题,将支持向量机应用于大坝变形预测。以某大坝的变形监测数据为例,建立SVM预测模型,将支持向量机模型与神经网络模型进行比较分析。结果表明,该模型具有较高的精度,可以很好地应用于大坝变形监测分析。     

基于支持向量机的电机故障预测研究

对现在比较盛行的状态监测与故障检测和预测做了阐述性的介绍,并且就故障预测方法在现代工业生产的应用性方面做了定性分析,并将支持向量机的这种对小样本数据比较有效的训练和处理方法引入到电机的故障预测中来。     

支持向量机在岩爆预测中的应用

岩爆是高地应力地下工程中的地质灾害之一,其影响因素存在极其复杂的非线性关系。选取岩石抗压强度、抗拉强度、弹性能量指数和洞壁最大切向应力作为岩爆预测的特征向量,建立岩爆预测的支持向量机模型,对岩爆的发生及其烈度进行预测。预测结果与实际情况及其他方法相吻合,表明支持向量机在岩爆预测中的可行性和有效性。     

基于支持向量机的矿震危险性预测

文章介绍了支持向量机二分类的基本原理及基于此原理的三元分类问题的解决办法,分析了矿震的主要影响因素,提出了一种基于支持向量机的矿震危险性预测新方法。通过对少量训练样本的学习,能很好地建立矿震危险性等级与其影响因素之间的非线性映射关系。算例结果表明,该预测方法是可行的,预测精度较高,具有良好的工程应用前景。     

基于支持向量机的水泵状态多步预测

将支持向量机技术应用于水泵的时间序列多步预测中。为提高预测精度,提出利用多个测量通道获得的多时间序列进行预测,并通过水泵电机上获得的实际测量数据进行对比分析,证明该方法在设备长期预测中具有较好的预测精度。     

基于遗传算法优化在线支持向量机的风电场风速预测

提出利用遗传算法优化在线支持向量机的风电场风速预测方法,应用遗传算法选择在线支持向量机的参数,将选择的参数代入在线支持向量模型,对前7 d的风速进行预测,实验结果证明了该方法的可行性。     

基于支持向量机理论的煤矿瓦斯涌出量预测研究

针对影响瓦斯涌出量的因素复杂多样化以及各因素之间的非线性问题,采用径向基核函数把支持向量机算法中的低维空间向量集映射到高维空间,进而建立基于实验数据的煤矿瓦斯涌出量预测模型。样本数据分为训练样本、测试样本和校验样本,结合MATLAB强大的运算功能,进行仿真研究。结果显示:整个系统具有较强的逼近和容错能力,以及较快的收敛速度,对煤矿瓦斯涌出量具有较好的预报效果。     

人工冻土温度场的支持向量机法预测

 在冻结法凿井施工中,及时掌握人工冻土温度场发展,对于优化冻结方案、处理紧急情况有重要的意义。针对新建矿井实测样本较少的特点,利用基于结构风险最小化原理与小样本学习方法-支持向量机算法,建立了人工冻土温度场发展的支持向量机计算模型。采用不同的核函数的支持向量机对人工冻土温度场发展进行对比分析,确定了适合于人工冻土温度场发展计算的核函数。人工冻土温度场支持向量机模型计算结果表明,该方法是一种有效的方法,为人工冻土温度场的计算提供了一条新途径。     

紧临天然地基高层建筑的深基坑支护

二层地下室的深基坑周边紧临天然地基的筏板基础的高层建筑,且高层建筑的筏板基础处于开挖基坑底面以上,深基坑开挖严重危及高层建筑的安全,同时,高层建筑重荷载对基坑支护结构的作用也严重影响深基坑支护结构的稳定,稍有不慎,后果非常严重。本工程采用钻孔灌注桩排桩挡墙和混凝土梁内水平支撑结构的支护体系,对临近的高层建筑基本没有影响,支护结构本身也非常稳定,基坑开挖工程取得圆满成功。     

基于Hardening-Soil模型基坑支护变形特性研究

在基坑开挖的模拟分析中,考虑土体的卸荷膨胀及加载硬化等性质,选用一种更适用于土体开挖的Hardening-Soil本构模型,对深基坑开挖阶段支护结构变形特性进行了数值模拟,计算得出不同开挖阶段的内支撑的轴力变化、围护桩的力矩变化、以及桩的水平位移的变化,计算结果很好地反映了土的特性,为工程设计与施工提供了依据。     

基于支持向量机的建筑物采动损害预测模型

为了科学预测与评估煤矿采动引起的建筑物采动损害程度,在系统分析建筑物采动损害影响因素的基础上,基于支持向量机理论,利用矿区典型建筑物采动损害案例,首次建立了煤矿开采影响下建筑物采动损害程度的支持向量机预测模型,并测试了该模型的可行性和可靠性。研究成果可为建筑物采动损害预测提供一条新的技术途径。     

支持向量机预测高边坡爆破质点振动速度

基于泉州某工程高岩石边坡爆破振动数据,选择单段最大药量、水平距离、高程差作为影响因子,采用支持向量机（SVM）与传统方法相结合的预测方法进行训练、交叉验证、最后预测。证明支持向量机理论能较好地预测爆破振动合速度。研究成果为改善岩石高边坡爆破振动预测精度提供了一种方法。     

浅谈深基坑施工的变形监测

文中介绍了深基坑支护结构及周边建筑物变形监测的内容、监测方法及注意事项等,通过变形监测动态数据信息指导基坑安全施工和动态设计,保证基坑支护和使用安全.     

改进的粒子群支持向量机预测瓦斯涌出量

提出一种基于改进的粒子群参数优化的支持向量回归机算法(IPSO-SVR),该方法引入混沌映射及网格分区寻参思想,能避免粒子群算法(PSO)陷入局部最优解。使用IPSO-SVR算法建立瓦斯涌出量预测模型,结果表明基于IPSO算法寻优参数建立的瓦斯涌出量支持向量回归预测模型具有良好的预测效果。与粒子群优化参数的支持向量回归机(PSO-SVR)模型、广义回归神经网络(GRNN)模型进行比较,IPSO-SVR模型预测效果明显优于PSO-SVR和GRNN模型,可用于瓦斯涌出量的实际预测,表明所提出的IPSO算法是选取SVR参数的有效方法。