成员动机、组织环境视角下项目型组织成员知识转移效果——基于SVM-MIV方法兼与BPNNs-MIV、LR的对比分析

采用BP神经网络、支持向量机方法研究项目型组织成员知识转移动机、组织情景对其知识转移效果的影响,避免条件假设所带来的人工误差。研究证实组织目标一致性、组织凝聚力、组织支持感等组织情境因素对组织成员知识转移动机的差异化影响,为促进项目型组织知识转移的实现提供理论借鉴,并为今后社会科学问题的实证研究方法提供新的思路。

基于MIV-SVM的混凝土结构工程质量控制模型应用研究

为科学有效地智能管控混凝土结构工程质量,实现施工过程质量的智慧化管理。结合实例,应用综合优选法对SVM预测模型参数进行优选决策,并确定项目混凝土结构工程质量评价指标体系,进而使用Matlab平台对混凝土结构工程的质量形成过程进行预测仿真,通过MIV算法对SVM模型进行敏感性分析,得到模型各敏感性输入指标参数的重要性排序。结果表明:FMEA-SPSS-AHP综合优选法的运用为智能算法模型参数的科学合理选择提供了新的思路,应用MIV-SVM模型进行工程质量控制,对提高混凝土结构工程质量的预控管理水平具有重要的指导意义和应用价值。

基于GA-SVM的露天矿抛掷爆破抛掷率预测

分析了高台阶抛掷爆破的机理过程,并从自然地质、爆破设计和人为操作3个角度出发,结合某矿区的实际开采情况,提取其中10个参数作为影响该矿区抛掷爆破效果的主要因素,以爆破领域中广泛接受的抛掷率作为抛掷爆破效果的评价因子,采用此矿区爆破生产中的实际数据建立了基于遗传算法优化的支持向量机模型GA-SVM。基于建立的GA-SVM模型,采用平均影响值(Mean Impact Value,MIV)作为评价标准,对各因素的影响程度进行了评定。结果表明:①GA-SVM模型能够比较快速、准确地根据此矿区的爆破设计参数预测出抛掷爆破的抛掷率,平均预测精度稳定在83.75%,与其他智能算法如BP,RBF,GRNN相比,GA-SVM具有更好的鲁棒性和更佳的预测精度。由于计算流程的统一性和预测方法的普适性,GA-SVM模型对于其他抛掷爆破参数(如最远抛距、松散系数等)也具有良好的外推性;②对于此露天矿区而言,在其自然因素(如岩性等)和爆破设计因素(如炸药类型、起爆顺序、装药结构等)已确定的情况下,台阶高度、炸药单耗与抛掷率正相关,且台阶高度比炸药单耗对抛掷率的影响更大;而最小抵抗线、坡面角和剖面宽对于抛掷率呈现负相关,其他影响因素对于此露天矿抛掷率的影响较弱。

基于测井解释模型与平均影响值法联合优化的煤层气含量预测方法

为了进一步提高地球物理测井技术对煤层气含量的预测效果,本研究提出将煤储层含气性测井解释模型(LIM,Log Interpretation Model)参数引入到煤层气含量预测模型的构建过程中,并基于平均影响值法(MIV,Mean Impact Value)优选了支持向量机(SVM)建模输入参数.最后通过网格搜索法构建了一种用于预测煤层气含量的LIM-MIV-SVM模型,并以淮南煤田实际测井资料为例,对比分析了构建的LIM-MIV-SVM模型与测井曲线多元回归模型、常规测井SVM模型和LIM-SVM模型的煤层气含量预测效果.结果表明:LIM-MIV-SVM模型对煤层气含量的预测精度最高,其次是LIM-SVM模型和常规测井SVM模型,测井曲线多元回归模型的预测精度最低,说明机器学习方法相比于传统的测井解释方法存在优势,合理地引入煤储层测井解释参数对于提高煤层气含量的预测精度是可行的.构建的LIM-MIV-SVM模型是多源测井数据融合和输入数据集筛选共同优化的结果,能够为煤层气资源勘探及其储层评价提供技术支撑,且本研究的建模策略及思想也可广泛应用于其他机器学习建模研究领域.