地矿工程可视化仿真中品位与储量的计算实现

通过品位与储量等矿石属性计算的实现,为矿床的三维可视化仿真提供体素处理手段. 首先对原始采样数据进行预处理,以构造满足需要的规则体数据;其次,提供了泰森多边形法、距离幂次反比法、克立格法等三种插值方案,供用户结合矿山实际选择适合的计算方法;最后基于不同插值方法下的规则体素信息计算任意指定范围下的矿石品位、储量等属性.     

基于遗传算法优化的支持向量机品位插值模型

将支持向量机(SVM)和遗传算法(GA)集成应用到矿体品位插值问题中,利用遗传算法全局搜索的优势对支持向量机的三个关键参数——惩罚系数C、不敏感系数ε和核函数参数σ进行寻优,克服单纯支持向量机法中依靠经验确定参数的局限性.将优化参数代入到支持向量机中进行迭代训练,得到基于遗传算法参数优化的支持向量机(GA-SVM)矿体品位插值模型.以国内典型矿山的实际勘探数据为例,通过该品位插值模型计算结果与传统插值方法计算结果和矿山生产实际数据的对比分析,验证了其可行性和有效性.     

基于泰森多边形法的空间品位插值

为使泰森多边形法能够用于三维地质体的空间属性插值,生成规则网格结构化体数据,利用取样数据的空间分布特性,提出了用于空间插值的方案,通过分析泰森多边形的性质,无需真正构造泰森多边形,建立了具有距离相关性的品位插值关系,从而解决了泰森多边形法的空间品位插值问题。实例验证表明,该插值方案是可行的,插值结果是理想的。     

三维可视化环境下矿体空间数据插值

大部分地学中的空间数据插值基于二维空间,随着计算机三维可视化工具的出现和功能不断完善,三维空间的数据插值成为可能。矿体的品位、资源量估算以前大多由手工计算完成,在计算机三维可视化环境下,可以快速地实现矿体品位和资源量的高精度估算。其基本原理是首先应用矿体的三维可视化技术建立矿体的三维表面模型,精确地模拟矿体的形态;其次应用块模型方法对矿体内部进行剖分,建立体内部数据模型;最后应用距离反比法和Kriging方法对矿体内部的特性数据（如品位）进行插值估算,获得矿体内部所有块的特性数据,从而得到矿体的内部特征规律。实例研究表明,应用三维空间数据插值方法得到的矿体品位插值结果具有科学合理性,对矿山生产有现实指导意义。     

基于ArcGIS的交通量预测模型

常规交通量预测模型耗时、工作量大.针对美国印第安纳州交通量趋于稳定的特点,借助ArcGIS地统分析软件,分别采用Ordinary Kriging、距离加权倒数(IDW)、径向基函数插值(RBF)等方法对交通量进行预测,并与动态称重系统(WIM)的交通资料进行比对,结果表明采用径向基函数插值中的反高次曲面函数(IMS)插值预测方法适合美国印第安纳州交通量的分布实际,预测误差最小.     

基于Kriging时空统一模型的隧道动态施工位移预测

将经典的Kriging空间插值进行时空扩展,应用时空变异函数建立隧道围岩位移预测模型;分析参数与变形的之间的关系,给出时空插值的计算程序和方法。在此基础上采用时空统一Kriging插值预测模型和DGM(1,1)灰色预测模型预测隧道施工过程中掌子面前方一定范围内任意时刻的拱顶沉降。以湖南省娄底市笋安山隧道为试验对象,对比分析以上2个预测模型的位移预测值与实测值,并分别对位移预测值和实测值进行交叉验证。研究结果表明:相对于DGM(1,1)灰色预测模型,时空统一Kriging模型预测精度更高,能更准确地预测拱顶下沉位移的发展变化趋势,在实际隧道工程的围岩位移预测中是有效的、可行的。     

四维空间分形插值算法在品位估算中的应用

克里金法是一种应用广泛的低通滤波性插值方法,但其无法重建原始信息中的高频、低频和局部信息。分形插值算法可利用自相似性,在保留原始信息的基础上,克服克里金插值中低通滤波的局限性,从而提高插值的准确性。本文在传统分形插值算法的基础上,结合地质空间信息,提出了适用于矿床品位估算的四维空间分形插值算法,并将其应用于钼矿的品位估算。结果表明：在该钼矿的品位估算中,四维空间分形插值算法明显优于克里金法。     

湖南省年均降水量空间插值模拟方法比较研究

用反距离权重法、普通克里金法、协克里金法、径向基函数法、全局多项式法、局部多项式法对湖南省及其周边50个气象站点1971-2000年年均降水量进行空间插值,将插值估算结果与检验点作对比分析,结果表明,上述6种插值方法均能反映湖南省内平均降水量的空间分布特征,局部多项式法插值误差最小,精度最高.由于降水量是受多因素影响的复杂过程,还需要考虑更多的因素对现有插值模型的改进,进一步提高降水量空间插值的精度.     

基于分形理论的需水量预测方法

在研究有关分形理论的基础上 ,提出了基于分形拼贴定理和分形插值函数迭代生成过程的需水量预测新方法 .该方法根据分形拼贴定理 ,求取一个与历史记录相近的吸引子的迭代函数系统来求取分形插值函数 ;通过分形插值函数的迭代生成 ,建立预测模型 .并以实例证实该方法的合理性及可靠性 .     

基于改进的分形插值与SVM的股指预测模型

为了更好地分析和预测股指时间序列的短期变化趋势,提出了一种确定分形插值自由参数的新方法,由此建立了一个改进的分形插值模型,并将该模型与支持向量机模型相结合构造混合预测模型.经R/S分析可知上海证券综合指数的日收盘数据具有长程相关性,于是将混合预测模型用于分析和预测上海证券综合指数时间序列,发现混合预测模型较其他方法具有更好的拟合效果,且在短期预测方面有更高的预测精度.     

一种非线性非平稳时间序列预测建模方法

提出了一种基于经验模式分解和支持向量回归的非线性、非平稳时间序列预测建模方法.首先,针对时间序列的非平稳特征,通过经验模式分解将其分解为若干个本征模式分量,使其中每个分量均成为平稳序列;其次,对每个本征模式分量,基于支持向量回归建立相应的平稳时间序列预测模型;最后,再一次利用支持向量回归对这些预测模型进行非线性组合,得到非线性、非平稳时间序列的预测模型.仿真实验和工程应用均表明,所提的预测建模方法与传统的基于支持向量回归的建模方法相比,具有较高的精度,说明该方法对于非线性、非平稳时间序列的预测是有效的.     

基于优化SVR模型的大跨度样本疲劳寿命预测

针对传统方法在大跨度、小样本情况下的疲劳寿命预测准确率不高的问题,研究基于优化SVR模型的寿命预测方法.根据大跨度样本的特点,提出有效的预处理方法、SVR模型的训练方法及参数优化准则.以LY12CZ(2A12)铝合金疲劳寿命预测为实例,分析了高斯核函数、多项式核函数及多层感知核函数对SVR模型训练误差的影响.结果表明高斯核函数更适用于SVR模型的训练,并通过细菌觅食算法对核参数γ及惩罚因子C进行优化选取,LY12CZ(2A12)铝合金疲劳寿命预测结果验证了该方法的有效性.     

支持向量回归在岩土工程中的应用

针对岩土工程影响因素的极其复杂性,引入支持向量机方法,给出了应用支持向量回归解决问题的基本原理与算法步骤·以矿山周边建筑物爆破震动效应分析为例,建立了建筑物中峰值质点振速的预测模型·实例分析表明预测值与实测值具有很好的一致性,验证了支持向量回归小样本高效的自学习能力以及高度非线性的问题处理能力,是解决复杂岩土工程问题的有效分析工具·通过试验探讨了算法参数选择对应用结果尤其是回归预测模型泛化能力的影响规律·     

HCV不同基因型对慢性丙型肝炎抗病毒治疗疗效的影响

目的探讨干扰素联合利巴韦林治疗慢性丙型肝炎患者临床疗效的相关影响因素.方法对110例慢性丙型肝炎患者进行PEG-IFNα-2a 180μg/周联合RBV 800~1200 mg/d的标准治疗,并完成治疗后24周随访,同时分析HCV基因型、HCV-RNA定量对持续病毒学应答(SVR)的影响.应用罗氏试剂检测丙肝病毒定量,应用反转录-套式聚合酶链反应(PT-PCR)法检测HCV基因型.结果在110例进行标准联合治疗、并完成治疗后24周随访的慢性丙型肝炎患者中,68例患者获得SVR.其中,HCV基因1b型感染者SVR率为51.4%(37/72),HCV基因N-1b型感染者SVR率为81.5%(31/38);基线HCV-RNA水平1.0×10~5IU/m L的患者SVR率为71.2%(42/59),基线HCV-RNA水平≥1.0×10~5IU/m L的患者SVR率为50.9%(26/51).结论非1b基因型SVR率高于1b基因型;基线低病毒RNA水平(血清HCV-RNA水平1.0×10~5IU/m L)SVR率高于基线高病毒RNA水平(血清HCV-RNA水平≥1.0×10~5IU/m L).     

集成RS和SVR的电力系统短期负荷预测方法

基于粗糙集(RS)理论和支持向量回归(SVR)方法,提出一种电力系统短期负荷预测方法.采用粗糙集理论对影响负荷预测的各因素进行约简,将约简后得到的最小条件属性集,以此确定输入样本的维数并构造训练样本,作为支持向量回归机的输入进行训练预测.在此基础上,利用已知历史负荷数据构造训练样本群,作为SVR的输入进行训练,采用训练完毕后的SVR模型进行负荷预测.实验结果表明,与神经网络方法和标准SVR方法相比,集成粗糙集和支持向量回归的负荷预测方法,可以在缩短训练时间的前提下获得较高的预测精度.     

面向多输入输出系统的支持向量机回归

目前支持向量机回归算法只适用于单输入单输出系统,在处理复杂多变量系统时多采用构造一系列单变量支持向量机模型的方法,增加了模型与控制的复杂性。针对这一问题,提出了面向多输入多输出系统的支持向量机线性回归和非线性回归方法,两种方法的不同在于映射到高维空间后的运算方法不同。与单变量支持向量机回归建模相比,采用该方法建立的多变量系统模型结构较为简单,且在小样本数的情况下,模型训练速度较快。最后将该方法应用到甲基丙烯酸甲脂的间歇聚合反应过程中,仿真结果表明该方法的有效性。     

Generating Fuzzy Rule-based Systems from Examples Based on Robust Support Vector Machine

This paper firstly proposes a new support vector machine regression （SVR） with a robust loss function, and designs a gradient based algorithm for implementation of the SVR,then uses the SVR to extract fuzzy rules and designs fuzzy rule-based system. Simulations show that fuzzy rule-based system technique based on robust SVR achieves superior performance to the conventional fuzzy inference method, the proposed method provides satisfactory performance with excellent approximation and generalization property than the existing algorithm.     

支持向量机在物理实验中的应用

回归型支持向量机方法SVR具有很好的学习性能。本文结合两个物理实验提出了利用SVR方法对实验数据进行曲线拟合,并与最小二乘法的方法进行了比较。实验表明其在精度上优于最小二乘法的方法,在对复杂曲线拟合时效果尤为明显。     

实时交通流预测的并行SVR预测方法

提高交通流预测的精度和实时性是智能交通系统(ITS)应用发展的一个重要问题.与广义神经网络(GNN)方法相比,支持向量回归(SVR)方法应用于交通流预测理论优势得以实现的前提是选取合适的回归参数.分析、讨论了简单而实际的直接从训练集中选取SVR参数的方法,给出了一个大规模路网交通流SVR预测模型和集群环境下的一种贪婪负载均衡并行算法(G-LB).实验结果证明了基于G-LB算法的并行SVR方法(GLB-SVR)可获得比并行的GNN方法(P-GNN)更好的预测精度和实时性.     

基于SVR和GA的锅炉运行氧量基准值的优化确定

借助现场运行数据,根据锅炉运行氧量的特性,建立了基于支持向量回归的锅炉运行氧量预测模型,结果表明:SVR模型具有较高的回归精度和较好的泛化能力,能够有效地对不同工况下的锅炉氧量进行预测.在此基础上进行二次建模,获得了运行氧量、供电煤耗率与各运行参数之间的关系模型,并结合全局寻优的遗传算法,以机组的供电煤耗率为优化目标对输入参数进行寻优,确定了优化后的锅炉运行氧量基准值.计算结果表明该模型具有较高的准确性,通过全局寻优得到的氧量值具有可操作性,很好地解决了锅炉变工况运行参数基准值的确定问题.