近年來隨著我國經(jīng)濟的發(fā)展和城市化進程的加劇,基礎設施建設開始向地下發(fā)展,大型巖土工程問題正在達到前所未有的高度。然而,隨著工程規(guī)模增大、復雜性提高,各種不確定因素也隨之增加,對巖土體的非線性行為進行精準預測對保護人民群眾生命財產安全、降低工程造價等具有重要意義。傳統(tǒng)的巖土工程問題預測的理論解決方法往往受到實地勘察困難、周期長、造價高等問題限制。隨著科技的進步,越來越多的智能方法開始應用于巖土工程領域。支持向量機、BP神經(jīng)網(wǎng)絡方法等都得到了較為廣泛的應用,但是由于方法本身存在的缺陷,預測結果往往不能令人滿意,因此有待提出更加高效、精準的預測方法。本文針對傳統(tǒng)理論方法和機器學習方法的不足,提出了將相關向量機應用于巖土體非線性行為研究的新思路。相關向量機作為一種新興的機器學習方法,目前在巖土工程領域應用甚少。相關向量機具有泛化能力強、參數(shù)優(yōu)化簡單、預測精度高、魯棒性好等優(yōu)點,同時該模型更稀疏、核函數(shù)選擇更加自由,可以在復雜影響因素與預測值間建立精準的映射關系,為解決巖土工程問題中的預測與識別問題提供了有效的途徑�？傮w來說,本文做了以下幾方面的工作:1.針對傳統(tǒng)方法的局限性,建立巖土體非線性行...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 巖土體非線性行為回歸預測研究現(xiàn)狀
        1.2.2 巖土體非線性行為分類識別研究現(xiàn)狀
        1.2.3 相關向量機模型研究現(xiàn)狀
    1.3 本文主要研究內容
第二章 相關向量機機器學習方法
    2.1 相關向量機原理
    2.2 相關向量機回歸模型
        2.2.1 相關向量機回歸原理
        2.2.2 參數(shù)預測
    2.3 相關向量機分類模型
        2.3.1 相關向量機二分類
        2.3.2 相關向量機多分類
    2.4 核函數(shù)選擇
    2.5 本章小結
第三章 巖土體非線性行為回歸預測的相關向量機模型
    3.1 引言
    3.2 基于相關向量機的泥石流平均流速預測模型
        3.2.1 泥石流平均流速研究現(xiàn)狀
        3.2.2 泥石流平均流速預測的相關向量機模型
            3.2.2.1 影響因素的確定
            3.2.2.2 相關向量機模型建立
        3.2.3 泥石流平均流速預測結果及分析
    3.3 基于相關向量機的邊坡穩(wěn)定性預測模型
        3.3.1 邊坡穩(wěn)定性分析現(xiàn)狀
        3.3.2 基于相關向量機的邊坡穩(wěn)定性模型
        3.3.3 預測結果與分析
        3.3.4 敏感性因子分析
    3.4 本章小結
第四章 巖土體非線性行為多分類識別的相關向量機模型
    4.1 基于相關向量機多分類的巖爆等級識別模型
        4.1.1 巖爆問題發(fā)展現(xiàn)狀
        4.1.2 巖爆等級識別模型
            4.1.2.1 數(shù)據(jù)樣本的確定
            4.1.2.2 巖爆烈度分級
            4.1.2.3 方法實現(xiàn)步驟
            4.1.2.4 應用實例
        4.1.3 預測結果及分析
    4.2 層狀危巖失穩(wěn)模式預測的相關向量機模型
        4.2.1 危巖的危害及研究
        4.2.2 基于相關向量機的危巖失穩(wěn)模式判別模型
    4.3 本章小結
第五章 基于主成分分析法的改進相關向量機模型
    5.1 主成分分析法原理
    5.2 基于PCA-RVM的 TBM掘進速度回歸預測模型
        5.2.1 影響TBM掘進速度的主成分分析
        5.2.2 TBM掘進速度模型
    5.3 基于PCA-RVM的圍巖穩(wěn)定性識別模型
        5.3.1 圍巖穩(wěn)定性分類標準
        5.3.2 圍巖穩(wěn)定性因素主成分分析
        5.3.3 PCA-RVM模型建立
    5.4 本章小結
第六章 結論與展望
    6.1 結論
    6.2 展望
參考文獻
申請學位期間的研究成果及發(fā)表的學術論文
致謝



本文編號：3857074