人工冻土单轴抗压强度灰色理论预测

人工冻土的物理力学指标是冻结法凿井中冻结壁设计参数和开挖的依据,为提高人工冻土单轴抗压强度预测的精确度与稳定性,利用灰色理论处理小样本数据的独特优势,结合影响人工冻土单轴抗压强度因素,提出了人工冻土单轴抗压强度的预测方法。针对传统的GM(1,1)模型预测产生的较大误差的缺点,增加了原始序列的光滑度,并优化了时间响应函数,建立了改进的GM(1,1)模型。结果表明,利用改进的GM(1,1)模型的预测精度优于传统模型。该模型为人工冻土单轴抗压强度的预测提供了一种新方法。     

冻结时间对冻土抗压强度影响的试验分析

为了研究不同冻结时间及含水率对冻结粉质黏土无侧限抗压强度的影响,在负温条件下对不同含水率粉质黏土进行了不同冻结时间的无侧限抗压强度试验。结果表明随着冻结时间的增加,冻结粉质黏土无侧限抗压强度逐渐增大且增大趋势逐渐减小,应力-应变曲线的弹性段得到延长,应力达到峰值后下降段斜率逐渐增大,表现出依赖于冻结时间的冻脆性特征;在17%～29%范围内,随着含水率的增大,无侧限抗压强度逐渐降低,破坏应变逐渐增大,破坏形式由脆性破坏向塑性破坏转变。     

冻土单轴压缩损伤特征与细观损伤测试

基于冻土单轴压缩的CT动态测试，提出冻土单轴压缩下的损伤由完全不同的两个阶段组成：其一是塑性硬化下的塑性损伤，其二是由于新产生的裂隙造成的微裂纹损伤。对两种不同损伤阶段下冻土微结构变化特征进行了讨论，给出了各阶段损伤计量计算公式。采用该方法分别对饱水冻土试样和未饱水冻土试样的损伤量进行了计算，得到了塑性损伤和微裂纹损伤阶段的损伤量及总附加损伤量。得出饱水冻土的塑性损伤和微裂纹损伤产生的应变条件门槛值分别为0．75％和5．0％，未饱水冻土的分别为0．70％和4．5％。     

人工冻土蠕变非定常开尔文模型

为了更好地描述人工冻土的蠕变特性,将广义开尔文模型中的经典Newton黏壶中的黏滞系数定义为与时间有关的非定常参数,通过推算得到非定常开尔文模型,用粒子群优化算法识别模型中的参数。非定常开尔文模型能模拟不同应力下的蠕变试验数据,效果都很好,充分说明了该模型的合理性。目前采用非定常开尔文模型来研究人工冻土的蠕变规律的很少,此方法的提出为人工冻土领域的计算开辟了新思路。     

基于测井数据的砂岩三轴抗压强度预测模型

岩石的抗压强度对于优化钻头选型具有重要的意义.针对石油钻井中常遇到的砂岩提出了一种基于测井资料的三轴抗压强度解释模型,该模型是以测井声波、密度、伽马值等数据为主,以单轴抗压强度的解释结果为基础,结合围压下砂岩力学性质实验以及砂岩孔隙度变化实验结果所建立的.研究表明:围压对砂岩强度有较明显的影响,随着围压的增大,砂岩的三...     

基于小样本人工冻土冻胀率智能预测方法

土体在低温下的冻胀将会对工程设施建设和运营等方面造成不利的影响,由于土体冻胀率受制于众多因素,因此土的冻胀率计算一直是研究的热点、难点.为了解决冻胀率计算难、繁等问题,以69组已知冻胀率样本为研究对象,采用支持向量机回归模型计算方法,随机选取59组样本对建立的径向基核函数和多项式核函数两种预测模型进行训练,再利用训练后...     

基于改进人工鱼群算法优化SVR的预测模型

为了降低参数的设定对支持向量机确度的影响,鉴于人工鱼群算法具有易陷入局部最优、收敛速度慢等问题,提出了一种基于改进人工鱼群算法(AFSA)的支持向量机的网络安全态势预测模型,并与GA-LSSVM、PSO-LSSVM及ABC-LSSVM模型进行对比分析。结果表明:文中提出的改进AFSA优化SVM模型性能优于其他比照模型,具有较高的预测精度,对网络安全态势值预测具有较好的效果。     

浅表土人工冻土冻胀特性的研究

利用自制冻胀试验装置,对淤泥质黏土、淤泥质粉质黏土、粉砂在不同冷端温度、含水率及 荷载作用下的冻胀规律进行试验研究。结果表明：在试验含水率及干密度范围内,土体冻胀率随冷 端温度下降线性降低,随土样含水率增加线性增大,随干密度增加而增大,随上部荷载增大呈指数 规律降低。同时对淤泥质黏土进行了正交冻胀试验,表明各因素对土体冻胀率的影响程度的由大到 小顺序为：含水率、冷端温度、干密度、上部荷载。最后给出了不同因素对黏性土冻胀的预测模型 。     

基于多输出支持向量机和遗传算法的岩土参数反演方法

提出了基于多输出支持向量机(M-SVM)和遗传算法(GA)的岩土参数反演方法.在进行参数反演过程中,根据正交试验产生一系列参数的可能组合;采用有限元法(FEM)得到坝体不同测点处的位移计算值.将不同的材料参数组合作为输入,相应的位移计算值作为模型的输出来训练M-SVM模型,以便模拟坝体位移和材料参数之间的复杂关系.采用GA来求解材料参数反演所对应的优化问题.在进行最优材料参数搜索的过程中,采用训练好的M-SVM模型来替代有限元计算,以获得坝体位移的计算值,从而大大减少了计算所需的时间.根据某面板堆石坝沉降的监测数据和有限元仿真模型,实现了以上反演过程.反演分析的结果表明,本文提出的岩土参数反演方法具有计算精度高和计算效率高等优点,可以应用于实际工程中.     

短期电力负荷预测的小波支持向量机方法研究

在充分研究和比较多种负荷预测方法的基础上，提出一种称为小波支持向量机(Wavelet Support Vector Machines，WSVM)的负荷预测新算法．该方法是在研究支持向量机(SVM)核方法与小波框架理论的基础上，引入非线性小波基函数来构造SVM的核函数，从而得到新的SVM模型，并给出了此模型的结构设计与实现算法．通过实例验证，该方法能有效提高预测精度．     

基于遗传算法的支持向量机短期风速预测

对风电场风速实现较准确的预测,可以有效减轻并网后风电场对电网的影响。支持向量机模型的预测精度在很大程度上依赖于模型参数的选择,为提高预测模型的泛化能力和预测精度,应用遗传算法选择支持向量机的模型参数,再根据选择的参数对小时风速进行预测。实验结果表明本文方法能够获得较高的风速预测精度。     

基于遗传编程和支持向量机的故障诊断模型

提出了一种基于遗传编程和支持向量机的故障诊断模型．该模型利用遗传编程对传统的时域指标进行特征选择和提取，得到更能反映信号本质的特征，与其他特征组合后作为识别特征输入多类支持向量机，实现了对机器不同类型故障的识别．实验结果表明，同传统时域指标相比，经过遗传编程选择和提取的特征对轴承的故障具有更好的识别能力，进而提高了多类支持向量机的分类准确性．     

Support Vector Machine Ensemble Based on Genetic Algorithm

Support vector machines （SVMs） have been introduced as effective methods for solving classification problems. However, due to some limitations in practical applications, their generalization performance is sometimes far from the expected level. Therefore, it is meaningful to study SVM ensemble learning. In this paper, a novel genetic algorithm based ensemble learning method, namely Direct Genetic Ensemble （DGE）, is proposed. DGE adopts the predictive accuracy of ensemble as the fitness function and searches a good ensemble from the ensemble space. In essence, DGE is also a selective ensemble learning method because the base classifiers of the ensemble are selected according to the solution of genetic algorithm. In comparison with other ensemble learning methods, DGE works on a higher level and is more direct. Different strategies of constructing diverse base classifiers can be utilized in DGE. Experimental results show that SVM ensembles constructed by DGE can achieve better performance than single SVMs, hagged and boosted SVM ensembles. In addition, some valuable conclusions are obtained.     

基于最小二乘支持向量机的非线性通用模型自适应控制

将模型参考自适应控制方法应用到基于最小二乘支持向量机的通用模型控制策略中,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而克服了通用模型控制器要求过程一阶微分模型应该有显式解的局限性,保证了通用模型控制策略的可实现性.另一方面,加入模型参考自适应环节,提高了该控制器的实时性和鲁棒性,其参数具有明显的物理意义,参数整定方便.仿真实验结果验证了该控制策略的有效性和更好的鲁棒性.     

GA优化支持向量机用于混沌时间序列预测

介绍了利用支持向量机与重构相空间理论预测混沌时间序列的方法，并以股价时间序列为样本，比较了几种常用核函数的预测能力，实验表明高斯核的预测能力明显好于其它核．使用遗传算法优化了高斯核支持向量机的参数，优化后其预测能力较经验定参方法有明显提高，且好于传统的预测方法．     

基于正反馈的支持向量机

在分析现有的基于高斯核的支持向量机(包括基于K-邻域法的支持向量机)的优缺点的基础上,通过对支持向量机之所以能够描述数据集的分布特征的本质进行分析,突破目前在构造支持向量机中存在的"所有支持向量与样本之间的在特征空间中的内积所对应的核函数参数一定要相等"的这一苛刻要求,提出了用于模式识别的基于正反馈的支持向量机.给出了基于正反馈的支持向量机的算法.通过对人工数据和现实数据的仿真实验,表明基于正反馈的支持向量机在推广性能方面明显优于现有的支持向量机.     

基于离散余弦变换和支持向量机的人脸识别算法

提出了一种基于DCT提取人脸特征技术和支持向量机分类模型的人脸识别方法。利用离散余弦变换可提取人脸可识别的大部分信息,而支持向量机作为分类器,在处理小样本、高维数等方面具有独特的优势,且泛化能力很强,无需先验知识。从ORT人脸库上的实验结果可以看出,DCT特征提取是很有效的,且SVM的分类性能优于最近邻分类器,同时提高了整个系统的运算速度。     

基于遗传算法的人工神经网络负荷预测研究

针对BP神经网络的固有缺陷,如训练速度慢,易收敛于局部极小点及全局搜索能力弱等,改进了传统BP算法,并采用遗传算法设计和优化神经网络结构参数,在此基础上建立了基于遗传算法的人工神经网络负荷预测模型,预测仿真结果表明,本文所提出的方法在预测精度和收敛速度方面均得到了改进。