基于小波降噪与最小二乘支持向量机的公路软基沉降预测模型

根据沉降数据的特性,以最小二乘支持向量机为核心技术构建预测模型,提出了一种路基沉降预测的新方法。由于测量误差不可避免,沉降数据通常含有噪声,不宜直接进行拟合,因此首先采用小波分析的方法对原始沉降数据进行降噪预处理,然后馈送到最小二乘支持向量机完成沉降预测。最后用某高速公路实测数据进行了实例分析,并与BP神经网络预测结果进行了对比,计算结果表明,小波分析结合支持向量机的模型有较好的预测精度,将该模型应用于公路软基沉降预测是可行的和值得研究的。     

支持向量机在公路软基沉降预测中的应用

针对公路软土地基沉降发生的过程多变量、强耦合、强干扰、大滞后的复杂特性,提出利用支持向量机(Support Vector Machine,SVM)对公路软基进行沉降预测建模,使用加载过程中的沉降观测数据作为训练样本集,建立可依据现场测量数据对软基沉降量随时间发展的过程进行动态预报的分析方式.仿真试验和实践结果表明,该模型能够更准确地反映实际沉降过程,且满足精确性和适用性的要求.     

基于最小二乘支持向量机的AMT离合器片表面温度预测

在分析离合器接合过程的动力学和摩擦表面热负荷主要影响因素的基础上,选择接合正压力、接合转速、滑摩时间等参数,利用最小二乘支持向量机理论建立了离合器片表面最高温度的智能预测模型,并设计了台架试验方案.试验结果验证了该模型的有效性.     

基于最小二乘支持向量机的公路工程造价预测模型

由于公路工程造价的影响因素错综复杂,且历史数据非常有限,使公路工程造价预测成为典型的小样本条件下非线性回归问题。针对传统的回归方法解决这类问题的不足,该文提出一种新型的公路工程造价预测模型。该模型基于最小二乘支持向量机的基本原理,结合公路工程的具体特征,实现了公路工程造价的智能化预测。新模型充分发挥了最小二乘支持向量机在解决有限样本及非线性回归问题中的优势,建立了较准确的预测模型,且训练速度较普通支持向量机更快。实证数据分析验证了本模型的有效性。     

基于最小二乘支持向量机的彩色磨粒图像分割

分析了磨粒的自动识别研究在铁谱技术发展和应用中的重要性。指出铁谱磨粒图像分割是磨粒自动识别的重要环节,铁谱图像所包含的彩色信息对磨粒识别和磨损形式分析非常重要。将最小二乘支持向量机LS-SVM用于彩色磨粒图像的分割,利用模糊c均值选取训练样本,把磨粒图像的R,G,B分量,同一像素点各分量的方差以及像素点邻域像素均值作为特征,对彩色磨粒图像分割,取得了很好的效果,为磨粒自动识别提供了更有效的信息。     

基于AGA-SVM公路软基沉降预测

由于公路沉降影响因素较多,加之沉降计算参数的变异性,很难通过理论方法准确算出任一时刻的沉降,因此根据已有沉降观察数据对之后沉降进行预测成为研究热点。支持向量机以其优异的非线性拟合及泛化能力被广泛运用于沉降预测,但是其沉降预测精度依赖于参数C、σ、ε的取值。因此采用自适应遗传算法对支持向量机主要参数寻优,建立了自适应遗传算法支持向量机(AGA-SVM)沉降预测模型,进一步提高了预测的精度。并以广东省兴(宁)汕(头)高速公路中某断面处部分沉降观测数据为训练样本,运用AGA-SVM预测模型对该路堤短期沉降进行预测,预测结果与实测数据吻合良好。     

基于最小二乘支持向量机的车型识别算法研究

以感应线圈车辆检测器检测数据为分析基础,给出了基于Bayes理论的感应曲线自适应特征提取流程和方法,对选取的12个统计特征指标进行提取和优选。选择了曲线宽度、最大值、波峰数量、最小波谷值和波谷比组成车型识别模型的特征输入向量,不仅降低了输入向量的维数,缩短了最小二乘支持向量机的训练时间,同时也可加快车型识别的分类速度,增强特征值的分类辨别能力,提高车型分类的可靠性。在提出的基于最小二乘支持向量机的车型识别算法中,采用了修剪算法,加快了计算速度,同时保持了良好的回归性能。通过实例分析证明:基于最小二乘支持向量机的车型识别算法可提高自学习能力和识别准确率。     

公路软基沉降双曲线预测法的进一步探讨

双曲线法是一种重要的沉降预测方法。由于待定参数少且其易于确定，表示的沉降发展规律与许多实际工程相符合，因而广泛应用于公路软基沉降预测中。本文通过汕汾高速公路实例，对双曲线法进行公路软基沉降预测的影响因素进行了深入分析，并提出了改进沉降预测精度的措施。     

最小二乘支持向量机在隧道围岩变形预测中的应用

针对基于标准型支持向量机(Vapnik SVM)的岩体变形预测方法计算复杂度大、应用不便的缺点,提出一种基于最小二乘支持向量机的围岩变形预测方法.该方法结合开挖岩体具有高度不确定性的特点,将其作为一个时变系统考虑,首先采用滑动时窗方式选取学习样本,然后利用获得的样本训练最小二乘支持向量机预测模型.利用这种方法对雪家庄隧道围岩变形进行预测,分析结果表明,该方法具有较高的预测精度,是一种简单可行的变形预测方法.     

支持向量机在路基沉降预测中的应用

在介绍了支持向量机基本原理和实现算法的基础上,将它应用于软土路基填筑施工中的沉降预测,提出了一种有效的预测方法,并构造了预测路基沉降的支持向量机模型。经过与传统BP神经网络方法预报结果比较,表明该方法在较少训练样本的情况下具有精度高、泛化能力强的特点。取得了较BP神经网络建模方法更好的预报效果。为预测填筑施工引起的软土路基沉降提供了一种新的方法。     

基于LS-SVM模型的无级变速器夹紧力控制系统故障诊断

在不增加硬件成本和过大的运算量的前提下,研究了基于模型的无级变速器夹紧力控制系统故障诊断方法.提出了根据测得的信号以及全局和部分元件诊断模型的输出结果来完成故障隔离与定位的诊断策略;针对系统的非线性特征,采用最小二乘支持向量机建立反映其输入输出关系的非线性预测模型.测试结果表明所建立的故障自诊断系统具有较高的精度和反应速度,可以粗略地实现故障的隔离和定位.     

关于公路软弱土地基沉降及地基处理问题的探讨

近年来,在河南高速公路建设中,软弱土地基的处理越来越普遍,工作量及资金投入也不断增大,科学地确定地基处理范围及方法既可以避免浪费,又可以确保工程不留隐患.对此提出了一些建议.     

基于相空间重构和支持向量机的盾构滚刀岩机实验台轴承状态趋势预测

以盾构滚刀岩机作用实验台为研究对象,提出一种基于相空间重构和最小二乘支持向量机的盾构轴承状态评估及预测方法。该方法将一维时间序列重构到高维相空间中,利用相点作为支持向量机输入,自适应地对特征进行选取,并结合支持向量机非线性回归的优点,可有效预测轴承的运行状态。对实际采集的盾构滚刀岩机实验台的轴承信号进行研究分析,发现本算法的预测结果明显优于BP神经网络。将本文算法应用于工程实践,可以对盾构关键轴承状态评估和预测,能够为盾构轴承的定期保养和维修提供有效的指导。     

砂桩在平蛇公路软弱地基处理中的应用

通过过置换和排水作用，砂桩处理技术可使软弱地区形成复合地基，达到了提高地基承载力和缩短沉降时间的目的。本文简述砂桩在平蛇公路软弱地基处理中的应用。     

砂桩在平蛇公路软弱地基处理中的应用

通过置换和排水作用,砂桩处理技术可使软弱地区形成复合地基,达到了提高地基承载力和缩短沉降时间的目的.本文简述砂桩在平蛇公路软弱地基处理中的应用.     

两种预测软基沉降方法的对比分析

在软土地基上修筑高等级公路,能否确保工期、质量,关键在于能否正确估算地基最终沉降。以江苏沿江高速公路常熟段工程为依托,采用三点法与星野法两种理论推算其最终沉降,通过实例对比分析了两种方法计算的最终沉降,探讨了两种方法的影响因素。结果表明,两种方法所计算的沉降值与实测值都较为接近。     

高速公路软基处理与固结沉降分析

根据江西景婺黄高速公路浮梁软基试验段典型断面软基变形和孔隙水压力监测结果,对监测断面工后软基沉降量和固结度进行了计算。在此基础上,分析了软土地基袋装砂井+两层土工布+砂垫层的处理方法的加固效果,以及不同的砂井深度和间距对软基工后沉降量以及固结度的影响,得到了适合于景婺黄高速公路浮梁软基填筑法施工的路基固结沉降计算方法,以及袋装沙井的合理深度和间距。     

基于BP-ANN技术预测软基沉降研究

以某高速公路工程为依托,采用BP-ANN(BP人工神经网络)技术预测其软基沉降量。研究结果表明:模拟计算的数据合理,且相对传统的预测方法——一维固结理论法来说,精确度更高,实测结果验证了采用BP-ANN技术预测软土地基沉降量效果显著。