为达成水工环地质灾害危险性的准确评估目的,运用支持向量机—反向传播(Support Vector Machine and Back Propagation,SVM-BP)神经网络组合模型展开研究。首先,综合灾害类型、特点、成因等多方面因素选取评估指标,并用熵权法计算其权...为达成水工环地质灾害危险性的准确评估目的,运用支持向量机—反向传播(Support Vector Machine and Back Propagation,SVM-BP)神经网络组合模型展开研究。首先,综合灾害类型、特点、成因等多方面因素选取评估指标,并用熵权法计算其权重。其次,评估指标和权重输入组合模型,对危险性进行定量评估,以确定等级。实验结果显示,此方法应用后,能够对工作区内地质灾害点的危险性进行准确评估,无遗漏,无误判,评估效果优势显著。展开更多
相位敏感光时域反射仪(phase-sensitive optical time domain reflectometer)简称Φ-OTDR。由于具有抗干扰能力强、感应灵敏度高,并且能适应各种复杂的外部条件等优点被大范围应用。因此本文基于Φ-OTDR的分布式光纤系统,在小波包分解...相位敏感光时域反射仪(phase-sensitive optical time domain reflectometer)简称Φ-OTDR。由于具有抗干扰能力强、感应灵敏度高,并且能适应各种复杂的外部条件等优点被大范围应用。因此本文基于Φ-OTDR的分布式光纤系统,在小波包分解提取振动信号的基础上,提出了自适应小波包分解,根据信号的能量均方差选择分解层次,实现自适应。并验证,自适应小波包分解优于小波包分解特征提取。针对无扰动、踩踏以及攀爬三类信号进行采集、信号预处理后、再分别用自适应小波包分解和快速谱峭度实行特征处理,最后基于BP神经网络和SVM算法进行识别。实验结果表明2种方法对3种信号都有较好的识别结果,BP算法对无扰动信号的识别率为98.92%,对于踩踏信号,识别结果的平均正确率为97.88%;对于攀爬信号,识别结果正确率为96.36%。SVM算法的平均识别正确率为100%,86.47%,85.75%。得出结论:基于自适应小波包的BP神经网络算法对每种事件都有较好的识别率,对比小波包分解,能有效提高识别准确率。基于快速谱峭度的SVM分类算法对无扰动信号的识别效果最好,但对于踩踏信号和攀爬信号的识别效果没有BP神经网络好。展开更多
文摘为达成水工环地质灾害危险性的准确评估目的,运用支持向量机—反向传播(Support Vector Machine and Back Propagation,SVM-BP)神经网络组合模型展开研究。首先,综合灾害类型、特点、成因等多方面因素选取评估指标,并用熵权法计算其权重。其次,评估指标和权重输入组合模型,对危险性进行定量评估,以确定等级。实验结果显示,此方法应用后,能够对工作区内地质灾害点的危险性进行准确评估,无遗漏,无误判,评估效果优势显著。
文摘相位敏感光时域反射仪(phase-sensitive optical time domain reflectometer)简称Φ-OTDR。由于具有抗干扰能力强、感应灵敏度高,并且能适应各种复杂的外部条件等优点被大范围应用。因此本文基于Φ-OTDR的分布式光纤系统,在小波包分解提取振动信号的基础上,提出了自适应小波包分解,根据信号的能量均方差选择分解层次,实现自适应。并验证,自适应小波包分解优于小波包分解特征提取。针对无扰动、踩踏以及攀爬三类信号进行采集、信号预处理后、再分别用自适应小波包分解和快速谱峭度实行特征处理,最后基于BP神经网络和SVM算法进行识别。实验结果表明2种方法对3种信号都有较好的识别结果,BP算法对无扰动信号的识别率为98.92%,对于踩踏信号,识别结果的平均正确率为97.88%;对于攀爬信号,识别结果正确率为96.36%。SVM算法的平均识别正确率为100%,86.47%,85.75%。得出结论:基于自适应小波包的BP神经网络算法对每种事件都有较好的识别率,对比小波包分解,能有效提高识别准确率。基于快速谱峭度的SVM分类算法对无扰动信号的识别效果最好,但对于踩踏信号和攀爬信号的识别效果没有BP神经网络好。
