基于粗糙集的支持向量机滑坡易发性评价

区域滑坡易发性评价对灾害中长期预测预报具有重要意义。以三峡库区秭归至巴东段为研究区,利用粗糙集理论对20个初始评价因子进行属性约简,去掉冗余或干扰信息,得到13个核心评价因子,并以此作为支持向量机的输入特征集,构建支持向量机模型,实现滑坡易发性评价。在易发性分区图中高易发区占8.2%,主要分布在童庄河右岸、归州河沿岸、青干河左岸、树坪至范家坪长江右岸、牛口到东壤口长江左岸和巴东附近;不易发区占 52.7%,主要分布于店子湾至巴东旧城以及远离长江水系及植被覆盖度高的区域。通过验证与分析,粗糙集-支持向量机模型在高中易发区中的预测精度为85.6%,其预测能力优于支持向量机模型;与野外调查对比,预测结果与实际情况吻合较好。研究表明,应用粗糙集和支持向量机相结合进行滑坡易发性评价具有预测能力强、计算效率高等优点。     

基于支持向量机的岩体工程分级

提出了岩体工程分级的一种新方法,即支持向量机方法。该方法可以根据有限的学习样本,建立影响岩体级别的条件的因素和级别之间的一种非线性映射,可以对未知的岩体进行工程分级。结果表明,这种方法具有较高的准确率。     

岩质边坡稳定性评价的粗糙集－支持向量机方法

结合粗糙集和支持向量机两种智能算法,建立了基于粗糙集与支持向量机的岩质边坡稳定性评价模型。首先根据有限的经验数据建立属性决策表,通过属性约算法找出影响边坡稳定性的关键因素;然后将所提取的关键信息训练支持向量机。本文以铁路沿线边坡为例,进行边坡稳定性验算,结果表明算法能有效降低边坡稳定性影响因素集数据维数及支持向量机的复杂程度,提高训练速度和泛化能力。     

基于邻域粗糙集和支持向量机的固结系数预测

采用邻域粗糙集和支持向量机建立滹沱河某地区软土固结系数的预测模型。基于自行改装的渗透固结仪,利用公式法确定不同压力下的固结系数。通过室内试验确定土体的指标参数,采用邻域粗糙集对该指标参数进行属性约简,将约简后的指标参数作为影响因素,分别建立支持向量机和神经网络的固结系数预测模型,预测未知样本的固结系数,并与实测值进行对比。结果表明:公式法可以准确客观地确定固结系数;支持向量机和BP神经网络建立的该地区软土固结系数预测模型均可以预测区域内未知点的固结系数,且支持向量机方法的预测精度比神经网络方法的预测精度提高了约10%。本文提出的方法直接从实验数据出发,通过易获取的影响因素建立特定地区固结系数预测模型,并可预测该区域其余未知点的固结系数。     

支持向量机在遥感数据分类中的应用新进展

支持向量机是一种基于统计学习理论的新型机器学习算法,它通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.随着应用面的不断扩大,支持向量机在遥感领域也得到了广泛关注.该算法已经成功的应用于遥感数据的土地覆盖、土地利用分类,多时相遥感数据的变化检测,多源遥感数据信息融合等,并且在高光谱遥感数据处理中得到了广泛应用.综述了支持向量机算法在遥感数据分类中的应用.首先对支持向量机的理论进行简要介绍,进而综述了该算法在不同遥感问题中的应用进展,最后阐述了新型支持向量机算法的发展以及在遥感中的应用.     

基于粗糙集和人工神经网络的洞室岩体质量评价

针对洞室岩体质量问题,从洞室工程的角度选取能够反映岩体综合工程特性的6个参数,用可拓评判和专家审定的方法构建了决策样本集;再利用粗糙集理论对原始决策样本集进行约简操作,并分析各指标对决策的相对重要性;最后将约简结果生成的规则作为人工神经网络的输入,建立了洞室岩体质量评价模型。通过工程实例分析对比,该模型有效地简化神经网络的网络结构,减少网络的训练步数,提高网络的学习效率,能够较准确地反映洞室岩体的工程特性。     

基于遗传支持向量机的地下工程裂隙岩体注浆量预测

提出了地下工程裂隙岩体注浆量预测的遗传支持向量机方法,通过支持向量机对实际注浆数据样本进行学习,建立注浆量及其影响因素之间的非线性映射关系,基于这种关系实现注浆量的预测。模型建立过程中,考虑到支持向量机惩罚因子和核参数对预测精度的影响,以预测误差为适应度,采用遗传算法对最佳参数进行搜索。结果表明,本文方法计算快速,预测精度高,是一种注浆量预测的好方法。     

支持向量机在泥石流危险度评价中的应用研究

为改善传统泥石流危险度评价方法存在的缺陷,提出了基于支持向量机的泥石流危险度评价方法,并建立了支持向量机评价模型。研究选取泥石流一次(可能)最大冲出量(L1)、泥石流发生频率(L2)、流域面积(S1)、主沟长度(S2)、流域最大相对高差(S3)、流域切割密度(S6)和泥沙补给段长度比(S9)7个因子作为泥石流沟谷危险度评价因子,运用支持向量机理论,选用径向基(RBF)核函数,采取"试错法"进行参数优选;确定参数C=8,γ=2。以云南省37条泥石流沟的259个基础数据为样本进行学习训练和测试,建立了泥石流危险度评价的支持向量机模型。并将该模型应用于黄河积石峡水电站库区的泥石流危险性评价中进行验证。将模型评判结果和模糊数学方法的评价结果进行对比分析,结果的一致性达到73.33%。研究认为支持向量机方法能够成功地应用到泥石流危险度评价中,且具有较高的精度及很强的泛化能力,应用前景广阔。     

基于遗传算法优化的支持向量机在岩性识别中的应用

为提高测井岩性识别的精度,本文结合乌夏地区岩芯资料和测井数据,总结该地区砂砾岩测井响应特征,优选出声波、自然伽马、密度、中子孔隙度和电阻率等5条测井曲线参数作为训练和测试样本,通过遗传算法挑选出最佳的支持向量机核函数参数σ和惩罚因子C,建立支持向量机岩性识别模型。结果表明该模型实际数据预测总体符合率为81.6%,在识别准确率上与传统测井识别砂砾岩岩性方法相比都有明显提升。     

泥石流危险性评价的支持向量机模型相关问题研究

泥石流是一种危害性极大的山区自然灾害,其危险性评价的意义在防灾减灾预案中尤为重要。论文结合近十年来支持向量机方法在泥石流危险性评价中的应用情况,重点探讨泥石流不同评价指标的选取、影响支持向量机性能的参数确定、泥石流数据的不均衡性等对评价结果的影响以及泥石流评价模型的可推广性问题。首先,引入粗糙集理论,对选定的泥石流评价指标进行属性约简,筛选出影响泥石流评价结果的核心指标;其次,比较使用较广泛的网格搜索算法、遗传算法和粒子群优化算法3种方法确定的支持向量机的惩罚指标和核函数参数对评价效果的影响;最后,通过对泥石流单沟的不同评价指标和危险等级的实测数据进行训练和测试,建立泥石流危险性评价的改进支持向量机模型,研究泥石流数据的不均衡性对危险性评价结果的影响,并将建立的模型应用于不同区域的泥石流危险性评价中进行推广性验证。研究结果表明支持向量机模型能够应用于泥石流危险度评价中,但其评价精度的高低、泛化能力的强弱与评价指标的选择、支持向量机性能参数的确定、泥石流数据的均衡性紧密相关,在实际应用中应该加强与支持向量机模型相关问题的研究,才能建立具有较好适用性的泥石流危险性评价模型。     

围岩破坏模式识别的支持向量机研究

围岩的破坏受到多种因素的影响,并且各破坏模式之间没有明显的界限,因此其破坏模式的识别是一种模糊、非线性、小样本、高维数的模式识别问题。支持向量机（SVM）是最近发展起来的一种新机器学习技术,已在模式识别领域有很多成功地应用。基于支持向量机的思想,提出了围岩破坏模式识别的支持向量机方法,很好地表达了围岩破坏模式与其影响因素之间的复杂非线性关系。具体算例表明,该方法是可行的,具有一定的准确性。     

利用"岩体裂隙率"评价工程岩体的质量

本文提出用建立在岩体结构面网络三维模拟基础上的“岩体裂隙率”来表征岩体的质量。它可以用来衡量结构面的发育程度及岩体的完整性，评价岩体质量，用于工程岩体分类。     

基于岩体结构面分布分形维的岩体质量评价

尽管岩体结构面具有空间上的不规则性和结构网络上的复杂性,但由于它又具有自相似的特征,可以运用分形理论来对其进行研究。运用盒计维数法对某矿山巷道围岩体结构面分布的分维数进行计算,验证了岩体结构面分布的分形特征。通过对岩体结构面分布分形维值分布规律的分析发现,分形维数越大、结构面分布越密集,结构面迹线越长,岩体质量越差,表明可将岩体结构面分布的分形维作为岩体质量评价的指标。将计算所得的岩体结构面分布的分维数与按工程岩体分级标准对相应岩体分级所得的岩体质量等级进行对比,提出了一个以岩体结构面分布的分形维作为分级指标的岩体质量评价方案。     

SVM在地下工程可靠性分析中的应用

将支持向量机应用到地下工程可靠性分析中,通过将支持向量机分别与一阶二次矩和蒙特卡洛结合,提出了基于支持向量机的可靠性分析方法,利用数值模拟构造学习样本,通过支持向量机学习,建立变形与随机变量之间映射关系的支持向量机表达,进而实现隧道极限状态函数及其偏导数的显式表达,从而计算隧道的可靠性指标。该方法避免了传统可靠性分析的缺点。算例分析结果表明,该方法计算效率高、结果可靠,对含有大量随机变量的复杂岩土工程可靠性分析具有很大的潜力,具有广泛的应用前景和工程价值。     

基于粗糙集的隧道围岩质量可拓学评价

将粗糙集理论与隧道岩体质量评价相结合,把权系数问题转化为粗糙集中属性重要性评价问题,建立了关于隧道岩体质量评价的关系数据模型。通过实际隧道岩体质量等级的权系数计算,对隧道岩体质量进行了基于粗糙集的隧道围岩质量可拓学评价,并将评价结果与实际的评价结果对比分析,认为基于粗糙集的隧道围岩质量可拓学评价能反映隧道岩体的工程特性。     

结构面三维网络模拟在岩体质量评价中的应用

岩石质量指标RQD是反映工程岩体完整程度的定量参数,广泛用于水利水电、矿山、地下工程、交通工程等岩体稳定性评价,但是传统的RQD定义不能满足实际工程岩体各相异性要求。针对贵州黔中水利枢纽工程拱坝坝基岩体结构面特征,利用Monte-Carlo法在计算机上生成岩体节理三维网络图,建立了模拟计算不同阀值t的岩石质量指标RQDt的计算机模拟方法。该方法能较真实客观地描述岩石质量。     

三维岩体质量的多重分形评价及分类

岩体中结构面的存在往往会对岩体质量造成显著影响。笔者剖析了传统岩体质量指标的不足,以白云鄂博铁矿主矿边坡岩体为例,在工程地质测绘的基础上,利用蒙特卡洛（Monte Carlo）法仿真出三维岩体结构网络图,从多重分形几何的角度出发,计算和绘制出其表征岩体结构分布和复杂性的多重分形谱,对岩体质量作出定性评价和定量分析,并且进行了岩体质量的多重分形分类。     

改进遗传算法和支持向量机的岩体结构面聚类分析

岩体结构面控制着岩质边坡和地下洞室等岩体工程的稳定性,在岩体力学及水力学分析中起到关键作用。为对岩体结构面进行合理分组,精确地模拟岩体结构面网络的分布,提出一种融合改进遗传算法和支持向量机的聚类方法。首先,根据岩体结构面产状信息建立结构面分组的数学模型,采用改进的遗传算法计算结构面样本的全局最优聚类中心,再以聚类中心为训练样本,利用支持向量机方法将结构面样本进行完全划分。通过随机产生的结构面数据以及实际工程的运用表明,遗传-支持向量机聚类算法对岩体结构面的分组合理,获得的优势结构面结果可靠。