滑坡中短期预测方法的研究

本文详细分析了岩体蠕变变形发展三个阶段的基本特征,提出一种摩擦元件和阻尼元件并联的滑坡中短期预报模型:滑坡发生在加速蠕变阶段,可以用反映摩擦特性和阻尼特性的材料参数不断恶化(文中假设线性变化)予以反映。最后,用三个滑坡实测数据对模型进行了检验。     

基于LightGBM的船舶航速预测模型

针对现有基于机器学习算法的船舶航速预测模型无法兼顾计算精度高、泛化能力强及计算速度快的问题,提出基于LightGBM的船舶航速预测模型,并以一艘安装有能效监测系统的内河船舶为研究对象,运用LightGBM算法建立以实时风速、风向、水深、水流速度、尾轴转速、轴功率和主机油耗为输入的船舶航速预测模型,并同时与RR、SVR、DT、BPNN、RF、GBDT和XGBoost七种机器学习算法的航速预测结果进行比较。结果表明：基于LightGBM建立的船舶航速预测模型的精度、泛化能力、运算速度均排名第二,综合性能最好,可在保证较高预测精度和较强泛化能力前提下,实现对船舶航速的快速预测。     

公路降雨型滑坡灾害的预测预报

在公路工程中,降雨型滑坡灾害具有区域性、群发性和突发性等特点,是常见的公路自然灾害之一,往往破坏交通基础设施,造成交通中断和人员财产损失。简要地论述了降雨型滑坡灾害的特点及其成因机制,并从空间预测、时间预报和强度预报等3方面研究了其预测预报方法。其中,空间预测是时间预报的先决条件。正确合理地预测预报公路降雨型滑坡灾害,对进一步研究公路滑坡灾害危险性评价及其区划是非常必要的,对公路建设及养护具有十分重要的意义。     

GIS在滑坡灾害预测预报领域的应用

地理信息系统（GIS）是一门交叉新兴研究领域,它不仅可以像传统的数据库管理那样管理数字和文字信息,而且还可以管理空间图形信息;二是它可以使用各种空间分析的方法,对多种不同的信息进行综合分析,寻找空间实体间的相互关系,分析和处理一定区域内分布的现象和过程.本文主要介绍GIS在滑坡预报预警中的应用和发展,作为一种分析处理地学数据的通用技术,结合它的信息管理功能,对滑坡灾害危险性和风险信息进行综合管理,实现滑坡灾害管理决策,达到防灾减灾的目的.     

滑坡预测预报的现状和发展趋势

就滑坡预报的理论基础、滑坡预报的研究现状进行了综述,分析了滑坡预报方法及其适用性、预报方法的选择原则等,并对滑坡预报的发展趋势作了简要的评述。     

滑坡灾害监测与预测预报研究现状及展望

我国滑坡灾害点多、面广,活动频繁,每年都会造成严重的经济损失和人员伤亡,是我国地质灾害主控灾型,监测与预测预报是滑坡灾害防灾减灾的重要途径.首先,系统讨论滑坡监测内容与技术的优势和局限性,归纳并对比分析各监测技术的利弊特征与适用条件.其次,从空间预测与时间预报两个方面,总结滑坡测预报模型的最新进展,并分析各类预测预报模...     

基于GIS的滑坡信息管理和预测预报系统的设计

探讨了基于GIS的滑坡信息管理和预测预报系统的设计。该系统以GIS软件MapInfo为平台，将与滑坡发生有关的多种数据进行存储、管理和分析，然后在充分考虑滑坡稳定性与各因素之间的统计相关性和位置相关性的基础上，建立滑坡影响因子叠加预测模型和神经网络预测模型。该系统不仅可以有效地管理滑坡数据，而且可以进行滑坡预测预报，为决策提供依据。     

基于代价敏感LightGBM的网购意愿预测研究

[目的]由于购买商品的消费者数量远小于未购买商品的消费者数量,网购意愿预测研究是典型的不平衡数据分类问题.研究不平衡数据的分类问题以提升网购意愿预测的分类准确率,该问题主要存在少数类样本识别准确率远小于多数类样本的问题.[方法]提出一种基于贝叶斯优化的代价敏感轻量梯度提升机(Light Gradient Boosting Machine, LightGBM)模型.首先引入误分类代价作为惩罚因子修正LightGBM的损失函数,其次通过阈值移动降低模型的分类阈值以提高针对少数类样本的预测准确率,最后利用贝叶斯优化算法优化误分类代价参数、分类阈值及其他参数.[结果]从KEEL数据库中选取5个典型的不平衡数据集进行对比实验,相较于标准LightGBM模型,改进LightGBM模型的AUC值和G-mean值均提升了10%左右;相较于遗传算法优化代价敏感LightGBM模型和粒子群优化代价敏感LightGBM模型,改进LightGBM模型的AUC值和G-mean值普遍提升了4%左右;相较于ADASYN-LightGBM模型和BorderlineSMOTE-LightGBM模型,改进LightGBM...     

滑坡预测预报的非线性动力学模型探讨

我国是一个深受滑坡灾害困扰的国家,每年由滑坡所造成的经济损失异常惨重。因此,滑坡的预测预报已成为人们研究的一个热点问题。本文对滑坡的研究现状进行了总结,重点探讨了滑坡的预测预报模型和方法,对滑坡定量预报的非线性动力学模型进行了探讨。     

基于InSAR的潜在滑坡人工智能识别——以延安宝塔区为例

基于合成孔径雷达干涉测量(InSAR)技术,结合热点分析和机器学习算法,进行区域高形变斜坡自动提取和潜在滑坡人工智能识别研究,以提升潜在滑坡识别效率和准确性,解决传统人工调查和目视解译无法有效识别位于高位、隐蔽性较强的潜在滑坡问题.结果表明,基于热点分析自动提取20处高形变区域,提取正确率、错分率和漏分率分别为74.31%、25.69%和11.80%,证实热点分析方法能够有效应用于InSAR高形变区自动识别和提取.基于识别的高形变区,结合历史滑坡灾害发育特征,利用机器学习算法建立潜在滑坡预测模型,采用表现最佳的自适应提升模型对自动提取区域进行预测,预测召回率和准确率分别为81%和65%,能够实现潜在滑坡的有效识别.     

争岗滑坡堆积体滑坡灾害数值模拟预测分析

基于云南省古水水电站争岗滑坡堆积体地质调查,根据现状对滑坡体稳定性进行了初步判断,同时利用颗粒离散元方法进行宏观细观参数标定,建立了滑坡细观分析模型;在此基础上预测了滑坡过程、滑坡速度、滑坡堆积、冲出距离与滑面摩擦系数的内在关系,并根据堆积体天然含水量试验进行了滑坡灾害分析,将计算结果与现场勘查的拉裂隙分布进行了对比研究。在此基础上对滑坡体的稳定性及失稳破坏机理进行了探讨,提出了滑坡堆积体治理的基本思路。     

海州露天矿气象因素滑坡灾害成因分析及预报

为了揭示降水对露天矿滑坡的影响规律,在对滑坡调查和分析的基础上,通过对海州露天矿近50年的滑坡灾害资料和实况气象降水资料进行对比分析,得出了因气象因素导致滑坡灾害的触发机制,利用多元回归分析方法建立了临界滑坡预报模型.采用该模型进行滑坡时间预报,结果理想,说明该模型具有一定的合理性、实用性.     

区域滑坡灾害危险性时间预测研究

以巴东县新城区历史滑坡资料为例,借鉴地震灾害相关的预测理论与方法,对该区在未来5a,10a及50a不同时段内不同规模滑坡发生的超越概率进行了定量计算与预测.结果表明:巴东县新城区在未来5a,10a及50a时间段内,在不考虑人类防治工程的条件下,该区有可能发生规模在50×104 m3以上的中型滑坡、250×104 m3以上的大型滑坡、400×104 m3以上的大型滑坡的概率均达90%.研究成果为社会经济发展的防灾减灾需求灾害管理提供了科学依据,同时也为完善丰富滑坡灾害危险性评价理论的学科体系奠定了基础.     

基于DDA方法的滑坡稳定性预测

应用距离判别分析（DDA）方法,将影响滑坡失稳的外形特征、滑面特征等4项内在因素和河流作用、暴雨强度等5项外在因素作为判别因子,建立了滑坡稳定性预测的距离判别分析模型.以国内典型滑坡工程发生失稳的实测资料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.结果表明距离判别分析模型预测性能良好,预测精度高,回判估计的误判率为零,是滑坡稳定性预测的一种有效方法,可以在实际工程中进行推广应用.     

基于改进LightGBM的室内指纹定位算法

针对室内定位算法在定位时所用时间较长和定位精度较低的问题,提出了一种基于改进LightGBM算法的室内定位算法。该算法首先针对指纹库中的数据进行预处理,通过KNN算法去除异常点和离群点,降低环境噪声干扰,提高数据可靠性。接下来,将样本集划分为训练集和测试集,使用LightGBM算法对进行建模。同时,使用遗传算法调整LightGBM算法中的参数,并根据适应度函数寻找最优参数,得到LightGBM+GA坐标预测模型。最后,根据优化后的参数建立预测模型实现坐标预测。实验结果表明,该算法在WiFi定位的精度上较与XGBoost算法提高0.1m,相较于GBDT算法提高0.19m,在定位时间上,LightGBM+GA算法比GBDT算法快5.10s,比XGBoost算法快5.97s,具有较好的实用性。     

基于位移比的边坡稳定性评价方法

以土质边坡为例,建立相应的数值模型计算了边坡的水平位移与数值位移之比对稳定性的影响,计算结果表明,该位移比与边坡的稳定性系数存在良好的对应关系。这一规律可以作为边坡稳定性评价的依据,还可以作为滑坡预警预报的手段。研究结论为滑坡地质灾害的预防提供理论参考。     

滑坡预测预报研究发展综述

滑坡预测预报系统将有效的解决灾害发生地点,灾害发生时间,灾害将带来的影响和破坏程度这三方面边坡灾害的疑惑。本文将对滑坡预测预报研究发展过程进行综述回顾,对滑坡预测现阶段存在的主要问题进行阐述,对边坡预测预报的发展趋势进行展望。     

基于LightGBM算法的航空发动机基线多参数建模方法

在航空发动机实时监控与健康管理技术中,发动机工作基线起到了至关重要的作用。近些年来,利用QAR(快速存储记录器)数据进行基线挖掘的方法受到了广泛的关注。本文提出了一种考虑引气和滑油温度影响的lightGBM航空发动机基线建模方法,按照发动机稳态工作条件提取GE90-115B发动机在运行过程中的数据,对其做相似修正后作为基础数据,再通过带交叉验证的网格寻优lightGBM算法进行训练获得基线模型。与以往挖掘的基线模型相比,在考虑引气和滑油温度的情况下训练出的基线模型具有更高的精度和更强的泛化能力。     

基于LightGBM的特征选择算法

为解决过滤式和基于演化学习的包裹式两类特征选择算法的缺陷,提出一种新型包裹式特征选择算法LGBFS(LightGBM feature selection).首先引入LightGBM对原始特征构建迭代提升树模型并对特征重要度进行度量;随后结合提出的LR序列前向搜索策略LRSFFS对特征进行选择;最后将所提出算法与9种对比算法在21个标准数据集上进行对比,结果显示LGBFS在21个标准数据集中的16个取得最优分类精度、18个取得最优维度缩减率和最优CPU运行时间.还进行了时间复杂度分析与显著性检验,检验表明LGBFS相较6种对比算法具有显著性差异,也说明LGBFS能够同时兼顾特征子集的计算效率和分类精度.