搜索结果: 1-8 共查到“土木建筑工程 支持向量机”相关记录8条 . 查询时间(0.336 秒)
该文利用具有良好小样本学习能力的支持向量机回归拟合结构响应的显式函数, 计算随机变量的灵敏度系数, 并结合蒙特卡洛法对结构响应的随机性进行分析。采用自适应混合粒子群法优化支持向量机相关参数取值, 提高了计算效率。通过两个工程算例验证了该方法的可行性, 并对比了训练样本抽样方法对计算精度的影响。算例结果表明：利用补充抽样方法抽取训练样本计算结构随机性得到的结果精度高, 拟合的概率密度分布曲线可以更好...
针对灌浆地层裂隙存在不确定性变化的特点，提出基于支持向量机(SVM)的灌浆地层智能识别方法，以提高地层识别能力。为了提高支持向量机模型的运算速度，采用几何方法求取支持向量，避免了二次规划算法求解。该算法根据支持向量的几何分布特点，从距离最近的样本点开始，通过不断地寻找违反KKT条件的样本点来找出支持向量。最后，选取大理岩石(较完整地层)和砂质板岩地层的部分灌浆实验数据样本建立灌浆地层的分类模型，用...
运用人工智能领域最新的基于结构风险最小化原理的机器学习算法——支持向量机(SVM)算法，采用线性Linear和径向基函数RBF两种核函数以及e 不敏感和Quadratic两种损失函数，并且考虑惩罚参数C的不同，编写了相应的程序对影响边坡角设计的诸多因素进行了机器学习，经过反复调整相关参数和计算对比，找到了拟合精度很高的支持向量机网络，并以此网络对测试样本作预测检验模型的可靠性；对影响支持向量机建模...
基于支持向量机和模拟退火算法的位移反分析
岩石力学 支持向量机 模拟退火算法 位移反分析
2007/12/12
提出了一种基于支持向量机和模拟退火算法的位移反分析方法，一方面用支持向量机代替有限元计算提高计算分析速度，另一方面用模拟退火算法代替传统的优化算法，避免优化过程中目标函数陷入局部极小值而无法继续寻优的状态，从而提高反演的效率精度。应用该方法对边坡的岩体力学参数进行反演，反演结果验证了模型的可行性。
分析了砂土液化的主要影响因素，建立了砂土液化的支持向量机预测模型。该模型能通过有限经验数据的学习，建立砂土液化类型与其影响因素之间的非线性关系。运用所建立的模型对具体的砂土液化类型进行了评判，评判结果表明，基于线性核的支持向量机分类器不能有效地建立液化类型与影响因素之间的非线性映射，而基于多项式核及径向基核函数的分类器能正确判定砂土是否液化。
根据影响边坡稳定性的主要因素，建立了边坡稳定性的支持向量机预测模型。该模型通过有限的经验数据的学习，建立了边坡稳定性与其影响因素之间的非线性关系。运用所建立的模型对具体的岩体边坡进行了判定，由结果知，基于线性核的支持向量机分类器不能有效地建立边坡稳定与影响因素之间的非线性映射，而基于神经网络核及径向基函数核的分类器能正确判定边坡的稳定性。
针对边坡工程可靠性分析中存在的问题以及边坡工程地质条件、岩土体参数和力学上的不确定性，基于支持向量机的结构简单、学习性能出色和有较强的推广性等优点，提出了用支持向量机来估计边坡工程的可靠性。结果分析表明，该方法具有一定的工程参考和使用价值。