基于支持向量机的顾北煤矿北一矿区三维地质模型构建

三维地质模型是表征地下地层分布和地质构造的有力工具,可以简单有效的帮助地质解译和空间分析工作,但由于传统三维地质建模方法建模过程复杂、人为干扰影响大,非专业人士短时间内很难掌握并且建模质量难以保证。为满足矿山智能开采对高精度地质模型的需求,提高三维地质建模与可视化的高效性和直观性,提出一种基于支持向量机的三维地质建模方法,将地质体划分为大小均匀的栅格单元,根据栅格单元的属性类别构建三维地质体模型,并使用基于RBF核函数的支持向量机分类器对顾北煤矿北一矿区进行了实例验证,将模型进行开挖显示,与实际钻孔数据构建的地质剖面图进行对比,结果表明,该方法具有很大的适用性,并且可以很好的处理尖灭地层,建模效率以及准确率较高。     

基于广义三棱柱体元的三维地层建模方法

为了解决基于广义三棱柱（GTP）的三维地层模型自动建模问题，提出了一种三维地层构造知识推理规则和建模方法。该方法结合钻孔数据特点和地层分布规律，首先以孔口数据生成地表面不规则三角网（TIN），然后根据地层构造知识推理规则，将TIN中的三角形逐个沿钻孔向下扩展生成GTP。建立三维地层模型，能够解决包括尖灭、分叉和断层等在内的复杂地层构造推理和自动建模。该方法对基于GTP的三维地层建模具有一定的参考价值和指导意义。     

基于GOCAD的钻孔数据建模方法与实例研究

三维地质建模能清晰地展示地面以下地质体的结构面及相互关系。利用GOCAD软件,提出一种以钻孔为主要数据的地层界面建模方法,包括钻孔数据提取、空间数据库建立、地质界面构建、地层面模型生成和实体模型显示等。着重阐述了在钻孔数据丰富和缺乏的2种情形下,快速构建关键地质界面的技术方法。对某地铁沿线钻孔数据的实例应用表明,本方法构建的三维地质模型与地质事实吻合度高,并能有效地发现地质结构薄弱区段和潜在不良地质问题发育部位。     

基于支持向量机的软测量建模方法的应用

利用基于最小二乘支持向量机(LS-SVM)的软测量建模方法,通过工业现场数据来对丁二烯精馏装置建立软测量模型.对于该软测量模型,支持向量机方法比BP神经网络方法具有更好的泛化能力.研究结果表明,基于最小二乘的支持向量机建模方法是一种有效的软测量建模方法.     

煤层体三维建模及可视化研究

针对目前三维地质建模面临的两大困难——数据获取困难和煤层空间关系复杂这两个问题进行了研究:对于第一个问题提出了钻孔数据、剖面图数据和等高线数据综合利用的解决方案,对于第二个问题提出把复杂煤层地质情况化为简单、容易的基本结构单元再分别建模的思路.在建模方法方面,根据煤层的地质特征,从体建模和面建模两大建模方法中选择基于面建模的煤层体建模方法,又从面建模中选择建模速度快、精度比较高的TIN模型.最后利用可视化开发工具VisualC++开发出一个实验系统来生成煤层体模型,并利用OpenGL对其煤层体的三维模型进行了可视化.     

融合钻孔与地质剖面的三维地质混合插值方法

针对传统三维地质建模中多源数据融合精度不高,插值算法单一,无法满足高精度地下三维地质建模等问题,提出了一种融合钻孔与地质剖面的三维地质混合插值方法.首先通过钻孔分层节点的提取与地质剖面的离散转换实现两种数据的无缝融合,并作为三维地质建模的基础数据;然后利用探索性空间分析判定空间数据间的自相关特性,通过交叉验证对比多种插...     

样本不均衡条件下基于自调整支持向量机的故障诊断

故障数据样本和正常运行数据样本量的不均衡将导致支持向量机在构建故障分类超平面时发生偏移,降低了基于支持向量机的故障诊断的诊断准确率. 针对该问题,文中提出一种能够自动调整风险惩罚因子的新型支持向量机. 该方法能够自举式地对有效样本进行挑选,并加大高信息量数据样本的风险惩罚因子,抑制样本不均衡导致的分类超平面偏移,进而提高故障诊断的准确性. 所提方法被用于变压器故障诊断实验,实验过程中正负样本的风险损失始终相等,有效地抑制了样本不均衡现象对诊断造成的影响,验证了所提算法的有效性.      

矿山复杂巷道网络组件式三维建模方法

煤矿复杂巷道(曲线巷道、交汇巷道、变断面巷道)建模是巷道三维建模的难点.现有方法在基于导线测量数据重建复杂巷道网络、尤其是矿山常见的曲线交汇巷道仍存在不足.提出了一种巷道组件式三维建模方法.该方法针对煤矿巷道典型导线测量数据，通过巷道中心线建模、巷道双边线建模、巷道组件三维建模三个步骤，自动构建复杂巷道网络三维模型.实验结果表明，提出的方法鲁棒性好，建模时间随数据量增长呈线性稳定增长.建立的巷道网络三维模型可为智慧矿山建设中的空间、几何、力学等多种分析提供支持.     

基于模糊支持向量机的变压器故障诊断

针对支持向量机对训练样本内的噪声和孤立点比较敏感,影响了支持向量机分类性能的弱点,利用模糊支持向量机的学习方法,构建了变压器故障诊断模型.采取一种基于二叉树的多分类方法,使用模糊C均值聚类算法求取模糊支持向量机的模糊隶属度,采用径向基核函数,并利用遗传算法对模糊支持向量机的参数进行寻优.实验结果表明,基于二叉数的模糊支持向量机模型相比BP神经网络、支持向量机有更高的诊断准确率,基于二叉树模糊支持向量机的变压器故障诊断方法是可行的.     

基于优化最小二乘支持向量机的数控机床热误差建模分析

数控机床热误差是降低加工精度的主要因素之一.针对热误差建模问题, 结合布谷鸟算法的随机莱维飞行机制和最小二乘支持向量机结构风险最小化与线性规划等优点, 提出基于布谷鸟算法优化最小二乘支持向量机的热误差建模方法.在最小二乘支持向量机将低维非线性问题转化为高维线性问题时, 构建了混合核函数.同时,采用布谷鸟算法对最小二乘支持向量机惩罚因子γ、核宽度参数σ和混合核权值λ进行了优化.以GMC2000A机床为实验对象, 分别对热误差数据进行了聚类分析和建模分析.通过误差预测对比分析得出结论, 基于布谷鸟算法优化混合核最小二乘支持向量机建立的误差模型取得了良好的预测效果, 且明显优于BP神经网络模型和未优化的最小二乘支持向量机模型的预测效果.     

一种基于钻孔数据的优化三维地质建模方法

钻孔数据是地质中最常见且最简单的数据,利用钻孔数据直接建立三维地质模型已经成为国内外学者研究的焦点。在研究前人多种地质建模方法的基础上,结合工程实践,提出一套具有工程实用价值的优化地质建模方法。该方法以钻孔数据为基础数据,将钻孔地质剖面数据融入到地质建模中,修正了以往建模中尖灭点位置取值1/2区域的不合理情况,生成精确位置地层尖灭线;并且在建模的过程中加入了依据剖面图数据的模型调整。最后通过建模实例验证了该方法的准确性与有效性。     

山岭隧道地上地下一体化三维建模方法

针对山岭隧道地上地下一体化三维建模效率低、数据融合难度大的问题,提出一套基于BIM+GIS+倾斜摄影技术的建模方法。以武汉市黄龙山隧道为例,首先,按用途和施工工序对山岭隧道构件进行分类,利用Revit和Dynamo软件,采用参数化建模+自适应拼接的方法构建隧道三维结构模型;其次,通过无人机采用倾斜摄影技术获取地表影像,构建三维实景模型;通过影像匹配和滤波技术处理点云数据,生成数字高程模型(DEM),并结合钻孔数据,采用插值法和约束分区的方法构建三维地质模型;最后,基于MapGIS实现隧道结构模型、地表三维实景模型、三维地质模型的集成。该方法可以优化模型管理方式,减少数据信息的丢失,实现隧道工程信息的集成与共享。     

基于棱柱体的三维地质建模方法

 矿体赋存条件复杂、地质构造多变。为探究真实地质体情况,通过对现有各类地质体建模方法的分析,尤其是对TIN模型构建、实体(solid)构模的特点进行探讨,提出一种基于工程棱柱体的三维地质建模方法。结合钻孔数据特点和地层分布规律,根据勘探工程的钻孔平面位置将勘探区域划分为若干棱柱体。对每个棱柱体侧面进行矿段对比连接,完成棱柱体线框图搭建,随之逐面、逐层、逐柱构建三角网,直至形成整个地质体的三角网。将实体构模方法结合其中,实现了三维地层实体模型的建立,既能充分反映矿体的三维形态,又能使所显示的三维矿体进行实体描述。使得矿体属性连续并可计算,同时模型能够结合工程师经验自动推理尖灭、分叉、断层和褶皱等复杂地层构造。其具有三维显示又具有实体描述的特点,尤其便于按储量级别进行储量估算等矿量计算,具有实际应用价值。     

工业共沸精馏塔软测量建模方法的研究与应用

针对某一工业共沸精馏塔成分估计问题，利用基于支持向量机技术的软测量建模方法，建立了恰当的工业软测量模型。利用滑动时间窗技术实时更新建模数据集，并根据预估精度决策在线优化和模型更新，提高工业软测量模型的在线估计精度。研究结果表明，基于滑动时间窗的LS—SVM软测量建模方法，是一种有效的软测量建模方法。     

最小二乘Littlewood-Paley小波支持向量机在发酵过程建模中的应用

针对谷氨酸发酵过程一些关键参数不能在线测量而导致的建模精度不高问题,利用最小二乘支持向量机(LSSVM)和小波的理论,建立了一种新的模型.首先,选取Littlewood-Paley小波函数作为LS-WSVM的核函数,进而设计出最小二乘小波支持向量机(LS-WSVM),然后利用该算法对谷氨酸发酵过程进行建模.通过实际应用,实现了对残糖浓度、菌体浓度、谷氨酸浓度等不能在线测量变量的较准确预测,相对于LSSVM建模而言,提高了一个数量级,预测误差也明显得到改善,说明了该建模方法的有效性,具有一定的推广和应用价值.     

不平衡数据分类问题的基于间隔放大损失的支持向量机

针对不平衡数据分类问题,提出了一种带有间隔感知标签分布损失函数的支持向量机,称为基于间隔放大损失的支持向量机(support vector machine with margin magnification loss,MM-SVM)。考虑各类样本的分布情况以及数据不平衡比,设计了一种间隔放大损失函数,最小化基于间隔的泛化误差界;将间隔放大损失函数应用于SVM模型中,增强了少数类样本对分类超平面的影响,实现对少数类样本的准确分类。在Keel和UCI数据库上的实验表明,MM-SVM在不平衡数据分类精度和时间效率上均优于其他5种对比方法,实现了对不平衡数据的有效分类。     

KPCA-KPLS方法在pH中和过程建模中的应用

针对化工过程中的具有严重非线性、不确定性、时变性的复杂pH中和过程系统建模问题,提出一种基于核主元分析(KPCA)与核偏最小二乘(KPLS)相结合的建模方法.在高维特征空间内,该方法通过KPCA有效地提取输入数据的非线性主元,利用KPLS方法将输入变量投影在潜在变量上,再用输入与输出变量之间的协方差信息提取潜在特征建立pH中和过程模型.为验证其有效性,将KPCA-KPLS方法应用到弱酸强碱中和过程、强酸强碱中和过程实例中,并与核偏最小二乘、核主元分析_支持向量机(KPCA-SVM)、核极限学习机(KELM)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)、SVM等方法进行比较.实验结果表明:KPCA-KPLS方法具有很高的动态建模精度.