徐飞
- 作品数：20 被引量：200H指数：9
- 供职机构：河海大学土木与交通学院岩土工程科学研究所更多>>
- 发文基金：国家自然科学基金国家科技支撑计划江苏省普通高校研究生科研创新计划项目更多>>
- 相关领域：建筑科学水利工程理学矿业工程更多>>
- 洞室围岩变形预测的ACA-LSSVM模型及工程应用研究被引量：5
- 2009年
- 现场监测获得的围岩变形信息,从宏观上反映了洞室的力学性态变化。为克服人工神经网络方法的过学习问题,提出了一种新的洞室围岩变形预测模型——进化支持向量机模型。该模型利用蚁群算法来搜索支持向量机的惩罚因子和核函数参数,避免了人为选择参数的盲目性,提高了支持向量机的推广预测能力。应用该非线性智能预测方法,滚动预测围岩变形量,能及时发现异常情况,从而调整和优化施工步序,维护洞室的稳定性。将该方法用于锦屏一级水电站工程洞室变形预测,结果表明,该方法具有科学可靠、实时性的优点,具有广泛的应用前景。
- 徐飞徐卫亚刘大文刘康
- 关键词：蚁群算法支持向量机围岩变形时间序列预测
- 基于投影寻踪和属性数学的边坡稳定性评价
- 边坡的稳定性评价是一个复杂的不确定系统问题。结合属性数学和投影寻踪技术，建立了边坡稳定性评价的投影寻踪权重.属性识别模型。选取十三个边坡稳定性影响因子作为评价指标，通过构造属性测度函数计算单指标属性测度，采用粒子群优化的...
- 徐飞徐卫亚刘造保刘康
- 关键词：边坡稳定性属性识别模型投影寻踪粒子群
- 文献传递
- 位移时序预测的APSO-WLSSVM模型及应用研究被引量：12
- 2009年
- 引入改进的粒子群算法对小波核函数最小二乘支持向量机进行优化,提出了位移时间序列预测的改进粒子群优化小波最小二乘支持向量机预测模型(APSO-WLSSVM)。该模型具有小波变换的良好时、频域分辨能力和支持向量机的非线性学习能力;同时利用粒子群算法优化小波最小二乘支持向量机的参数,避免了人为选择参数的盲目性,从而提高了模型的预测精度。为证明该模型的优越性,将该模型与传统的高斯核函数支持向量机模型的预测结果作了对比,结果表明该模型较传统方法预测精度有了明显提高。最后将该模型用于锦屏一级水电站左岸边坡和导流洞进行变形预测,预测结果表明该方法科学可靠,在岩土体位移时序预测中具有良好的实际应用价值。
- 徐卫亚徐飞刘大文
- 关键词：小波函数最小二乘支持向量机粒子群算法
- 基于PSO-PP的边坡稳定性评价被引量：22
- 2011年
- 边坡的稳定性评价是一个复杂的不确定系统问题。结合投影寻踪算法、粒子群优化算法和逻辑斯谛曲线函数,建立了边坡稳定性评价的粒子群优化投影寻踪模型(PSO-PP)。该模型一方面利用粒子群算法(PSO)优化投影指标函数及逻辑斯谛曲线函数参数,确保了模型参数的准确性;另一方面利用逻辑斯谛曲线函数建立投影值与经验等级之间的非线性关系。模型的测试结果显示了良好的精度。将该模型应用到雅砻江锦屏一级水电站左岸边坡的稳定性分析中,实例分析结果与实际状态吻合较好,表明该模型在边坡稳定性评价中的可行性和有效性。
- 徐飞徐卫亚刘造保刘康
- 关键词：边坡投影寻踪粒子群
- 基于PSO-SVM的岩石边坡稳定性预测被引量：6
- 2010年
- 边坡稳定性与其影响因素之间存在着复杂的非线性关系.结合粒子群优化算法和支持向量机,提出了边坡稳定评价的粒子群优化支持向量机模型.模型采用支持向量机建立边坡稳定性和影响因素之间的非线性关系;同时,利用粒子群算法对支持向量机参数进行全局寻优,从而确保了模型参数的准确性.模型的测试结果显示了良好的精度.将该模型应用到某岩石高边坡中,预测结果与实际情况符合较好,表明该模型在岩石边坡稳定性预测中的可行性和有效性.
- 徐飞刘造保
- 关键词：岩石边坡稳定性粒子群优化支持向量机
- 围岩稳定性评价的投影寻踪权重-属性区间识别模型被引量：9
- 2010年
- 围岩的稳定性评价是一个复杂的不确定系统问题。采用粒子群算法优化投影寻踪方法,并结合属性区间识别理论,建立了围岩稳定性评价的投影寻踪权重-属性区间识别模型。选取5个围岩稳定性影响因子作为评价指标,通过构造属性测度区间函数计算单指标属性测度区间,利用基于粒子群优化的投影寻踪确定各评价指标的权重以计算综合属性测度区间,应用置信度准则和评分准则对围岩的稳定性进行属性识别。实例研究表明,该模型能有效的解决围岩稳定性评价问题,且评价结果科学可靠;评价模型采用投影寻踪确定权重,避免了权重确定中的主观性和随意性,保证了评价工作的客观性和准确性。
- 徐飞王珂刘造保
- 关键词：围岩稳定性投影寻踪粒子群
- 岩石力学性态预测的PSO-SVM模型被引量：12
- 2009年
- 传统的固体力学方法在描述岩石的各种地质因素与其力学性态之间的复杂非线性关系时存在困难。引入粒子群算法(PSO)对支持向量机(SVM)进行优化,提出岩石力学性态预测的粒子群优化支持向量机模型(PSO-SVM)。该模型利用SVM来建立岩石地质因素与力学性态之间的非线性关系;同时利用PSO对SVM参数进行全局寻优,避免人为选择参数的盲目性,从而提高模型的预测精度。将PSO-SVM应用到岩石压缩系数的预测中,并与传统的BP神经网络(BP-NN)进行对比分析。结果显示,PSO-SVM的预测精度较BP-NN有较大的提高,从而表明PSO-SVM在岩石力学性态预测中的可行性和有效性。
- 徐飞徐卫亚刘康陈晓鹏王俤剀
- 关键词：岩石力学力学性态支持向量机粒子群算法
- 基于混合核函数PSO-LSSVM的边坡变形预测被引量：46
- 2012年
- 支持向量机(SVM)的核函数类型和超参数对边坡位移时序预测的精度有重要影响。鉴于局部核函数学习能力强、泛化性能弱,而全局核函数泛化性能强、学习能力弱的矛盾,通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数,并引入粒子群算法(PSO)对最小二乘支持向量机(LSSVM)超参数进行全局寻优,提出了边坡位移时序预测的混合核函数PSO-LSSVM模型。将模型应用于锦屏一级水电站左岸岩石高边坡变形预测分析,并与传统核函数支持向量机预测结果进行对比分析。结果表明,该模型较传统方法在预测精度上有了明显提高,预测结果科学可靠,在边坡位移时序预测中具有良好的实际应用价值。
- 郑志成徐卫亚徐飞刘造保
- 关键词：边坡最小二乘支持向量机粒子群优化
- 基于CACA-SVM的边坡位移反分析及工程应用
- 结合支持向量机(SVM)和连续蚁群算法(CACA),提出了一种新的位移反分析方法—CACA-SVM.该模型利用SVM的非线性特性减少了数值计算工作量,同时充分利用了CACA的全局寻优能力避免目标函数陷入局部最优.应用本方...
- 徐飞王珂罗凯
- 关键词：边坡岩体位移反分析
- 文献传递
- 基于重采样的交通拥挤识别方法被引量：1
- 2012年
- 交通拥挤识别实质上是一种不平衡分类问题,通过解决不平衡分类问题,在数据层面对原始数据集进行重采样,并采用不同的采样倍率进行向上和向下采样,降低数据集类间不平衡程度,从而提高拥挤类识别精度。选取南京市虎踞路(主干道)某一路段作为研究对象,调查获得7:30—9:00交通流数据,并在此基础上,通过vissim软件仿真得到更多数据。借助weka软件平台运用朴素贝叶斯分类器进行分类试验,并对检测结果对比分析,结果表明重采样方法在对总体识别率影响较小的情况下,能够提高拥挤类的识别率。
- 徐飞郑长江杨成陈淑燕
- 关键词：交通工程重采样朴素贝叶斯分类器模式识别
