排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
基于PCA-GEP算法的边坡稳定性预测 总被引:4,自引:1,他引:4
提出一种基于主成分分析的基因表达式程序设计算法,并将其用于边坡稳定性预测。该算法先采用主成分分析法对样本数据进行预处理,有效地减少预测模型的输入量,消除输入数据间的相关性,再将得到的新样本数据输入基因表达式,构建边坡稳定性的预测模型。利用该预测模型对82个危险圆弧破坏边坡实例中的71个实例进行学习,对另外11个实例进行预测,取得了较好的效果。在保留传统的以误差值作为评判模型优劣标准的同时,引入AIC信息准则法,分别对v-SVR算法和GA-BP网络算法和PCA-GEP算法三种预测模型进行比较分析,结果表明,运用该算法可以获得更优的预测模型,其预测结果比v-SVR算法和GA-BP网络等其他算法得到的结果具有更高的预测精度。工程实例计算表明,该方法是合理、可行的。 相似文献
2.
针对岩爆现象发生的不均衡及发生机理受多因素影响的问题,在分析重取样技术的基础上,设计并实现了自适应选择近邻的混合重取样算法,并将其用于岩爆危险性预测.该方法结合过取样和欠取样方法的优势,改进了SMOTE过取样算法在产生合成样本过程中存在的盲目性及只能复制生成数值属性的问题,新算法能根据实例样本集内部分布的真实特性,自适应调整近邻选择策略,对不同属性的数据采取不同的复制方法生成新的少数类实例,控制和提高合成样本的质量;并通过对合成之后的数据集,用改进的邻域清理方法进行适当程度欠取样,去掉多数类中的冗余实例和边界上的噪音数据,减少其规模,在一定程度上达到相对均衡,从而,可有效地处理非均衡数据分类问题,提高分类器的性能.该算法在VCR采场岩爆实例上进行实验,预测的结果与实际情况完全一致,表明在工程实例岩爆危险性实例数据非均衡情况下实施混合重取样方案是可行的,预测准确率高,具有良好的工程应用前景.采用该方法可找到岩爆发生的主控因素,为深部开采工程的合理设计与安全施工提供科学依据. 相似文献
1