曾凡雷
- 作品数：5 被引量：19H指数：2
- 供职机构：华北科技学院更多>>
- 发文基金：北京市属高等学校人才强教计划资助项目国家科技支撑计划“十一五”国家科技支撑计划更多>>
- 相关领域：环境科学与工程自动化与计算机技术天文地球更多>>
- 滑坡地质灾害变形预测及同步性预警机制研究
- 滑坡作为世界上仅次于地震的第二大地质灾害，其每年在全球范围内给人类生产生活造成极大的危害，同时具有突发性强、危害大、治理难度高等特点。目前针对滑坡的研究手段有从物理机制层面研究滑坡体的地质构造条件、外部环境状况等，并综合...
- 曾凡雷
- 关键词：滑坡经验模态分解地质灾害预警机制
- 文献传递
- 一种边坡位移预测方法
- 本发明涉及一种边坡位移预测方法，其包括以下步骤：1）通过位移传感器获取位移监测数据，并将位移监测数据通过数据采集系统进行采集，并将采集的位移监测数据存入历史数据库；2）将历史数据库中的边坡位移监测数据作为时间序列进行处理...
- 林大超安凤平刘海波马兴民曾凡雷
- 文献传递
- 基于LS-SVM的模式判别技术在边坡稳定性分析中的应用被引量：2
- 2011年
- 由于边坡外部影响因素与内部力学性质的复杂性,边坡稳定性与各影响因素间具有高度的非线性关系,很难构建出一种普适性模型来描述边坡稳定性变化的过程。SVM(支持向量机)是一种智能化的经验学习算法,在处理非线性问题中表现出极大的优势。利用支持向量机对边坡各影响因素的数据进行分析,对边坡稳定性状态与影响因素的对应关系进行经验学习,根据学习的经验知识,利用模态判别方法对边坡的稳定性状态进行判断。试验结果表明:所提出的边坡稳定性判别方法具有很好的应用效果,可以满足工程应用的实际需求。
- 刘俊娥曾凡雷林大超郭章林刘丙午
- 关键词：支持向量机参数寻优模式判别边坡
- 基于RS-SVM模型的煤与瓦斯突出多因素风险评价被引量：16
- 2011年
- 为挖掘瓦斯突出风险与煤矿开采中各影响因素间的关系,应用支持向量机(SVM)理论从模式判别角度分析瓦斯突出风险与各地质因素组成的特征向量间的判别关系,基于粗糙集(RS)理论对待分析数据进行知识约简,提取核心判别指标,建立基于粗糙集-支持向量机(RS-SVM)的瓦斯突出风险判别模型。研究结果表明,RS知识约简方法可以很好地对原始数据中的冗余指标进行约简,通过对约简后指标数据进行SVM回归分析,可对煤与瓦斯突出模式进行很好的判别,所建立的瓦斯突出风险判别模型较一般SVM模型具有更高的预测精度,同时指标约简过程降低SVM运算中的复杂度,提高运算效率。
- 刘俊娥曾凡雷郭章林
- 关键词：煤与瓦斯突出
- 一种镜像延拓方法
- 本发明涉及一种镜像延拓方法，其包括以下步骤：1）根据实际需要获得原始数据，并对原始数据进行预处理获得时间序列原始信号；2）对于时间序列原始信号建立支持向量机预测模型；3）采用所述步骤2）所建立的支持向量机预测模型，对原始...
- 林大超安凤平刘海波马兴民曾凡雷
- 文献传递
