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。     

基于非线性支持向量机的隧道煤与瓦斯突出危险性预测

为了有效地预测桃子垭隧道揭煤段是否存在煤与瓦斯突出危险性,文章根据煤与瓦斯突出综合假说及《防治煤与瓦斯突出规定》,确定了影响煤与瓦斯突出的9个关键因素。由于评价因子与突出危险程度之间存在着复杂的非线性映射关系,因此选择了非线性支持向量机(SVM)方法对隧道煤与瓦斯突出危险性进行预测研究。结合项目实际情况确定了各训练样本的具体参数,采用单项指标法、最优分类决策函数及MATLAB SVM Toolbox软件对选定的训练样本进行了煤与瓦斯突出危险性预测对比。通过N7和N8两个测点的预测结果表明,桃子垭隧道揭煤段存在煤与瓦斯突出危险性,必须做好相应的揭煤防突工作。