搜索结果: 1-5 共查到“土木建筑工程 SVM”相关记录5条 . 查询时间(0.043 秒)
目前混凝土毁伤效应中侵彻深度的预测对防护工程设计与建设有着重要的指导意义，传统的预测方法存在样本需求量大、预测误差大等问题。根据支持向量机原理，采用粒子群算法优化模型参数，提出了预测动能弹侵彻深度的粒子群-支持向量机方法，并编写了相应的计算程序，通过援引实测数据验证预测的准确性。结果表明:该方法对于小样本、非线性预测有较大优势，相比于传统的灰色理论预测，其预测相对误差较小(最大相对误差为3.18%...
基于TSP203系统和GA-SVM的围岩超前分类预测
岩石力学 围岩分类 超前预测 支持向量机
2010/8/25
为有效地进行隧道围岩类别超前分类，提出基于TSP203系统和遗传–支持向量机的围岩类别超前分类方法。以TSP203系统为基础，从探测结果中提取有用信息，建立围岩类别超前分类指标体系，并采用支持向量机进行围岩超前分类预测。建立围岩类别超前分类指标体系时，采用TSP203中可有效识别的围岩分类参数来实现：岩体完整性系数、泊松比、静态扬氏模量、主要结构面与洞轴线的夹角、不连续结构面状态和地下水发育情况。...
岩石力学性态预测的PSO-SVM模型
PSO-SVM模型 岩石力学
2010/2/4
传统的固体力学方法在描述岩石的各种地质因素与其力学性态之间的复杂非线性关系时存在困难。引入粒子群算法(PSO)对支持向量机(SVM)进行优化，提出岩石力学性态预测的粒子群优化支持向量机模型(PSO-SVM)。该模型利用SVM来建立岩石地质因素与力学性态之间的非线性关系；同时利用PSO对SVM参数进行全局寻优，避免人为选择参数的盲目性，从而提高模型的预测精度。将PSO-SVM应用到岩石压缩系数的预测...
冲击地压预测的PSO-SVM模型
PSO-SVM模型 冲击地压预测
2009/4/30
冲击地压是一种复杂的非线性动力学现象，其发生机制非常复杂，而在监测数据的基础上对其进行分析预测，是冲击地压的一个重要研究方法，但是采用传统的数学力学方法很难表达冲击地压与其影响因素之间的复杂非线性关系，其中采用时间序列进行预测是一个重要的研究方向。针对这一问题，将冲击地压看作一时间序列过程，采用支持向量机建立冲击地压序列之间的非线性关系；同时，考虑到支持向量机参数对预测效果的影响，采用微粒群算法对...
基于SVM的煤与瓦斯突出区域预测研究
采矿工程 支持向量机 煤与瓦斯突出 区域预测 突出危险性等级指标函数
2007/12/12
支持向量机是20世纪90年代中期兴起的基于结构风险最小化原理的机器学习技术，各项技术性能尤其是泛化能力具有明显优势。基于支持向量机构建了煤与瓦斯突出预测模型。首先，按SVM的二类划分最优分类面和样本混杂区的边界将特征空间细划为3个区域，由此建立了可将突出危险性划分为突出危险、突出威胁、安全3个级别的煤与瓦斯突出的SVM模型。再将SVM的二类划分最优符号函数改为距离函数，用这个距离函数和混杂区尺寸u...