基于PCA-RVM的围岩稳定性识别模型

围岩稳定性受诸多因素的影响,各影响因素间存在复杂的非线性关系。为准确判定围岩稳定性类别,选取岩石质量指标RQD、岩石单轴饱和抗压强度Rw、完整性系数Kv、结构面强度系数Kf、地下水渗水量ω等作为影响围岩稳定性的主要因素,通过主成分分析(Principal Component Analysis,PCA)将以上5个影响因素降维成2个相互独立的主成分,采用相关向量机(Relevance Vector Machine,RVM)建立主成分变量与围岩稳定性类别之间的非线性映射关系,将输出的评价结果输入至"一对一"投票器以确定稳定性类别;将PCA-RVM围岩稳定性识别模型运用于实际工程,用21组样本对6组样本进行预测,其中5组预测结果与实际类别一致。结果表明:提出的识别模型适用于小样本问题,通过设置合理的带宽和迭代次数可有效提高模型精度,减少误判率。     

基于相关向量机的再生混凝土收缩徐变预测

针对再生混凝土收缩徐变与其影响因素之间存在着复杂的非线性关系,难以建立精准预测模型。提出一种基于相关向量机的再生混凝土收缩徐变预测模型,该模型通过对少量学习样本的学习,精准预测仅知道影响因素的预测样本的收缩徐变值。将该模型应用于再生混凝土收缩徐变预测,研究结果表明,该方法具有精度高、小样本、容易实现等优点,为再生混凝土收缩徐变获取提供了一条新途径。