隧道围岩变形预测的最小二乘支持向量机方法

为及时掌握围岩变形趋势并采取措施加以控制,在岭南高速雪家庄隧道施工过程中,采用一种新的时间序列预测模型--最小二乘支持向量机(LS-SVM).介绍了LS-SVM的基本原理和该预测模型的具体操作步骤,实践表明,该方法不仅应用简便,而且对围岩变形预测精度较高,能够满足实际工程的需要.     

基于支持向量机的隧道变形预测方法

提出一种基于支持向量机的隧道变形预测新方法。支持向量机基于结构风险最小化,具有更强的泛化能力,是一个凸二次优化问题,能够保证所得解就是全局最优解。采用RBF和Bspline核函数学习某隧道前30天的收敛监测数据,用学习得到的最佳支持向量机网络预测30天后隧道的收敛。结果表明,支持向量机回归和预测的最大相对误差不超过6 5%。通过对比发现,Bspline核函数比RBF核函数效果更好。     

挤压性围岩隧道判识及设计方法研究

结合我国兰渝铁路、兰新铁路、成兰铁路等典型挤压性围岩铁路隧道的建设经验,系统性阐述了挤压性围岩的地质背景和构造特征,分析挤压性围岩形成的条件;探讨挤压性围岩的变形机理和变形特征;提出基于变形潜势的挤压性围岩变形等级划分标准,并研究掌子面上易操作的变形潜势判定方法,总结勘察、设计、施工阶段变形潜势划分依据;基于乌鞘岭隧道...     

隧道围岩分级的遗传-支持向量分类耦合模型

针对现阶段围岩分级方法存在的主要问题,提出隧道围岩分级的遗传-支持向量分类方法。结合佛岭隧道施工期围岩分级实践,以公路隧道设计规范BQ分级为基准,分别采用岩石回弹强度和掌子面状态替代饱和单轴抗压强度和地应力状态,并增加节理延展性观察的定性指标,在大量现场测试和室内试验的基础上,给出每个分级指标的现场快速测试方法,并以分级结果作为遗传-支持向量分类算法的训练样本,建立隧道围岩分级的遗传-支持向量分类智能模型。佛岭隧道围岩分级实例表明:该模型分级结果与现场勘测基本一致,且较遗传-神经网络模型有更高的分级准确性,为隧道围岩分级提供一种方法。     

隧道施工围岩变形预测的智能模型

将支持向量回归(SVR)算法引入隧道施工期围岩变形预测,并采用遗传算法来自动搜索支持向量回归算法的模型参数,形成GA-SVR算法。结合香河隧道的施工变形监测,建立起了公路隧道施工围岩变形预测的GA-SVR智能模型。采用此模型对香河隧道后继开挖的监测时间点进行变形预测,并与实测变形对比,所建立的GA-SVR智能模型预测最大相对误差仅为6.99%,平均预测相对误差仅为1.99%,完全可用于公路隧道施工期的围岩变形预测,并为类似工程提供了借鉴。     

基于支持向量机的机车轴承故障诊断方法

通过对机车轴承振动信号的分析处理,提出基于支持向量机(SVM)的故障诊断方法,提取反映轴承运行状态的无量纲系数作为故障的特征向量,并以此作为输入来建立支持向量机分类器,利用SVM网络的智能性来判断机车轴承的工作状态和故障类型.实验结果表明,提出的方法在小样本的情况下仍能准确、有效地对机车轴承的工作状态和故障类型进行分类,实现机车轴承故障的智能诊断.     

基于支持向量机和模糊评判的故障诊断方法研究

将采集到的数据进行模糊化处理,然后运用支持向量机对计算出的模糊样本进行训练,并对其进行模拟仿真,结果与实际试验结果基本相符.克服了根据单一的频谱变化来判断故障的类型,有效地提高了故障诊断性能.     

基于布模拟滤波和支持向量机的隧道三维点云提取算法

针对传统隧道点云提取方法存在先验条件要求较高、参数依赖性较强、通用性较差的问题,提出基于布模拟滤波和支持向量机的隧道三维点云提取算法。介绍隧道三维点云提取算法流程,分析点云数据获取与下采样算法、基于布模拟滤波算法的地面滤波,以及基于支持向量机的隧道点云提取算法,并开展现场验证试验。试验结果表明,基于布模拟滤波和支持向量机的隧道三维点云提取算法,可准确剔除与隧道点云特征不一致的非隧道点云,隧道点云提取具有处理速度快、准确率高、通用性强的特点。但如果隧道中出现大量距离隧道非常接近的物体,且体积较小,该算法会出现较多误判。减少误判是该隧道三维点云提取算法今后的研究方向。     

基于支持向量机与最小二乘支持向量机的闸片识别及磨耗趋势预测

针对检测动车组闸片剩余厚度的需求,设计闸片图像采集系统,通过高速相机与面阵光源的结合使用完成在线闸片图像的采集。介绍支持向量机(SVM)算法的概念,采用SVM对闸片边缘特征进行识别,进而检测剩余厚度。运用最小二乘支持向量机(LSSVM),将SVM的不等式约束变为等式约束,实现闸片剩余厚度的趋势预测。通过将LSSVM检测结果与现场人工测量结果进行对比,验证方法的可靠性。基于LSSVM算法精准预测闸片磨耗趋势,可提供更好的闸片状态修管理模式。     

基于支持向量机的静力损伤识别方法

针对使用静力测试数据进行桥梁结构损伤识别时容易出现误判的问题,基于支持向量机理论,提出1种新的静力损伤识别方法。将损伤识别过程分为损伤发生识别、损伤位置识别和损伤程度识别3个步骤。使用理论计算结果与测试数据比较的方法判断损伤是否发生,采用C-支持向量机分类算法进行损伤位置识别,利用ε-支持向量机回归算法进行损伤程度识别。将该方法与优化识别方法同时运用于1个连续梁试验中。试验结果表明:与优化识别方法相比,支持向量机方法通过分开求解损伤位置和程度,并先进行结构有限元分析,然后再使用支持向量机进行识别,将这2个过程解耦,从而降低了问题的难度,不仅能够正确地识别损伤出现的位置,而且能够得到与实际相符的损伤程度识别结果,并且具有较好的推广能力和较强的抗噪声能力,能够很好地对桥梁静力损伤进行识别。     

一种基于支持向量机的增量学习算法

具有增量学习功能的数据分类技术与普通的数据处理技术相比较,增量学习分类技术具有明显的优越性?在新的训练过程中充分利用了历史的训练结果,从而显著减少了后继训练的时间。介绍了支持向量机的基本理论和一般的支持向量机增量学习算法,针对有些渐变问题(如机械设备的早期故障期和损耗期),新样本所提供的信息量与历史样本所提供的信息量是不同的,给出一种新息加权的支持向量机的增量学习算法,通过循环来获得最优分类面仿真实验表明,采用加权的增量算法更能反映新样本点的特征?     

基于支持向量机的边坡稳定性识别研究

考虑到边坡岩体稳定性问题存在高度的非线性,建立了基于支持向量机的边坡岩体稳定性的判别模型,它是一种基于统计学习理论的识别方法,这种模型非常适合用于对小样本的学习,且训练后的支持向量机判别模型具有很好的推广性能.采用工程实例进行分析,结果表明,基于支持向量机的边坡岩体的稳定性识别模型具有较高的准确率,且操作简便.     

基于粒子群支持向量机的轨道电路故障诊断

支持向量机（SVM）是一种解决小样本分类问题的最佳理论算法,它的核函数的参数选择非常重要,直接影响着故障诊断的准确率。本文将粒子群算法（PSO）用于支持向量机的参数优化,提出基于粒子群支持向量机的故障诊断模型,并将其运用于轨道电路中。通过对比MATLAB仿真结果得出:经过粒子群寻优得到的参数比随机选取的参数更优,所建立的PSO-SVM模型的故障诊断准确率高于普通的SVM模型。     

基于支持向量机的地铁客流量预测

地铁客流量是城市地铁交通运营组织的重要依据,客流随机性较大及其影响因素较多,因此加大了客流预测的难度。为了更加准确地预测城市地铁交通中的客流量,及时对客流组织方案进行调整,设计了一种基于非线性支持向量回归机的地铁客流量预测方法。该方法通过分析已采集数据的影响因素,确定对客流量影响较大的支持向量,然后构建预测模型进行预测。该模型可以通过调整影响因素的强度来提高预测精度。最后,通过算例验证：该方法可以有效地改善预测误差,适用于短期和不确定环境的地铁客流预测。     

基于支持向量机的高速铁路地震预警震级连续预测方法

利用日本K-net强震动数据,研究基于支持向量机的震级连续预测方法.在P波到达后0.5～10.0s范围内,以0.5s为间隔建立预测时间窗,选取12个P波特征参数作为模型输入参数,构建支持向量机的高速铁路地震预警震级预测模型(SVM-HRM),并将模型的震级预测结果分别与传统的震级预测模型以及现行标准进行对比.结果表明:...     

基于模糊最小二乘支持向量机的建设工程造价快速预测方法研究

为实现建设工程造价的快速和准确预测,此文提出基于模糊最小二乘支持向量机的建设工程造价预测方法。该方法可较好解决小样本预测问题,适合于当前工程造价样本数据量少的现状。通过隶属度函数对样本进行模糊化和加权,实现对历史数据和相似数据的优化选择,提高了预测准确性。将标准SVM的二次规划问题转化为线性方程组求解,提高了预测速度。通过对某市地铁建设中区间隧道延米造价估算实例的计算,验证了所提出预测方法的有效性。     

基于TOPSIS的支持向量机法对货车设计方案评价

针对铁路重载货车的不同设计指标进行方案优劣评价。在方案评价理论基础上,运用基于TOPSIS的支持向量机法,将TOPSIS的贴近度函数作为支持向量机评价方案的目标函数,对含有6个目标属性的某铁路重载货车的8个设计方案进行评价。研究结果表明:拥有容积与载重都相对较大,并且最高运行速度较高的方案为优选方案,而单一目标属性十分理想的方案并不是最优方案。根据方案评价结果对比,可以发现对铁路重载货车影响较大的因素为容积、载重及最高运行速度,而自重、轴重和制动距离这3个因素对方案的影响程度相对较小。     

基于支持向量机的双桥静力触探地层自动划分方法

目前,根据双桥静力触探曲线进行地层划分多采用目测经验法和分类图法,目测经验法人为主观性强,并且耗费人力和时间,而分类图法在某些地区适用性不高。为解决此问题,研究了一种基于支持向量机的双桥静力触探地层自动划分方法。以锥尖阻力和侧摩阻力作为输入属性,土类名称作为数据标签,对模型进行训练,将训练好的模型用于土类识别和地层自动划分。应用此方法对天津某地铁工程的双桥静力触探孔进行了地层自动划分,准确率达100%。研究结果表明,基于支持向量机的双桥静力触探地层自动划分方法可以较好进行土类识别和地层划分。