基于支持向量机的中长期电力负荷预测研究与应用

采用一种新的机器学习方法——支持向量机,建立了中长期电力负荷预测模型.阐述了支持向量机的基本内容,对影响电力负荷诸多因素的样本集进行了标准化处理和主因素分析(PCA).采用Libsvm训练了数据集,并与灰色预测GM(1,1)模型、多元线性回归模型、模糊ISODATA聚类模型和BP神经网络进行对比.结果表明,此算法有更高的准确性,可为电力负荷预测提供有效依据.     

利用支持向量机方法预测储层产能

支持向量机方法(SVM)是基于结构风险最小化原理,采用核函数处理技术,较好的适应小样本、非线性和局部极小点等实际问题,克服了常规统计方法的局限性,避免了维数灾难。能够在有限的样本集基础上,兼顾模型的通用性和推广性,有效解决了学习性和延拓性的问题,预测精度更高。实际生产中影响储层产能因素众多,各因素间相互影响,在综合考虑地层因素的基础上,提取了测井产能预测参数,利用支持向量机方法对产能进行了预测,预测结果与实际一致,并将处理结果与多元回归及BP神经网络处理结果进行了对比分析。实践表明支持向量机方法优于后两种方法,是一种值得推广使用的方法。     

基于支持向量机的冰塞水位预测

支持向量机方法基于结构风险最小化原理,克服了常规统计方法的局限性,能够在有限的样本集基础上兼顾模型的通用性和推广性,预测精度更高。文章利用支持向量机方法对冰塞水位进行了预测,预测结果与实际情况吻合。与BP神经网络预测结果进行对比分析,结果表明,采用支持向量机方法预测的效果较好,是一种值得推广的方法。     

基于支持向量机的数字水印算法综述

对基于支持向量机的数字水印算法做了概要性的介绍,由于支持向量机可以通过有限的训练集样本得到小的误差,从而提高学习的泛化能力,因此支持向量机在版权保护领域有很好的应用效果.对基于支持向量机的数字水印技术的相关概念和现有算法进行了描述与分析,另外,对基于支持向量机的数字水印技术的未来发展方向和前景进行了预测.     

基于支持向量机方法的深基坑变形预测

提出了深基坑变形预测的一种新方法,即支持向量机方法.该方法根据有限的学习样本,建立了各种影响因素和深基坑变形之间的一种非线性映射.基于已有的深基坑变形资料,采用支持向量机模型,对深基坑现场实例进行了预测,网络输出结果与实际情况十分吻合.实例研究表明,支持向量机方法用于预测深基坑变形是有效且可行的.     

基于灰色关联支持向量机的混凝土抗压强度预测

混凝土抗压强度预测是一个动态的系统工程,其精度受到多种高维非线性、随机性因素的影响.为有效提高混凝土抗压强度的预测精度,在分析支持向量机的基础上,构建了基于灰色关联支持向量机的混凝土抗压强度预测模型.该模型基于灰色关联分析确定混凝土抗压强度的主导因素,然后通过支持向量机建立其与变量之间的非线性映射关系,同时利用网格搜索算法对支持向量机进行参数寻优.仿真结果表明:与单纯支持向量机和BP神经网络模型预测结果相比,基于灰色关联支持向量机的预测模型更为有效可靠,为提高混凝土抗压强度预测精度提供了新的途径.     

基于支持向量机方法的砂土地震液化分析

提出了砂土地震液化分析的一种新方法，即支持向量机方法。该方法根据有限的学习样本，建立了各种影响因素和地震液化之间的一种非线性映射，可以对砂土在地震条件下的液化进行分析。基于已有的砂土地震液化资料，采用支持向量机模型，对国外地震现场实例进行了预测，网络输出结果与实际情况十分吻合。实例研究表明，支持向量机方法用于预测砂土地震液化是有效而可行的。     

基于遗传算法优化支持向量回归机的网格负载预测模型

提出一种基于遗传算法优化支持向量回归机的模型进行网格负载预测,使用遗传算法和交叉验证技术解决了支持向量回归机参数难以确定的问题.标准数据集仿真实验结果表明,该模型与试验法定参的支持向量回归机和BP神经网络相比具有更优的预测性能.     

基于粒子群最小二乘支持向量机的瓦斯含量预测

针对经验模型与确定性模型在应用中受到限制问题,采用基于统计学习理论的支持向量机对经验数据进行学习,建立瓦斯含量与其影响因素之间的映射模型,从而实现煤层瓦斯含量预测.支持向量机的惩罚因子和核参数取值不同将会明显影响其预测的精度,支持向量机本身也没给出解决的办法,引入粒子群算法自动搜索支持向量机参数.该方法克服了神经网络过学习问题和支持向量机人为选取参数的盲目性问题.通过对某矿区样本的学习预测研究,表明该方法可取得良好的预测效果,具有较好的适应性.     

基于支持向量机的电力短期负荷预测

本文在分析了支持向量机基本原理的基础上,采用支持向量机采用回归算法建立了相应的预测模型,对某市电力负荷进行预测,并把预测结果和BP算法以及RBF算法的预测结果进行比较,证明了基于支持向量机回归算法预测模型的优越性。     

动态地表移动和变形预计方法

针对目前地下开采引起地表移动变形致使地表建筑物、构筑物及农田等遭受严重破坏的问题,以Knothe模型的函数为基础,探讨了时间影响系数的确定方法,建立了地下开采引起地表移动动态过程的计算模型,并采用阳泉二矿3201东工作面的实测岩移资料进行了验证.研究结果表明:该方法能够反映地表移动的动态特征,解释某些采动现象,对指导"三下"开采设计和选择地面建筑物保护措施具有较大的实用价值.     

AHP法在确定地表变形因素权重中的应用

地表沉陷变形是一个复杂的力学过程,影响地表沉陷变形的因素集是一个由相互关联相互制约的众多因素构成的复杂系统。准确地预测各因素对地表沉陷变形的影响情况对矿产资源开采研究、采动灾害的控制、矿山生态环境的改善等具有重要的意义。层次分析法最终为综合评价地表沉陷变形以及地表沉陷变形的预测提供了科学依据。文中在分析层次分析法确定指标权重不足的基础上,结合物元分析理论,将专家作为样本,以各专家判断矩阵得出的权重构造的复合物元作为因子,通过物元分析得出各专家效度,从而建立了确定影响地表沉陷变形各因素权重的物元分析模型。该方法充分考虑各专家对不同事物的认识程度,修正了层次分析法确定权重地片面性,使指标体系能全面客观地反映被评价对象。     

煤层开采地表沉陷监测及预测技术现状及发展趋势

煤矿开采地表沉陷监测及预测对于煤矿地表治理及环境保护具有重要意义。详细阐述了煤矿地表沉陷监测及预测方法,并对其监测及预测过程进行了较为详细的论述与分析。指出地表沉陷监测及预测存在的问题,针对存在的问题,提出了未来基于互联网+技术以及CCD和GPS组合传感器技术,对矿区监测数据进行实时监测并进行数据处理,对处理后的数据实时传送到数据中心,数据中心根据监测结果实时调整监测区域达到最优监测效果;未来地表沉陷预测发展应考虑开采地质条件、开采工艺、开采深度、开采厚度等因素对于地表沉陷的影响,在预测的过程中确定因素的影响程度,合理选择预测方法,提高预测精度。     

时间函数与地表动态移动变形规律

详细分析了单参数的Knothe时间函数、双参数的Sroka-Schober时间函数和Kowalski 广义时间函数的优缺点及其相互关系,建立了应用Knothe时间函数进行地表动态移动变形预计的原理、无实测资料矿井时间参数的确定方法和开采单元划分的周期来压步距法.通过对不同工作面推进速度和不同时间影响系数条件下地表动态移动变形规律研究,获得了工作面稳定推进过程中回采速度、时间影响系数与地表最大动、静态变形关系的计算公式.经过1176东工作面观测资料的检验,证明了研究结果的有效性和实用性.     

基于SABS-InSAR的保德矿区地表形变监测与分析

煤炭开采是保德县的主导产业,长期高强度的矿产资源开发导致矿区内地表发生了不同程度的形变,地质灾害频发,对进一步采矿作业造成了极大的安全隐患,破坏了当地的生态环境。为了进一步探究矿区地表变形的时空分布变化规律以及地表形变的驱动因素,利用SBAS-InSAR技术对覆盖研究区的32景Sentinel-1A影像数据进行处理,得到了保德矿区2020-06-24—2022-09-13期间的地表形变信息。在监测时间段内,研究区整体以沉降为主,形成多处由中心向四周发展的漏斗状下沉区域,主形变区内形变量与时间大致呈线性关系。依据计算得到的形变结果将保德矿区划分为6个重点研究区,以5号重点研究区中的泰安煤矿为例,通过分析其工作面的采掘工程,得出以下结论：(1)煤矿地表并未达到稳定状态。(2)发生地表形变的区域与工作面空间分布相吻合。(3)作为矿区形变的主要驱动因素,随着采矿工程的推进,主形变区域的范围和沉降速率将会进一步增大。研究区内的地质构造和地层岩性对研究区整体形变的趋势和范围起到一定的控制作用,断层两侧上盘、下盘的相对运动以及不同区域地表的可压缩层厚度差异均对地面的形变速率有一定的影响。通过叠加对比...     

灰色Logistic I/II模型在煤矿开采沉降预测中的应用

 地下煤炭资源被人工采出以后,因上覆岩层的失稳、垮落、重新密实而使地表出现开裂、塌陷和变形等地质灾害。传统的研究煤矿开采沉陷的方法主要有地质法、实地监测法、物理和数值模拟法等,这些方法耗费大量人力、物力、财力,且部分参数的获取十分困难。为了获得在煤矿开采区域内地表沉降情况的准确信息,本文利用采动卸压原理和“三带”模型,以湖南省金竹山矿业公司的土珠煤矿开采沉降实况为研究背景,分析其地下采煤时地表裂缝与沉降的发生机制与特征。提出在开采垂直裂缝最大估算高度直接影响地表浅部的2煤层和3煤层时,应根据理论分析和实地观测的方法进行沉降预测,适时提供有效的安全预警信息;在开采垂直裂缝最大估算高度不影响地表的深部煤层时,可根据实际观测的历史数据建立灰色Logistic I/II模型进行地面沉降预测,无须再进行实际监测。通过实践验证和模型精度检验表明,灰色Logistic I/II模型预测精度高,预测值与实际值拟合度高,能准确提供有效信息,为地表环境的复垦规划提供重要参考依据。     

开采沉陷动态预计中的流变模型及应用

解决开采沉陷动态预计的规律性问题，必须把地质实测经验资料和采场覆岩移动变形力学机制有机地结合起来。用流变力学原理推导地表动态移动下沉值与时间的函数关系式，结合现场实测资料对相关系数进行估算，可以有效地对开采地表变形进行预计，有助于确定地表受采动的影响程度。     

西部黄土山区开采沉陷变形数值模拟研究

西部黄土山区开采沉陷变形规律远比平原地区复杂多变。以陕西铜川厚黄土山区采矿地质条件构建不同斜坡组合与平地条件的计算模型,通过FLAC-3D数值模拟分析了单一斜坡、凸形和凹形组合斜坡条件下地表侧向滑移引起的水平移动和下沉分布特征,并绘出了地表开采沉陷与斜坡侧向滑移分布曲线。进一步分析表明,当开采沉陷引起的水平位移及其变形与斜坡向下坡方向的滑移变形方向一致时,在地表形成两者的叠加,增大了斜坡体的变形;当两者方向相反时则导致2种变形部分"抵消"。上述采动斜坡中开采沉陷与坡体侧向滑移的"叠加"效应,导致了黄土山区地表沉陷变形规律的复杂性。     

采动滑坡的机理分析

采动滑坡是指在地下开采影响下,由于上覆岩体变形破坏而引起的山体滑坡。已有文献多从滑坡学角度研究此问题。本文应用开采沉陷理论较为系统地分析了采动滑坡发生的机理,初步建立开采沉陷学和滑坡学之间的联系。     

开采沉陷反分析的神经网络方法研究

建立了沉陷反分析的神经网络模型,并用基于正交试验获得的训练样本对网 络进行学习,以此训练好的神经网络模型来描述岩体力学参数与开采沉陷之间的关系,利用反演结果,建立拉格朗日快速计算法(FLAC)模型,对地表沉陷进行预测,其预测结果是令人满意的。