基于特征选择的黄土湿陷性预测研究

【目的】探讨视电阻率、剪切波速、导热系数及比热容等指标与黄土湿陷性的关系,从中选择可用于进行黄土湿陷性预测的指标,以简化黄土湿陷性的评价方法。【方法】在湿陷性黄土场地采取试样进行视电阻率、导热系数及比热容等试验,同时在相应取土层位进行野外剪切波速测试,运用特征选择技术,通过主成分分析、CART决策树及粒子群优化等算法对测试与试验指标进行分析。【结果】视电阻率、剪切波速在众多的测试试验指标中信息量大、重要性强,与土层埋深结合可作为黄土湿陷性的预测变量。实际工程湿陷量的预测结果表明,预测值的相对误差为-9.7%。【结论】采用视电阻率、剪切波速及土层埋深预测黄土湿陷性是可行的。     

BP神经网络在地表移动边界角预测中的应用

在对煤矿采空区地表移动及其边界角影响因素分析的基础上,提出用BP神经网络预测采空区地表移动边界角.建立了边界角预测的BP神经网络模型,利用国内近30项工程的采空区地表移动实测数据作为学习样本对网络进行训练,用实际工程对网络进行了测试分析.结果显示,预测精度平均达90%,研究表明用BP神经网络计算边界角方法可行,具有实用性,为边界角的确定提供了一条新的途径.     

基于数据挖掘技术的黄土湿陷性评价

为了运用数据挖掘技术进行黄土湿陷性评价,根据实际工程资料建立了黄土物理力学数据库,用主成分分析法对原数据进行压缩,用压缩后的新变量依据人工神经网络理论建立了预测模型,用BP算法进行了模型的校正及预测。工程实例分析表明,预测湿陷系数与试验值所得湿陷系数的湿陷量计算值相比,准确率可达96%以上,说明这种智能化评价方法具有可行性和实用性。     

黄土湿陷性的智能化评价

试验研究了普那菊苣在延安市飞马河流域的生长特性、农艺经济性状及育苗栽培技术等,结果表明,普那菊苣能够适应该区域土壤气候及一般田间管理条件,产草量达8.2~9.8 t/(hm2.a),抗病无虫,品质优良,育苗栽培可解决该草在生产中抓苗保苗问题。     

黄土的视电阻率与工程性质关系研究

对黄土进行了视电阻率试验,分析了视电阻率与黄土一般物理性质、湿陷性及强度等特性之间的关系。应用因子分析法对视电阻率及其它物理力学指标之间的关系进行了深入的探讨,对各指标的重要性（以贡献率表示）进行了分析。研究结果表明,视电阻率的重要性最大,高于含水率、密度、压缩系数及湿陷系数等指标。