摘要：我国是降雨型滑坡地质灾害频发国家之一,频繁发生的滑坡灾害对社会经济发展和人民生活质量造成不同程度的影响。针对我国长期面临的降雨型滑坡灾害威胁,本研究提出采用SHALSTAB和svm模型相结合的方法,充分利用了SHALSTAB模型对降雨入渗影响边坡稳定性评价的优势和svm模型对非线性数据的处理能力,开发形成SHALSTABsvm模型。本次研究选择云南省大关县作为研究区域,深入探究降雨型滑坡的危险性评估。研究结果表明,该模型的评估精度,由单一SHALSTAB模型的82.7%提高至SHALSTAB-svm模型的94.5%,精度提升达到14.268%。这一显著提升彰显了融合模型在准确分析降雨型滑坡危险性预测方面具备更高的准确性。同时,卫星影像解译情况表明预测结果与实际滑坡情况相符,进一步验证了该模型在实际应用中展现出了高度的准确性。该研究不仅在大关县滑坡灾害风险评估方面具有重要意义,同时也为类似地区或其他类型地质灾害的预测和评估提供了宝贵的参考。

摘要：由于原有人-机决策模型的运作模式容易忽视班组之间的契合关系,班组成员的工作无法协同会导致安全事故频发,因此基于svm模型设计班组协同关系的决策模型。根据灰数信息理论分析班组契合度,基于svm模型预处理关联数据,同时构建决策模型实现关系协同,从而完成组班协同关系决策模型方法设计。在某矿区生产中设置3个班组,以全年协同合作为测试标准进行安全考核,实验结果表明该模型能够将违规事故控制在3次以下,有效保证矿区的生产,具有较好的实际应用效果。

摘要：基于svm下的创新识别模式为视角,立足于河南企业科技创新能力评价的实际需求,构建河南科技创新能力评价模型。svm在解决小样本、非线形及高维模式识别问题具有独特优势,主要从知识创造能力、知识获取能力、企业创新能力、创新环境、创新绩效等识别指标,建立科学的评价指标体系,对河南企业的科技创新能力进行客观而准确的测度和评价。实证研究表明:支持向量机在河南科技创新能力识别中的效果良好,表现出svm对有限样本的良好泛化能力,足见svm方法的科学性、合理性和前瞻性。

摘要：在建筑能耗预测模型训练中,选定的特征在某些环境下很难保证预测结果的实效性和准确性.如何科学合理地选择适合建筑本身属性的特征子集用于模型学习,在机器学习研究领域中一直备受研究者的青睐.基于解决使用不同的特征集会改变模型的精度性能和学习速度等问题,本文提出一种“探索式”方法用于特征子集选择,并针对它是如何影响模型的性能进行一系列的实验和系统分析,探索一种足够简单且实用,同时又可以在实践中容易获取和准确记录的特征集.基于选取出的3个数据集,利用径向基函数核和多项式函数核对模型进行训练,通过特征选择前后模型性能的数据比较分析发现所采用的方法对模型的预测精度具有一定的提升作用.

摘要：在复合地层盾构法隧道施工中,如何提高盾构机推进速度一直是盾构机设计、施工人员研究的重点。以长沙轨道交通1号线五一广场到营盘路隧道工程为研究背景,现场采集盾构机掘进参数,应用svm,建立了"五营"区间复合地层盾构机推进速度的预测数学模型,并对模型进行检测,检测结果表明该预测模型对推进速度预测的平均相对误差≤7%,验证了该模型对推进速度预测的有效性。

摘要：双线盾构隧道在极复杂的岩溶地质中下穿既有线施工时,会对地层造成较大扰动,从而增加既有地表沉降过大或坍塌的风险,严重威胁既有线的运营安全。同时,隧道穿越富水岩溶区域时,需要保持一定距离以避免与溶洞相交,确保双线盾构隧道围岩的稳定性。利用FlAC^(3D)软件建立不同工况组合下双线盾构隧道与左侧溶洞的临界安全距离数值模型,分析不同地下水位对既有线沉降和围岩塑性区范围的影响,并采用正交试验和多元线性回归方法建立双线盾构隧道在不同围岩等级、地下水埋深、开挖隧道埋深和溶洞孔径组合下与溶洞的临界安全距离计算公式。此外,还基于svm模型对正交试验结果进行机器学习,得到可以预测岩溶地区双线盾构隧道临界安全距离的智能预测系统,实现双线盾构隧道下穿既有线临界安全距离的非线性智能预测。结果表明:当地下水位位于既有线以上时,其水位越高,既有线的沉降量越大、围岩塑性区范围越大,地下水对盾构隧道与溶洞的临界安全距离有很大影响,应用svm模型和多元线性回归方法确定双线盾构隧道与溶洞之间的临界安全距离是行之有效的。

摘要：提出了多元频域变换与几何校正机制的彩色图像水印算法。对重力模型进行改进,实现水印信息的加密,利用四元变换处理处理载体图像的最大中心区域,获取其相位与幅度信息;设计水印嵌入机制,将水印信息植入到四元变换的幅度中,借助逆变换,输出水印图像;引入四元小波变换处理水印图像的训练样本,获取其四元小波变换系数训练支持向量机,完成水印图像实现准确的几何校正;利用四元变换,建立水印提取机制,复原水印图像。测试数据表明：与当前图像水印方案相比,所提算法能够准确校正几何失真图像,具备更高的鲁棒性与抗盲检测能力。

摘要：以交会图为代表的传统岩性识别图版无法适用于致密砂岩地层,其主要原因是大部分地层岩性的测井响应特征相似度高,难以基于图版分析被有效识别。LightGBM较传统模式识别模型能更高效地解决问题,为此采用该模型识别致密砂岩地层岩性。由于LightGBM在建模时利用了较多的超参数,导致预测结果难以保证为最优,所以采用GS算法进行优化,进而提出GS-LightGBM。实验目的层为姬塬油田西部长4+5段致密砂岩地层。提出模型的预测能力通过设计两个实验来验证。为突出验证效果,实验中加入svm和XGBoost作为对比模型。实验结果显示,GS-XGBoost和GS-LightGBM的准确率、F 1-score和AUC指标相接近,都最高,但GS-LightGBM的计算时间只有GS-XGBoost的约1/23。实验结果表明,GS-LightGBM模型可在不失精度的情况下,能快速给出预测结果,具备了在致密砂岩地层岩性识别研究上的应用价值和推广性。

摘要：广告转化率是衡量广告投放效果和收取广告费用的重要指标。本文采用用户特征和广告特征数据,基于LS-svm模型,预测广告转化率。通过训练模型,我们使用测试集绘制ROC曲线并计算AUC,以衡量模型的泛化能力。通过与传统计量经济学的概率单位模型相对比,LS-svm模型的泛化能力更好,即LS-svm有更好的样本外预测能力。

摘要：[目的/意义]基于文献计量学的新兴技术预测方法能够避免现有德尔菲法的专家依赖性,但是文献所属技术领域的划分仍需依据领域知识设计复杂的检索式。[方法/过程]提出了一种基于机器学习和时间序列预测的新兴技术预测方法,LDA主题模型与svm(支持向量机)分类模型连用的机器学习方法解决了海量论文摘要数据按照新兴技术类别的多分类,通过ARIMA(差分自回归移动平均模型)模型对时序论文未来数量的预测,分析以技术为驱动力的新兴技术发展趋势。[结果/结论]最后,以机器人技术为例,提取Web of Science(WOS)论文数据库上万条数据,对7个新兴领域发展趋势进行预测,为新兴技术预测工作提供有益的数据和方法支持。