基于逐类组合支持向量机的边坡稳定性预测研究

首次采用逐类组合支持向量机（TCSVM）方法,用于解决边坡稳定性预测的问题。模型是先用支持向量分类机（SVC）对边坡状态进行判识,然后用支持向量回归机（SVR）建立边坡安全系数预测模型,再用建好的模型对未知边坡的稳定性进行判别和安全性系数预测。利用模型对71个边坡实例中的61个进行学习,10个进行检验。结果表明:TCSVM对边坡安全系数的预测结果均优于SVM和PCA-SVM。表明逐类组合支持向量机方法提高了安全性系数预测的准确率,对边坡稳定性研究具有积极意义。     

岩质边坡稳定性 SVM 预测模型的新型核函数应用

导致岩体破坏的影响因素复杂多样,一般分为几何因素和物理因素。目前针对均质体的岩质边坡物理参数取值方面的研究较多,而关于改进的二折线岩质边坡模型的影响因素分析还处于起步阶段,且寻找能够解决各因素之间非线性关系的分析方法是十分必要的。基于二折线边坡计算模型,引入能够解决高维非线性问题的支持向量机方法,通过重要参数的敏感性分析,提出一种新型的综合核函数,论证该方法在岩质边坡稳定性预测分析中的可行性。通过各因素的敏感性分析可知,关于边坡的几何因素,采用RBF核函数所建预测模型精度较高,Sigmoid核函数适用性较差;关于边坡的物理力学因素,采用Linear核函数所建预测模型精度较高,Polynomial核函数和Sigmoid核函数适用性较差。经核函数矩阵组合得到一种新型综合核函数,并与4种常规核函数进行预测效果对比,结果表明,采用新型综合核函数所得岩质边坡稳定性预测精度最高,绝对误差不超过0.010 3,相对误差不超过2.83%。研究结论可为岩质边坡稳定性分析提供一种新思路。     

基于支持向量机和改进BP神经网络的路基边坡稳定性研究

针对京新高速公路项目在建设中遇到的裂缝、滑移、倾倒等大量边坡稳定性问题,为了探讨边坡岩土体参数与边坡稳定性间的相关关系,以及保证研究项目路段在运营期间的行车安全,实现公路网尤其是山区公路的安全、高效、便捷运行,在已有研究的基础上,分别建立了支持向量机以及附加动量因子mc而改进后的BP神经网络两种边坡稳定性预测模型。通过引入45个训练样本,对5个工程边坡实例的安全系数进行预测计算,分析了两种模型的平均误差和最大误差,比较了两种模型的预测精度和适用范围,并且对京新高速公路胶泥湾至冀晋界路段的工程边坡稳定性进行了预测。结果显示,样本训练阶段,支持向量机和BP神经网络两种模型均具有较高的模拟精度,而BP神经网络更优;在样本预测阶段,支持向量机的预测精度明显优于BP网络;当随着样本容量不断增大时,两种计算模型的预测精度也逐渐提高;通过结果可以得出,支持向量机预测模型有较强的外推能力和预测计算的有效性,可以更好地描述边坡稳定性复杂的非线性关系,更适用于边坡稳定性的预测分析。     

基于天气影响的岩坡植草基材优化组合试验研究

通过室内正交试验,对于岩质边坡植草护坡的基材主要组成成份,进行了强度影响因素大小的数理统计分析,得出在施工后一定时间内,在天气变化的影响条件下所需采用的基材优化配比组合方案,使基材强度值达到最大,其结果对岩质边坡基材施工具有重要意义。     

含弱面岩质路堑边坡开挖坡角优化设计方法及应用

根据含软弱面岩质边坡的岩体结构特点,概化出含弱面岩质路堑边坡开挖坡角优化模型。建立了基于极限平衡方法的计算含软弱面岩质边坡最优开挖坡角的方法。将这种方法运用于某公路路堑高边坡的实践中,确定了影响其最优开挖坡角因素并确定了正交试验方案表,采用正交试验对各因素进行了敏感性分析,确定了该公路含弱面岩质路堑边坡的最优开挖坡角的合理取值范围,最后通过对该公路边坡实例的分析,证明这种计算模型作为一种计算最优开挖坡角简便途径的有效性和实用性。     

基于SVR的互联液压缸力学性能预测

为进一步研究实际工况下非线性因素对互联液压缸力学特性的影响,对互联液压缸进行了力学性能台架试验,分析了互联液压缸的非线性因素对其力学输出的影响。鉴于传统数学模型无法准确反映互联液压缸动力学特性,并为减小传统支持向量机算法数据回归拟合误差,引入不敏感损失函数,构建互联液压缸力学性能回归型支持向量机预测模型进行预测,并将预测结果与试验数据进行对比。结果表明,采用回归型支持向量机预测模型具有更好的预测精度,为揭示互联悬架力学特性提供新的研究思路。     

基于PCA-SVM的边坡稳定性预测模型研究

提出了一种基于主成分分析(PCA)和支持向量机(SVM)的边坡稳定性预测模型。首先分析了影响边坡稳定性的因素,采用主成分分析方法求取主成分;再将主成分作为输入对支持向量机进行训练,并利用遗传算法优化支持向量机参数;最后通过实例与常用寻参方法所得结果进行比较。结果表明,该法能减少输入变量维数,提高了边坡工程稳定性的预测精度。     

堤坝管涌发生的预测方法研究

分析了堤坝管涌发生的机理和影响堤坝管涌发生的重要因素,选取了8个实测指标作为预测依据,建立了距离判别分析模型和支持向量机法的堤坝管涌预测方法,并和神经网络方法进行了对比分析。通过对23个堤防管涌工程实例的研究表明,距离判剐法和支持向量机法预测模型性能良好。基于神经网络核函数和径向基核函数的支持向量机具有更高的预测精度,支持向量机法是解决堤坝管涌预测问题的有效方法,可以在实际中应用。     

影响落石距离相关因素分析及预测研究

通过室内模型试验,研究了不同落石形状、质量、边坡覆盖层厚度对落石水平距离的影响程度。结果表明:形状对落石距离影响最大,质量无明显影响,边坡覆盖层在减少落石距离的同时也增加了变动区间。用偏移比公式对落石距离进行处理得到建议偏移比取值为0.3。将边坡平均坡度、边坡高度、坡面条件、落石质量、落石形状作为输入因子,运用BP神经网络模型进行预测,预测结果表明,该模型能很好地预测落石距离。     

山区铁路危岩落石运动特征及防治研究

以燕山中山区某高陡边坡危岩落石地段铁路路基为依托,根据危岩落石发育特征及现场调查资料,运用ROCKFALL软件建立高陡边坡落石运动分析模型,系统研究落石运动特征;揭示落石弹跳和冲击特性;预测落石运动轨迹和落点分布规律,统计分析出陡坡上约7.5 %的危岩体失稳后将侵入路基,在此基础上提出了在陡崖顶部设置1道张口式帘式网的防治设计方案。     

基于支持向量机的交通事故组合预测方法研究

对灰色理论、神经网络和支持向量机的预测模型进行了研究,对灰色理论、神经网络和支持向量机3种预测方法进行了线性组合、神经网络组合和支持向量机的组合预测.以1995～2004年某公路路段的交通事故次数为例,与单一预测方法结果、线性组合预测和神经网络组合预测进行对比,认为支持向量机组合预测方法比较精确.     

基于支持向量机的高速公路意外事件检测模型

为建立快速高效的高速公路意外事件自动检测系统,提高意外事件救援效率,就高速公路意外事件检测中的关键技术进行了研究。在剖析现有模型特征的基础上,引入支持向量机理论,建立了基于支持向量机的高速公路意外事件检测模型。利用自主开发的EAD-Simulations系统所建立的数据库,对模型进行了仿真试验,分析了不同核函数对检测性能的影响,研究了单侧输入与双侧输入、不同输入特征因素组合的性能指标。结果表明:与California 8#算法相比,该模型检测率提高了179%,误检率降低至0.50%,平均检测时间缩短了81%;同时得到了上游占有率与流率组合的最优输入特征。     

顺层岩质边坡变形破坏机理分析

目前,关于顺层岩质边坡失稳的研究多注重于力学模型和计算方法的建立,而忽视地形地貌、地层结构、微构造等因素对顺层岩质边坡变形破坏的影响。以道路工程砂、泥岩互层边坡失稳为例,综合考虑坡体结构、地层结构、微构造等多个因素,通过有限元数值模拟,对顺层岩质边坡的变形破坏机理进行研究,分析了多临空面组合、不等厚互层结构岩质边坡的变形破坏模式,并针对其变形破坏模式提出了相应的处治措施。     

道路边坡危岩落石运动路径研究

为了研究公路边坡落石灾害的危害程度和危害风险,利用数值分析手法计算了危岩落石在沿坡面的完整运动路径。根据边坡坡度、落石和山坡面的减衰系数、落石速度等,提出一种减衰反弹接触法(DROM)的落石运动路径分析手法,以探究落石的运动特征、方向和角速度。考虑落石为多边体的非质点刚体,利用刚性的回转运动建立非质点的运动方程式。在二维落石运动路径的实例数值分析中,明确了落石水平垂直方向的运动路径、角速度和跳跃高度,为防灾减灾的工程措施提供必要的计算数据。     

基于机器学习的汽车后视镜气动噪声预测方法

针对传统风洞试验、数值模拟等方法计算噪声值费时长、资源消耗大等问题,提出一种基于机器学习的气动噪声预测方法。以后视镜特征参数为数据集输入,对不同特征参数下的后视镜模型进行瞬态流场与声场联合仿真,将计算得到的总声压级值作为数据集输出,分别用不同数量的样本数据训练支持向量回归机,通过建立的预测模型对同一测试集进行预测得到总声压级预测值。结果表明,基于支持向量回归机的预测方法能得到与计算值误差较小的预测结果,在较少样本数据支撑下也具有较高的预测精度,可用于汽车后视镜气动噪声的预测。     

基于GA-SVM优化方法的PC斜拉桥线形控制分析

通过将遗传算法和支持向量机相结合,建立了用于PC斜拉桥主梁标高误差预测的自适应GA-SVM模型。采用遗传算法对传统的支持向量机进行改进,利用其强大的全局搜索能力求解出支持向量机的最佳参数组合。将该模型用于梅溪河斜拉桥施工过程主梁标高误差预测。结果表明:该模型具有较高的学习和泛化推广能力,给出的预测结果令人满意。     

路面结冰时间预测方法

通过室内控制试验获取路面结冰相关数据,将温度、风速及降雨量作为输入变量,结冰时间作为输出变量,建立了路面结冰时间的多变量多项式回归预测模型;引入核函数,将路面结冰预测问题转化为高维空间中的线性回归问题,构造了多输入、单输出的支持向量机路面结冰时间预测模型。将预测结果与实测数据进行比较。结果表明,两类方法均能较好地预测路面结冰时间,四次多项式统计模型预测值与实际值的相关性为0.974,支持向量机预测值与实际值相关性为0.99,支持向量机预测结果更精确,表明支持向量机更适用于处理小样本、非线性、维数灾难和局部极小等问题。     

基于模糊层次分析法的岩质边坡危险性预测分析

结合各种工程实践和工程规范建立岩质边坡稳定性的评价因素,同时以模糊数学原理为基础,由地区专家打分法确定评价因素的判断矩阵,建立了适用于福建省岩质边坡危险性预估模型,并且应用于一工程案例。结果表明:该方法能进行边坡危险性等级预测,可供地质灾害治理的决策部门提供参考。     

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。     

某铁路停车场边坡危岩落石运动分析及防治措施研究

危岩落石是山区铁路沿线主要的地质灾害类型之一,由于危岩落石运动的不确定性,目前对于落石区域的预测及危险等级的划分没有可靠的方法,在实际工程设计过程中,亦无规范或标准规定的计算方法。对此,在现场调查与分析的基础上,运用ROCKFALL软件,对某铁路停车场边坡危岩落石进行综合模拟,并预测危岩落石可能达到的区域,揭示崩塌落石的冲击特性;通过统计分析划分出落石危险等级区域,并在此基础上提出了该铁路停车场边坡崩塌落石的防治措施。