基于支持向量机的隧道衬砌空洞机器识别方法

探地雷达是检测隧道衬砌空洞最为有效的方法之一,但检测数据的解析始终是限制其广泛应用的关键。基于支持向量机的基本理论,文章建立了一套隧道衬砌空洞探地雷达图像的机器识别方法,该方法包括图像预处理、特征提取和支持向量机识别三个步骤。首先,探地雷达图像需经过零时修正、滤波、偏移、增益等预处理以提高信噪比;其次,对图像的时域信号进行分段,在分段信号上提取方差、标准绝对偏差和四阶矩三个统计量作为图像特征;最后,利用已知数据对支持向量机模型进行训练,并用数值模拟和模型试验数据对训练好的支持向量机模型进行测试。结果表明,该方法不仅能够准确识别隧道衬砌和围岩内的空洞,还可以对空洞埋深及横向分布范围做出较准确的判断。     

紧邻大型深基坑的地铁隧道沉降预测方法研究

针对紧邻大型深基坑的地铁隧道因其变形影响因素复杂、变形控制严格而难以准确预测其沉降变形的问题,文章引入对小样本、复杂、非线性数据具有优越预测性能的支持向量机理论,并利用蚁群优化算法搜索支持向量机最优参数组合,建立了优化的支持向量机预测模型。应用该模型对南京市地铁1号线某段隧道的预测结果表明,该模型预测精度高,能够准确反映隧道变形趋势,可以满足紧邻大型深基坑地铁隧道沉降预测的要求。     

基于形貌特征的CO2腐蚀速率预测方法

针对CO2腐蚀过程复杂，难以利用实测数据有效预测腐蚀速率问题，文中以腐蚀形貌图像为对象，利用支持向量机（SVM）构建预测模型，实现对CO2腐蚀速率的预测。对N80钢的CO2腐蚀图像进行灰度处理、灰度增强及二值化处理，提取蚀孔数目和孔蚀面积。经计算获得孔蚀密度及孔蚀率，结合工作温度及CO2分压作为腐蚀速率预测的四维特征向量。以SVM构建预测模型，经测试，可准确预测CO2腐蚀速率，并与神经网络预测结果进行对比，验证了该方法的优越性。     

基于高斯过程机器学习方法的隧道围岩分类模型

针对现有围岩分类方法的局限性,基于工程实例,利用分类性能优异的高斯过程机器学习模型建立围岩类别与其主要影响因素之间的非线性映射关系,进而提出一种基于高斯过程的隧道围岩分类模型,实现不同情况下围岩分类的合理识别.将该模型应用于川藏公路二郎山隧道围岩分类,研究结果表明,隧道围岩分类的高斯过程机器学习模型是科学可行的,与人工神经网络模型、支持向量机模型相比较,该模型具有参数自适应化的优点,能方便快捷地给出合理可靠且具有概率意义的围岩分类评价结果,可对围岩分类结果的不确定性或可信度进行定量化评价.     

基于密度峰值聚类的射流风机智能诊断

为了在无诊断专家以及无诊断知识的情况下,仍然可以准确地对不同类别的故障进行区分,文章提出了一种基于密度峰值聚类(Clustering by Density Peaks Search,DPS)的隧道射流风机轴承智能诊断模型。该模型分别采用小波包变换(Wavelet Packet Transform,WPT)对原始振动信号进行分解,提取各分解后信号的时域指标和频域指标组成联合特征指标,然后利用距离评估技术对联合特征进行评估,并选取敏感特征作为DPS算法的输入,从而实现对隧道射流风机不同状态的自动识别。实验结果表明:小波包分解、距离评估技术能够非常精细地获取故障信息,从大量的故障特征中筛选出敏感特征;同时,密度峰值聚类算法能够很好地自动识别不同的故障类别,增加了整个模型的智能化程度。     

基于支持向量机的交叉口交通事故分析方法

文章基于交叉口交通事故数据,建立交叉口交通事故严重程度的支持向量机(SVM)分类模型,并结合缺一法对影响交叉口交通事故严重程度的特征变量进行分析,得到每个特征变量的权重值,研究各特征变量对交叉口交通事故严重程度的影响,提出相应的防控策略。     

基于半监督SVM的交通方式特征分析和识别

为解决基于手机信令数据识别大规模用户交通方式问题,多维度分析出行方式特征,提出结合主动学习和Tri-training的半监督支持向量机算法。以手机信令出行链为基础,将出行特征划分为距离、时间、速度、出行者属性等四类,并进一步研究多维度特征及其计算方法 ,基于有向无环图设计一种结合主动学习与基于Tri-training的半监督多分类支持向量机。运用HY市手机信令数据构建样本集并训练该分类器,与多种监督学习分类算法进行比较。结果表明主动学习构造的富含信息的已标记样本集可以减少半监督学习的迭代次数,Tri-training半监督支持向量机可以通过大量未标记样本提升分类器准确率,结合主动学习与Tri-training半监督支持向量机算法可以有效地识别手机信令数据出行链的交通方式。     

基于LS-SVM的天然气管网负荷组合预测

针对现有组合预测模型,基于经验风险最小化原则,克服预测精度受组合模型限制的缺点,提出一种基于最小二乘支持向量机（LS-SVM）的天然气管网负荷组合预测模型,并与AR模型、BP神经网络模型、GM（1,1）模型以及最优权重组合模型进行了比较,得出基于最小二乘支持向量机的天然气管网负荷组合预测模型能够得到更高的预测精确度,可为天然气管网的安全运行以及优化调度提供决策支持的结论。     

基于极致梯度提升和支持向量机的高速公路服务区供暖系统健康状态评估

为保障高速公路服务区供暖系统的健康运行,本文结合供暖系统的构成和运行特征,设计了一种用于评估服务区供暖系统运行健康状态的极致梯度提升（Extreme Gradient Boosting, XGBoost）和支持向量机（Support Vector Machine,SVM）的双层机器学习模型,并将系统运行健康状态分为健康、亚健康、故障和异常四个等级。首先,分析电压、电流、水温、机组运行状态、蓄热泵、循环泵和泵运行状态7个子系统的运行特征,使用随机函数和欠采样处理构建特征向量集。其次,采用XGBoost构建下层各子系统健康状态评估模型,并输出各子系统的健康状态。然后,融合各子系统健康状态的评估结果,输入至上层SVM系统评估模型,得到整个?供?暖系统的健康状态。最后,将实验与决策树、AdaBoost和XGBoost等模型进行对比,结果表明所提出的XGBoost+SVM双层机器学习模型相较对比模型而言,不仅判断精度更高,同时还可评估整个供暖系统以及各子系统的健康状态。     

基于IPSO-SVM的双塔斜拉桥线形预测研究

斜拉桥的施工线形控制与预测是斜拉桥安全施工与运营的关键。文章以某大跨度斜拉桥工程为背景,针对大跨度斜拉桥施工线形控制与预测问题,提出了一种基于非线性粒子群算法优化支持向量机的斜拉桥线形预测模型。通过支持向量机建立了影响斜拉桥结构响应的随机变量与主梁线形之间的关系,并采用非线性递减策略改进惯性权重的粒子群算法对支持向量机参数进行优化,得到了斜拉桥线形预测模型。相关计算结果表明:非线性粒子群算法对于支持向量机参数的寻优具有更好的收敛性;基于非线性粒子群算法改进的支持向量机对样本数据的拟合精度最高,平均误差<0.005 m;提出的预测模型可以较为准确地预测主梁节段的线形标高,预测结果与实测值、理论值的平均相对误差<2%,可为斜拉桥施工线形控制提供一定的理论参考。     

基于IAF-SVM的隧道位移反分析研究

在隧道位移反分析方面,文章针对BP神经网络易过度训练样本及小样本精度较低的缺陷,利用支持向量机(SVM)良好的泛化能力,提出了一种基于支持向量机进行隧道工程的弹塑性位移反分析方法。同时考虑支持向量机的性能很大程度依赖于参数的选择,运用改进的人工鱼群(IAF)高效的全局搜索能力,寻找最优的SVM参数,以此避免SVM在参数选择上的随机性。利用FLAC3D软件进行某隧道工程正分析计算,依据若干测点的位移计算结果,运用该方法进行弹塑性位移反演。结果表明,在小样本空间里,该方法的收敛速度和反演精度均优于BP神经网络。     

基于振动监测的地铁风机故障诊断研究

针对地铁机电设备检修管理特点,结合地铁风机故障诊断实际需求,以地铁射流风机振动信号为对象,通过振动监测和计算机技术,对风机的轴系故障、轴承故障、电机故障等信号数据特征进行采集,并实现时域特征、频域特征的提取与分析,进而找到能够区分地铁风机故障类型的信号特征,实现地铁机电设备的精准检修,为地铁设备的状态管理提供理论与应用依据。     

高速公路交织区汇入行为预测研究

构建高速公路交织区汇入决策模型，准确预测车辆汇入行为可以有效地减少汇入风险，缓解因不恰当汇入行为导致的高速公路拥堵。本文提出一种基于CART分类树的车辆汇入行为预测模型，基于NGSIM车辆轨迹数据并综合选取14个影响汇入行为的特征变量对模型进行验证与分析。由预测结果可知：模型的预测效果较好，泛化程度较高，其分类准确率，真正类率和真负类率分别为98.4%,98.5%和94.7%；与二项逻辑回归模型及支持向量机模型预测结果进行对比，分析结果表明CART分类树模型在预测交织区汇入行为上具有更高的准确率与正确率，并表现出更优异的性能。由变量敏感性分析结果可知：汇入车辆速度、辅助车道上前车与主体车辆之间的距离、主体车辆的超车时间等对交织区汇入行为具有重要影响。     

基于SVM的隧道衬砌空洞填充物雷达图像识别研究北大核心CSCD

衬砌背后空洞及其填充物对隧道结构安全具有重要影响,开展空洞探测识别对于结构安全评估和病害处置具有重要意义。首先采用室内试验和FDTD正演模拟相结合的方法,获得了空洞内填充空气、水、干砂、湿砂条件下的雷达图谱数据,并对不同填充物波形规律进行对比分析;然后,基于支持向量机算法对波形特征进行提取和分类识别,建立了一种空洞填充物的人工智能辨识方法。研究结果表明,采用傅里叶变换前的平均值、方差、平均绝对离差和傅里叶变换后的最大幅度值max(fft(X))四个统计量作为支持向量机的识别特征,可以有效区分出衬砌背后填充物的六种类型;当采取单一倾向数据时,识别准确率较好,六种物质二分类问题准确率均可以达到90%以上。     

神经网络在输油泵故障诊断中的应用

人工神经网络是模仿人脑神经元结构、特性和大脑认知功能而构成的新型信号、信息处理系统。本文采用Levenberg Marquardt算法建立了输油泵故障诊断的人工神经网络模型 ,以输油泵常见故障现象作为网络的输入模式 ,对输油泵常见的故障进行分类训练 ,并应用于待识别故障样本的识别计算。结果表明该方法在输油泵故障诊断中是有效的。     

基于网络模型的钢轨裂纹检测方法研究

文章针对钢轨裂纹声发射信号特性人工提取效率低的问题,应用CNN与BiLSTM手段进行钢轨裂纹声发射信号提取的研究,通过预处理采集的实际钢轨裂纹声发射信号,对其特征信息进行提取及分类,分别构建基于一维CNN、二维CNN钢轨裂纹检测模型,证明前者效果优于后者。根据钢轨裂纹信号拥有时序的特性,构建不同递归网络钢轨裂纹检测模型,并对比RNN与LSTM模型检测钢轨裂纹的性能,优化BiLSTM钢轨裂纹检测模型的方法证明能够应用于钢轨裂纹的检测。     

基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM（支持向量机）模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明：(1)误差对比：当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。(2)预测精度：组合模型>BP神经网络>SVM,组合模型的平均绝对误差（MAE）提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。     

考虑配送路径的铁路集装箱二维装载问题

针对铁路集装箱运输零担货物的二维装载问题，建立考虑货物配送路径的空间利用优化模型，提出一种基于货物面积块的混合模拟退火算法，该算法包含用于求解可行装载方案的引导搜索算法和用于优化装载方案的模拟退火算法，并通过算例对优化模型和混合模拟退火算法在求解集装箱二维装载问题的有效性进行验证。结果表明：采用混合模拟退火算法对初始装载方案进行优化后，集装箱空间利用率提高了6.77%。研究成果对于提高零担货物的二维装箱空间利用率和配送效率具有一定参考意义。     

离心泵振动原因分析

振动是泵机组最常见的故障之一,是多重因素的叠加和多种原因的共同作用造成的。由驱动机、泵、流体及管路组成的管输系统是一个有机的整体,振源所处位置并不一定与振动原因存在必然的联系。文中分析了离心泵产生振动的原因,并将自激振动和环境振动进一步分解为机械原因、结构原因、水力学原因和流体力学原因,并详细阐述了4种振动生成原因的内在机理及表现形式。同时,还结合具体实例针对振动故障排查原因,并提出了解决措施。     

基于损伤理论的高速铁路隧道结构振动响应分析

基于Mazars损伤模型和Loland损伤模型,文章将损伤变量引入到Drucker-Prager本构模型中,构建了混凝土材料的弹塑性损伤本构关系,并在FLAC5.0二次开发平台上实现了该损伤模型的计算程序化。利用开发的损伤本构模型,对武广客运专线上某典型高速铁路隧道结构的振动响应进行了计算分析,量化了衬砌结构的动力损伤量,为高速铁路隧道结构寿命预测及结构耐久性评定奠定了基础。计算结果表明,由列车振动荷载引起的隧底沉降和洞周变形很小,均在4 mm以内;列车振动荷载对衬砌结构的不利影响主要表现为结构拉应力增加;衬砌结构的最大损伤主要集中于仰拱迎土侧;振动产生的应力波在衬砌结构内部衰减非常快,列车振动荷载只对隧道底部局部产生一定的影响。