边坡位移非线性时间序列采用支持向量机算法的智能建模与预测研究

介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法---支持向量机算法,运用Matlab语言编写了程序,采用不同的核函数对具体的边坡工程实例作了计算,并将人工神经元网络计算结果与之对比,可见无论是在学习或预测精度方面,支持向量机算法较基于经验风险最小化原理的人工神经元网络算法都有很大的优越性,可以运用于实际工程。     

既有隧道安全性分析与加固技术

增建铁路复线时,需从围岩地质条件、水系环境、既有隧道运营情况及复线隧道的施工方法等方面综合考虑,对既有隧道安全性展开分析.结合某既有隧道实际病害情况和部位,给出了不同的加固方案,即局部表面补强、锚杆加固、边墙加固和衬砌背后钻孔压浆施工.总结了衬砌背后钻孔压浆加固施工工艺和施工要点,对于类似环境中既有隧道具有一定借鉴意义.     

覆岩组合运动特征及关键层位置研究

把煤矿覆岩的组合运动视为以坚硬岩层为依托的复合关键层的运动，运用弹性薄板理论和复合材料力学的层合板理论讨论了复合关键层的应力，从而为计算复合关键层的整体强度提供了途径；并且采用结构塑性极限分析方法解析得出了关键层失稳时的极限荷载，依据此极限荷载可以近似判断出覆岩中关键层的位置。     

边坡角设计的支持向量机建模与精度影响因素研究

运用人工智能领域最新的基于结构风险最小化原理的机器学习算法——支持向量机(SVM)算法,采用线性Linear 和径向基函数 RBF 两种核函数以及ε 不敏感和 Quadratic 两种损失函数,并且考虑惩罚参数 C 的不同,编写了相应的程序对影响边坡角设计的诸多因素进行了机器学习,经过反复调整相关参数和计算对比,找到了拟合精度很高的支持向量机网络,并以此网络对测试样本作预测检验模型的可靠性;对影响支持向量机建模精度的各种影响因素作了计算和分析,在此基础上,初步确定了各参数对 SVM 模型精度影响大小的顺序,为 SVM 在类似工程上的应用提供了借鉴。