基于SVM的富水岩溶区双线盾构隧道下穿既有线临界安全距离研究

双线盾构隧道在极复杂的岩溶地质中下穿既有线施工时,会对地层造成较大扰动,从而增加既有地表沉降过大或坍塌的风险,严重威胁既有线的运营安全。同时,隧道穿越富水岩溶区域时,需要保持一定距离以避免与溶洞相交,确保双线盾构隧道围岩的稳定性。利用FlAC^(3D)软件建立不同工况组合下双线盾构隧道与左侧溶洞的临界安全距离数值模型,分析不同地下水位对既有线沉降和围岩塑性区范围的影响,并采用正交试验和多元线性回归方法建立双线盾构隧道在不同围岩等级、地下水埋深、开挖隧道埋深和溶洞孔径组合下与溶洞的临界安全距离计算公式。此外,还基于SVM模型对正交试验结果进行机器学习,得到可以预测岩溶地区双线盾构隧道临界安全距离的智能预测系统,实现双线盾构隧道下穿既有线临界安全距离的非线性智能预测。结果表明:当地下水位位于既有线以上时,其水位越高,既有线的沉降量越大、围岩塑性区范围越大,地下水对盾构隧道与溶洞的临界安全距离有很大影响,应用SVM模型和多元线性回归方法确定双线盾构隧道与溶洞之间的临界安全距离是行之有效的。

基于PCA-LDA-SVM算法的茶小绿叶蝉识别

为提高茶小绿叶蝉病虫害的识别效率和精度,提出一种基于PCA-LDA-SVM的茶小绿叶蝉病虫害识别方法。首先,对采集的茶叶图像进行预处理,得到缩放后的图像;然后,利用主成分分析(PCA)对预处理后的图像提取全局特征,降低特征数据的维度,从而减少后续的计算时间;再利用线性判别分析(LDA)寻找特征数据的最优投影空间,使类内散布距离最小,类间散布距离最大,进一步提高识别的准确率和精确度;最后,利用支持向量机(SVM)分类器进行分类识别。试验结果表明,PCA-LDA-SVM模型识别准确率达96%,精确度达100%,召回率达92%,整体识别性能优于SVM,BP,KNN,PCA-SVM模型,具备一定的理论价值和参考意义。

深埋长大隧道地温预测的机器学习算法对比研究

地热对隧道施工、工程结构及运营安全等均有较大的危害,随着我国基础设施建设布局西移,隧道建设的地质条件愈发复杂,隧道埋深和长度不断增加,隧道施工期高温热害问题频发。针对传统地温预测方法中预测精度不高、数据运用不充分,单一机器学习模型解译性差等问题,以A隧道为研究对象,将决策树(decision tree,DT)、支持向量机(support vector machine,SVM)、随机森林(random forest,RF)进行耦合,提出了基于DT-SVM-RF模型的深埋长大隧道地温预测方法。在分析隧道综合测井、地应力及岩石热物理试验、航空物探数据后,选取深度、声波波速等10个影响因子作为模型的输入,采用随机交叉验证和空间交叉验证对模型的鲁棒性、泛化能力进行检验,构建LASSO回归、随机森林、互信息3种回归模型,分析10个影响因子的特征重要性排序。结果表明:在测试集上多元线性回归、支持向量机、人工神经网络和决策树-支持向量机-随机森林(decision tree-support vector machinerandom forest,DT-SVM-RF)模型决定系数(R^(2))分别为0.76、0.91、0.88、0.93,均方误差MSE分别为17.64、6.25、8.46、5.20,DT-SVM-RF模型具有相对更优的预测性能,深度、岩石导温系数、岩石导热系数、最大水平主应力特征较为重要,说明DT-SVM-RF模型能有效地提高地温预测的准确率。研究结果可为类似隧道地温预测提供一种精度更高的可行新思路。

基于非线性特征提取和SVM的人脸识别算法

传统的PCA或LDA都是从像素的二阶依赖上考虑的,对于多像素之间的依赖性或像素的高阶关系不敏感。该文利用核函数方法提取像素高阶相关,并与线性SVM相结合来进行人脸识别。从Yale人脸库上的实验结果可以看出,非线性特征提取是很有效的,并且SVM分类器的性能优于最近邻分类器。

低阶数据映射和特征加权的线性SVM

针对传统线性支持向量机在训练数据集时均等对待每一维输入特征,以及在原始空间直接分类造成预测准确率低的问题,提出低阶多项式数据映射和特征加权相结合的方法,来提高线性支持向量机的分类性能。该方法首先将每个样本映射到多项式核对应的2-阶显式特征空间,从而增加样本的隐性信息,然后使用模糊熵特征加权算法计算每一维特征的权重,通过权重衡量特征对分类结果的贡献大小。从不同数据库选取7个数据集进行测试,在训练时间和预测准确率2个方面将该方法与核支持向量机、线性支持向量机的其他改进算法进行比较。结果显示,随着数据集规模的扩大,训练时间降低一个数量级,预测准确率在一些数据集上取得与核支持向量机相接近的效果。结果表明:所提方法可以有效提高线性支持向量机的整体性能。

一种改进的线性SVM

对模式分类中的近似线性可分问题提出了一种新的近似线性支持向量机(SVM):先对近似线性分类中的训练集所形成的两类凸壳进行了相似变形,使变形后的凸壳线性可分,再用平分最近点和最大间隔法求出理想的分划超平面,然后再通过求解最大间隔法的对偶问题得到基于相似压缩的近似线性SVM。此外,还从理论和实证分析两个方面将该方法与线性可分SVM及已有的近似线性可分SVM进行了对比分析,说明了该方法的优越性与合理性。

适合大样本的线性SVMs快速集成模型

线性SVM具有算法简单、训练和测试速度快等优点,但不能用于解决线性不可分问题。为此,将样本数据集划分为多个集合并分别构造它们的LSVM,然后运用径向基函数的非线性组合来拟合非线性的决策函数,从而解决线性不可分问题。鉴于此,提出了一种适合非线性大样本分类的LSVM快速集成模型FMELSVM。该模型利用径向基函数RBF改善了LSVM的非线性输出能力,同时引进了优化权来提升LSVM的集成效果。UCI数据集的实验结果表明,FMELSVM在处理大样本方面具有较好的性能优势。

核参数遗传选优的SVM在直线电机建模中的应用

采用遗传算法对支持向量机的径向基核参数进行优化,找出了具有较强推广能力的径向基核参数,进而建立了直线电机结构参数与输出性能关系模型,并对模型的有效性进行了验证,为直线电机建模探索了一种有效的方法。

目标识别中SVM线性可分性研究

该文主要研究了目标识别中SVM线性可分的充要条件以及线性不可分时软间隔分类的内涵。首先给出了SVM特征空间线性可分充要条件的简洁清晰、物理意义更明确的证明过程,然后证明了SVM特征空间线性不可分情况下,SVM软间隔分类超平面引入惩罚因子的实质,给出了惩罚因子的新解释。

基于LS-SVM的多传感器气体质量流量测量

针对流量测量中流速分布不规则对气体流量测量精度的影响,提出了一种多传感器气体质量流量测量新方法。该方法基于均速管测量原理,在测量管道中按照对数线性法分布了4个热式气体流量传感器,采集不同特征位置的流量。通过流量标定实验,获得不同质量流量下测量管道内4个传感器的电压。然后利用GA和LS-SVM算法,将传感器电压和气体的质量流量作为训练集,建立了气体流量模型。实际测量中由4个传感器的电压计算出气体的质量流量。不规则流场的流量实验结果表明该方法是有效的。

MFOA-SVM在采煤工作面瓦斯涌出量预测中的应用

针对新安煤矿采煤工作面瓦斯涌出量系统时变非线性特点,建立改进果蝇算法(MFOA)支持向量机(SVM)预测模型。利用FOA具有运算简单、收敛速度快、寻优精度高等优势来优化SVM核函数参数g、惩罚因子c和不敏感损失函数ε,但FOA也存在可能陷入局部最优的不稳定缺陷,则嵌入三维搜索、混沌优化、自适应变步长和最优保留策略进行改进,并利用Rosenbrock测试函数和采煤工作面瓦斯涌出量历史数据进行试验分析,结果表明:该模型预测平均相对误差为2.16%,比其他预测模型具有更高的预测精度、更快的收敛速度、更强的泛化能力,具有一定的实际应用价值。

基于LS-SVM的钢铁企业电炉负荷预测

在钢铁企业电炉负荷预测的研究中,针对钢铁企业电炉负荷震荡剧烈,幅度大,伪周期性等难以准确预测的问题,借助klman滤波对"失真数据"进行预处理,分别采用固定时长和可变时长电炉曲线模型对电炉负荷进行预测,将电炉冶炼状态向量扩展为一个特征向量,进而使特征曲线参数向量的估计问题转化为一个最小二乘问题,采用最小二乘支持向量机算法来求解,仿真结果表明,两种方法均具有良好的预测效果。但在实际冶炼过程中,不同的钢种对应的冶炼时间稍有不同,而模型Ⅱ中典型曲线的长度是弹性变化的,具有较好的鲁棒性。

基于SVM数字波束形成的阵列天线结构对比

引用了阵列结构参数ρ,通过把SVM数字波束形成算法应用到CDMA系统中对阵列结构参数ρ进行研究,分别得出了直线阵和圆形阵的阵列结构参数的最佳取值范围;取阵列结构参数的最佳值,确定直线阵和圆形阵的结构;在此基础上分别研究直线阵列、圆形阵列在不过载和过载情况下的性能,得出了不论在不过载和过载的情况下直线阵和圆形阵都能准确接收期望信号,但当干扰信号和期望信号夹角较小及干扰信号之间夹角较小的情况下圆形阵列不能识别出所有的干扰信号,而直线阵可以准确识别干扰信号并对其零陷;而当干扰信号和期望信号夹角较大及干扰信号之间夹角较大的情况下圆形阵列能准确识别出所有的干扰信号,并对其零陷,而直线虽然也能准确接收期望信号但不能准确识别出所有干扰信号。

基于多元线性模型、支持向量机(SVM)模型和地统计方法的地表水溶解性总固体(TDS)估算及其精度对比——以艾比湖流域为例

地表水溶解性总固体(TDS)是地表水各组分浓度的总指标,是地表水水化学特性长期演变的最终结果,也是表征水文地球化学作用过程的重要参数,TDS的高低直接影响地表水的含盐量.本研究以艾比湖流域为研究对象,结合实测地表水TDS数据;选用准同步的Landsat OLI数据,首先,利用光谱诊断指数选取与地表水TDS相关性较高的波段,其次,利用地统计方法、多元线性回归模型和支持向量机(SVM)模型对TDS进行预测,并对其结果进行精度比较.结果表明,SVM模型为最优估测模型,拟合决定系数R2为0.97,均方误差(RMSE)为50.59;多元线性回归模型的精度与SVM模型精度较为接近,拟合决定系数R2为0.9,RMSE为66.55;地统计克里格插值法预测精度最低,拟合决定系数R2为0.87,RMSE为95.73.遥感估测SVM模型预测值在大区域能较好地反映出艾比湖流域TDS的总体特征.该模型在水质遥感领域的应用中具有良好的可行性和有效性,其预测结果也与艾比湖流域水体TDS的实际分布相吻合,因此遥感估测SVM模型在水质估测中具有一定的应用潜力.

基于SVM的粗骨料膏体性能预测及优选方法

膏体充填能够改变矿区周围岩石的应力状态,减少矿区周围的环境问题,在国内外地下矿山得到广泛应用。膏体合理配比的确定需要进行大量实验,亟需寻找一种简单有效的方法去对膏体的性能进行预测。对此,本文开展了27组配比的强度和坍落度测试,采用PSO、Grid和GA算法优化后的支持向量机(SVM)进行训练,对比分析预测结果对算法进行优选。基于算法模型进行膏体性能预测,采用极差分析手段揭示了不同影响因素对充填体性能的影响,最后采用线性规划原理得到了最佳配比参数。结果表明:核函数的参数c和惩罚系数g随算法不同而变化,不能作为评判预测精度的依据。Grid算法和PSO算法可以分别对坍落度和强度进行精准预测。由于膏体中自由水含量的影响导致坍落度受粗骨料-尾砂比和浓度的影响较大。不同龄期条件下水泥掺量和浓度对充填体强度的影响始终处于主导地位,随着龄期增加粗骨料“骨架”效应逐渐显现。以金川矿山实际充填需求为例,获得其最低成本配比条件为水泥掺量为280 kg/m~3,粗骨料-尾砂质量比为1∶1,废石-棒磨砂比为1∶1.44。

改进的LS-SVM算法及在交通流量预测上的应用

对标准的LS-SVM算法进行了改进,得到一种新的学习算法.这种新的学习算法不仅能减少计算的复杂性,提高学习速度;同时能提高函数估计的精确度.将改进的LS-SVM算法应用于交通流量的预测,同时与传统的多元线性回归及支持向量机方法进行比较,结果表明改进的LS-SVM方法具有较高的预测精度,且实验取得了较好效果.

基于相似压缩的近似线性SVM

为了解决模式识别中的近似线性可分问题,提出了一种新的近似线性支持向量机(SVM).首先对近似线性分类中的训练集所形成的两类凸壳进行了相似压缩,使压缩后的凸壳线性可分;基于压缩后线性可分的凸壳,再用平分最近点和最大间隔法求出最优的分划超平面.然后再通过求解最大间隔法的对偶问题,得到基于相似压缩的近似线性SVM.最后,从理论和实证分析两个方面,将该方法与线性可分SVM及推广的平分最近点法进行了对比分析,说明了该方法的优越性与合理性.

径向基SVM核参数混沌优化及工程应用

采用混沌优化算法,对支持向量机回归建模中的径向基核参数进行优化,找出了具有较强推广能力的径向基核参数.结合直线电机结构参数与性能输出模型的建模实例,证实了所研究方法用于工程建模是有效的.

线性逼近SVM在入侵检测中的应用

引入分段线性识别算法,提出一种线性逼近支持向量机(SVM)入侵检测模型。将特征空间剖分成若干子空间,在每个子空间中基于SVM构造5个最优分类面,将各个分类面链接起来构成5个分片最优分类面以逼近理论上的最优分类超曲面。实验结果证明,该模型的训练时间较短,在噪声数据存在的情况下识别正确率较高。

基于多尺度梯度角和SVM的正面人脸识别方法

为了提高人脸识别算法性能,提出了一种多尺度梯度角(MSGA)和支持向量机(SVM)相结合的新的正面人脸识别方法.分析了梯度角对光照的不敏感特性和反对称双正交小波(ASBW)的导数特性.获取多尺度梯度角特征,并利用其所具有的降噪能力和有效降低表情变化、光照变化等因素引起的影响,使算法具备较强的鲁棒性.采用了分类性能优越的支持向量机技术,提高了泛化能力.并在Yale人脸数据库上与归一化原始数据、小波处理后数据进行了仿真比较,实验数据显示,不论使用主分量分析(PCA)还是线性鉴别分析(LDA)降维,在相同的维数条件下,新方法的识别性能都优于其他方法.