砂土液化势评价的Bayes判别分析法及其应用

为了给砂土地震液化的数量化研究提供参考,基于多元统计分析理论,建立砂土地震液化判别与液化势分类的Bayes判别分析模型。模型选用震级、地面加速度最大值、标准贯入击数、比贯入阻力、相对密实度、平均粒径和地下水位等7个指标作为判别因子;将砂土液化势分为严重液化、中等液化、轻微液化和未液化4个级别,并作为Bayes判别分析的4个正态总体;以17个砂土实测数据作为训练样本,建立Bayes线性判别函数,以Bayes线性判别函数的最大值对应的总体作为样品所归属的总体;最后将建立的模型对训练样本进行回判,以回代估计误判率对模型进行检验。研究表明,对训练样本的回代误判率为0,对另外20个砂土样本的判别正确率为90%。     

路基砂土液化势的灰色三角白化权函数聚类方法

借鉴灰色系统理论,将砂土液化与其影响因素之间的关系作为灰色系统,提出采用灰类白化权函数聚类的预测方法对砂土液化势进行预测。分析影响砂土液化的因素,选取震级M、地面加速度最大值gmax、标准贯入击数N63.5、比贯入阻力ps、相对密实度Dr、平均粒径D50和地下水位dw这7个实测指标作为砂土液化势预测的主要影响因子,并构造适于砂土液化势预测的各聚类指标的白化权函数,同时引入信息熵理论确定各指标的权重,采用本文提出的方法对16组唐山大地震震害资料对模型进行评价,利用广东省三水市部分地区的9组砂土液化实例进行仿真测试,并与工程实际结果进行对比。研究结果表明:所提出的基于灰类白化权函数聚类的砂土液化势预测方法具有较高的预测精度,准确率达90%。     

地震砂土液化判别的灰色关联-逐步分析耦合模型

通过分析灰色关联模型和逐步判别模型在单独进行砂土液化等级判别时所体现的优点及存在的问题,建立以两者为基础的耦合判别模型。利用实际样本结果,选取震级M、地面加速度最大值g_(max)、比贯入阻力P_s、标准贯入击数N63.5、平均粒径D_(50)、相对密实度Dr、地下水位d_w共7个实测数据作为砂土液化判别因子,对该模型进行验证。研究结果表明:BP神经网络、灰色关联分析、逐步判别分析这3种方法对样本的判别准确率分别为60%,80%和60%,耦合模型的判别准确率为100%。与单独使用2种基础模型相比,耦合模型的判别结果与实际结果更加吻合,表明该方法具有较高的准确性和良好的实用性。     

基于不同判别准则的硬岩矿柱状态识别模型

基于162个硬岩矿柱样本,构建不同判别准则下矿柱状态识别的Fisher判别分析(FDA)模型、距离判别分析(DDA)模型和Bayes判别分析(BDA)模型,进而与多元逻辑回归(MLR)、极限学习机(ELM)、最小二乘支持向量机(LS-SVM)、支持向量机(SVM)、高斯过程分类(GPC)、分类回归树(CART)、神经网络(ANN)共7种常用的统计学习方法进行比较,同时探讨主成分分析(PCA)方法提高识别准确率的可行性,并对矿柱状态影响因子进行敏感性分析。研究结果表明:这10种统计学习方法中,GPC的准确率最高,FDA的准确率次之,然后是MLR,CART的准确率最低;对于3种判别分析方法,FDA的准确率最高,DDA与BDA的准确率几乎相当;增加判别指标,DDA和BDA的判别准确率显著降低,其他方法对判别指标增减不敏感;对某些方法,原始数据经PCA处理后不能提高其判别准确率;矿柱状态对矿柱应力最敏感,其次是矿岩单轴抗压强度,其对矿柱宽高比的敏感性较低。     

沉积环境判别与分类的Bayes判别分析法

基于Bayes判别分析法建立沉积环境判别与分类的Bayes判别分析模型.模型选用粒度的平均粒径、标准偏差、偏差以及峰值4个指标作为判别因子,并以训练样本建立Bayes判别函数,以该函数计算待判样品的Bayes判别函数值,以最大值对应的总体作为样品的归属,以刀切法对判别准则进行评价.研究表明,所建模型以刀切法计算的准确率...     

基于Fisher判别法的砂土液化势判别

目的提出一种基于多元统计学的Fisher模型,判别复杂和不确定性因素影响下砂土液化的发生,提高和改善砂土液化势评价的可靠性、准确性及智能水平.方法应用Fisher判别分析法理论并结合砂土液化机理,建立砂土地震液化判别模型.选取具有代表性的25组实测砂土液化的数据作为学习样本进行训练和检验,建立相应线性判别函数并利用回代估计方法进行回检,并与规范法和Seed法进行比较.结果训练样本和测试样本的正确率均为100%,而规范法和Seed法都出现了不同程度的误判.结论 FDA判别法准确率较高,是一种有效的砂土液化判别方法,为砂土地震液化判别提供一种新的思路.     

基于BP神经网络的砂土液化影响因素的综合评估

为了充分考虑影响砂土液化的多种因素,选取不同的参数组合,建立不同的砂土液化判别BP神经网络模型,编写了饱和砂土液化判别BP神经网络程序SLV,并根据现场实测资料进行计算和分析.结果表明,地震作用是液化的直接原因,砂土处于饱和状态是液化的前提条件,影响液化的主要因素包括标准贯入锤击数、砂土不均匀系数以及地震剪应力比.文中建立的BP神经网络模型具有高度的分类和识别能力,可用于评估砂土液化的影响因素.     

基于模糊综合评判的砂土液化判别

为了对砂土震动液化势进行预测,采用模糊综合评判理论建立了砂土液化可能性的模糊综合评判数学模型.选取标准贯入锤击数、地下水位、地震烈度、粘粒含量等4个实测特征指标作为模糊综合评判的因素集,对4个因素构造了相应的隶属函数,建立模糊关系矩阵,并依据4个因素在判别中的不同作用,拟定了对应的权重,运用N(·,+)算子对模糊矩阵进行运算,依据评判等级进行最终判别.通过对历史地震中砂土液化的实测数据进行综合评判验证,获得了非液化的判别正确率为85％,液化判别正确率为88％的较好结果.研究结果表明,模糊综合评判方法可有效地预测砂土液化势,可以作为砂土液化预测的方法之一.     

逐步判别分析的急倾斜煤层顶煤可放性分类

运用煤矿生产实践中积累的相关数据,分析影响顶煤可放性的多个因素,基于逐步判别分析理论,建立逐步判别分析模型.通过逐步判别分析法优选瓦斯、开采深度、倾角、煤层厚度四项作为主要判别指标,利用工程实测数据作为学习样本进行训练,建立相应判别函数对待判样本进行预测,得出预测结果与实际情况相吻合.研究结果表明:经过训练后的判别函数模型回判的误判率为0,判别模型函数效果显著.逐步判别分析模型对急倾斜煤层顶煤可放性分类的判别性能较好,预测结果准确,且操作过程简单,便于实际推广.     

基于Bayes判别法的内燃机气门间隙故障诊断

以内燃机气门振动信号经过经验模态分解（EMD）方法得到的固有模态函数的关联维数作为判别因子,建立内燃机气门故障诊断Bayes判别分析模型.以内燃机气门故障诊断Bayes判别分析模型计算判别样品的Bayes判别函数值,以最大对应的总体作为样品所归属的总体.对判别准则进行了评价,检验该判别模型的优良性.研究表明：Bayes判别分析模型回判估计误判率很低,为内燃机气门间隙故障诊断识别提供了一种有效的定量化分析方法.     

基于JC法的砂土液化判别方法

通过对JC可靠性分析方法研究分析,提出了一种建立于标准贯入击数极限状态方程的地震液化可靠度评估方法,并用MATLAB7.0编制了相应的地震液化概率判别程序.用该可靠性分析方法对1976年唐山地震资料进行液化概率分析,通过与实测值和规范法计算结果对比,验证了该方法的可行性和精确性,为砂土液化势评估提供了一种有效的砂土液化评价的新方法.     

矿山硫化矿自燃倾向性分级的Bayes判别法及应用

为实现高硫矿床的安全开采,将Bayes判别分析理论应用于矿山硫化矿自燃倾向性的等级判别与分类中。选取反映硫化矿自燃特性的低温氧化质量增加率、自热点温度、自燃点温度这3项指标作为基本判别因子;将硫化矿自燃倾向性分为3个级别作为Bayes判别分析的3个正态总体。以采自典型矿山的20组代表性矿样的实测数据作为训练样本,建立硫化矿自燃倾向性分级的Bayes判别函数。利用交叉确认估计法对训练后的模型进行检验,最后运用该模型对7个待检验矿样的自燃倾向性进行分级。研究结果表明:经训练后的Bayes判别分析模型误判率很低,分类性能良好,可以用于矿山硫化矿自燃倾向性的等级分类。     

土的地震液化概率评估模型

基于278个土的地震液化或非液化实测数据,运用二元回归方法推导出两个对数模型.这两个模型将液化概率表示成地震荷载和土阻力参数的函数,以修正的标准贯入锤击数来量度土的抗液化能力.文中将所提出的对数模型与确定性液化判别标准进行了比较,并将模型应用于典型场地的分析.结果表明,所提出的两个对数模型能客观地评价数据中的相关信息,可直接量化基于统计数据的条件液化概率.     

饱和砂土地基地震液化深度的试验研究

为探究地下工程场地深层饱和砂土的抗液化强度特征和液化深度,通过动三轴液化试验,选取汉口某轨道交通工程场地埋深超过20 m的饱和砂土为研究对象,分析了深层饱和砂土试样液化特性,获取了试样抗液化强度曲线。分别利用动三轴液化试验和标贯试验击数为指标的液化判别方法,比较分析了深层饱和砂土的地震液化可能性。结果显示本地区饱和砂土地基液化深度在地震烈度Ⅶ度、Ⅷ度时超过20 m。研究成果可为本地区工程实践抗液化处理深度提供参考。     

FA-FDA判别分析的矿井通风系统安全评价

为及时发现矿井通风系统中存在的问题,排除安全隐患,构建一种合理、有效的矿井通风系统安全可靠性评判模型.应用统计学理论,结合矿井通风系统经济性、安全性的要求,利用SPSS软件对学习样本进行因子分析(FA),有效的选取主因子,对主因子进行Fisher判别分析(FDA),建立因子Fisher判别分析模型(FA-FDA).用建立的因子Fisher判别分析函数对待测样本进行分类,并对实际生产的矿井通风系统安全性进行判别.研究结果表明:预测结果与实际结果相吻合,因子Fisher判别分析模型在研究矿井通风系统安全可靠性方面性能较好,预测精度高,操作过程简单,便于实际推广.     

冲击地压Fisher判别分析预测

为对冲击地压危险性进行准确地预测预报.在综合分析冲击地压多种影响因素的基础上,采用Fisher判别分析方法,结合文献提供的张集矿历年冲击地压24组相关数据实例,建立了冲击地压预测预报的Fisher判别分析模型,模型回代预测准确率为100%,误判率为0.将模型应用到张集煤矿冲击地压分级预测问题中,并与支持向量机方法、BP网络进行比较,研究结果表明:Fisher判别分析模型具有较高的可靠性,判别效率及准确率高,能对冲击地压进行有效预测.     

岩体爆破震动损伤评估的多元判别分析模型

提出基于多元判别分析理论的岩体爆破震动损伤安全判据方法。考虑爆破震动信号的幅值强度特性、频谱特性、持时特性和时-能密度曲线特性,并选用震动峰值速度、震动主频、震动持时和时-能密度曲线下的面积作为判别因子,建立多元判别分析模型对岩体的爆破震动损伤情况进行预测。以工程岩体实测数据作为学习样本进行训练,建立相应判别模型对待判样本进行判别,利用回代估计法对模型的合理性进行检验。研究结果表明:建立的判别模型回判估计的误判率为0,预测结果与实际结果相符;判别分析模型综合考虑了影响爆破损伤的多种因素,与其他单指标判据相比,评估结果与实际结果更加相符。     

基于GIS的砂土液化可视化评价模型

砂土液化是一种常见的地震灾害,文章探讨了基于现场SPT、CPT实测资料以及室内动三轴试验数据来进行砂土液化可视化评价的模型和流程,不仅综合运用了当今国内外砂土液化评价的常用方法,并在此基础上提出采用加权的办法,计算场地的抗砂土液化系数,以此对场地的抗液化性作最终评定;同时,文章阐述了基于GIS技术实现砂土液化可视化判别的方法、可行性、优点及应用前景.     

山区公路泥石流易发性评价的Fisher判别分析法

针对山区公路泥石流易发性评价问题,基于Fisher判别分析理论,在分析影响泥石流易发程度的基础上,选取9个影响因子作为判别指标,以G314线奥依塔克镇至布伦口段公路50条沟谷作为学习样本,建立了山区公路泥石流易发性评价的Fisher判别分析模型,利用回代估计方法对建模数据逐一进行检验,正确率达100%,并选用其它4组待检样本对判别模型进行验证,验证结果均与实际情况相符.研究结果表明:Fisher判别分析法用于山区公路泥石流易发性判别效果良好,是解决评价山区公路两侧沟谷泥石流易发性的一种有效方法.     

判别分析和SPSS的使用

给出距离判别法,Bayes判别法和Fisher判别法三者之间的内在联系,给出SPSS中Fisher判别法、非标准化判别法所对应的函数表达式,它们与3种判别法的关系.用例子验证所得的结论,说明利用SPSS中的判别分析方法进行3种判别分析的具体过程.