一种基于鲸鱼算法优化支持向量机的边坡安全系数预测方法

    公开(公告)号:CN116611002A

    公开(公告)日:2023-08-18

    申请号:CN202310460560.4

    申请日:2023-04-26

    IPC分类号: G06F18/2411 G06F18/214

    摘要: 本发明涉及一种基于鲸鱼算法优化支持向量机的边坡安全系数预测方法,属于边坡工程技术领域。本发明收集边坡的容重、内聚力、摩擦角、边坡角度、边坡高度、孔隙水压力和边坡安全系数等边坡参数数据信息形成边坡样本原始数据集,再归一化处理得到边坡样本数据集并划分为训练集和测试样本集;建立支持向量机模型,通过鲸鱼优化算法确定支持向量机的核函数宽度因子和惩罚系数,得到鲸鱼算法优化后的支持向量机模型;使用该模型预测测试样本集中边坡的安全系数,预测安全系数与实际安全系数对比分析,评价模型预测精度。本发明预测方法可以快速、有效地对边坡安全系数进行预测,且预测精度高,可以为实际工程中边坡设计及安全系数预测提供重要依据。

    一种基于卷积神经网络的井下顶板风险探测方法及探测装置

    公开(公告)号:CN115496101A

    公开(公告)日:2022-12-20

    申请号:CN202211166196.2

    申请日:2022-09-23

    摘要: 本发明涉及一种基于卷积神经网络的井下顶板风险探测方法及探测装置,属于矿山井下顶板安全探测技术领域。本发明方法包括敲击矿山井下不同高度的顶板浮石,采集矿山井下顶板的不同风险等级点位的不同频率振动信号数据,形成样本数据集;对样本数据集中的不同频率的振动信号进行处理得到音频图像集,利用音频图像集训练顶板振动音频识别神经网络,并基于训练完成的顶板振动音频识别神经网络对井下顶板风险状态即井下顶板不同点位的风险等级进行探测和识别;采用训练完成的顶板振动音频识别神经网络对井下顶板的当前风险等级状态进行识别;将识别的井下顶板的当前风险等级状态进行实时显示。