排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
通过采用机器学习算法,提出了高温作用后砂岩物理力学性质变化的阈值温度的确定方法。基于Python语言,利用K-Means、SVM算法,实现了对样本数据的分类和聚类,确定了阈值温度区间,验证了二分类法的合理性和准确性.结果表明,砂岩样本的阈值温度区间为400~600 ℃,阈值温度上下砂岩的物理力学性质存在显著差异,体现为阈值温度区间以下的岩样物理力学性质较为分散,而阈值温度区间以上的岩样物理力学性质较为集中. 相似文献
2.
通过采用机器学习算法,提出了高温作用后砂岩物理力学性质变化的阈值温度的确定方法。基于Python语言,利用K-Means、SVM算法,实现了对样本数据的分类和聚类,确定了阈值温度区间,验证了二分类法的合理性和准确性.结果表明,砂岩样本的阈值温度区间为400~600 ℃,阈值温度上下砂岩的物理力学性质存在显著差异,体现为阈值温度区间以下的岩样物理力学性质较为分散,而阈值温度区间以上的岩样物理力学性质较为集中. 相似文献
1