基于机器学习的不可移动文物暴雨灾害风险评估——以山西省为例

以山西省为例,将不可移动文物作为灾害的影响对象,通过分析暴雨灾害对其的影响因素构建指标体系,通过文物损毁情况划分风险并作为输出数据,将山西省6 325处受灾不可移动文物按照6∶2∶2划分训练集、验证集和测试集,分别使用随机森林模型、支持向量机模型(support vector machine, SVM)、逻辑回归模型进行训练和验证,选取出最优模型,并对山西不可移动文物进行不同重现期暴雨下的风险预测。研究结果表明：基于机器学习的不可移动文物暴雨风险评估方法是可行且结果较为优异的;在3种模型中,随机森林的验证集准确率最高,为95.75%,测试集精度为94.70%;在山西省5、20、50 a重现期暴雨下的不可移动文物风险均呈现出北方低、南方高的态势,且在5 a重现期下高风险文物占比最多,高风险文物以古建筑和古遗址为主。     

基于机器学习的二氧化碳卫星反演方法

基于机器学习模型在分析数据并学习预测方面的优势,提出了一种基于机器学习的短波红外通道CO₂卫星遥感反演方法,以卫星观测辐亮度、气溶胶光学厚度、温度构建训练数据集,采用前馈神经网络与量化共轭梯度算法进行训练学习,构建了短波红外通道卫星CO₂反演模型,并利用GOSAT卫星观测光谱数据反演了CO₂浓度.反演结果与TCCON站点观测数据进行了比对,结果表明:卫星与地面观测的相关性优于0.86,平均误差小于2.5×10^-6,验证了反演方法的有效性.     

基于ICEEMDAN和MC-CNN的矿山声发射信号识别分类方法

为精准识别地下矿山声发射事件,采用基于改进的完全集合经验模态分解模型(ICEEMDAN)和多通道卷积神经网络(MC-CNN)模型对声发射信号进行处理后得到分量图,根据各通道输入分量峭度值赋予不同权重,并利用卷积神经网络对输入数据进行训练,最终采用五折交叉实验方法验证该分类识别方法的可行性及有效性.结果表明:基于ICEE...     

地震人员伤亡快速评估模型研究

每年地震都会给社会造成巨大人员伤亡,如果震后能迅速预知地震人员伤亡数量,这对挽救生命损失是十分有意义的。统计了近10年来中国大陆数10次强震、中强震灾害损失,根据影响伤亡的主要因素,用线性回归分析法,建立地震人员伤亡快速评估模型,并对模型进行验证,使之可用于地震预警。     

基于混沌理论和模糊控制理论的深基坑变形预测研究

深基坑开挖引起的基坑侧移、基底隆起、坡顶沉降、相邻建筑物倾斜等的各种变形直接影响着建筑现场施工人员的生命财产安全,以及其周围建筑物、构筑物的安危.随着城市地下交通运输网和高层建筑物的大量兴建,使得城市建筑密集地区的大型深基坑工程越来越多,因此对其变形的监测与预报等相关课题的研究受到越来越多的重视.     

空气质量健康指数构建及与现有评价体系的比较:以丽水市为例

为了解大气污染物对人体健康的影响,采用时间序列广义可加模型分析2013-2018年丽水市大气污染物与健康效应的关系,构建丽水市不同人群空气质量健康指数（AQHI）及分级方法,比较AQHI、调整后的环境空气质量健康指数（AQHI_a）、空气质量指数（AQI）和环境空气质量综合指数对健康效应的预测能力.结果表明:①如以AQI和环境空气质量综合指数来评价,丽水市春夏季主要污染物为O₃,秋冬季为PM_2.5;如以AQHI来评价,则O₃为丽水市全年最主要的污染物,其次是NO₂.②在多种污染物同时存在的情况下,AQHI比AQI具有更高的敏感性,AQHI与环境空气质量综合指数的相关性比与AQI的相关性好.③4种指数在秋冬季对健康效应的预测准确度均高于春夏季,AQHI_a是4类指数中预测健康效应最好的,其次为环境空气质量综合指数.研究显示,需高度重视O₃污染问题,建议空气质量较好的地区构建AQHI或AQHI_a来反映空气质量.      

基于比奥动力固结理论的尾矿坝地震响应分析

上游法尾矿坝坝体密实度低,饱和区域大,地震作用下极易发生液化进而引起溃坝等重大事故,基于比奥动力固结理论和广义塑性模型,采用有效应力有限单元法对上游法尾矿坝的地震动力响应进行了非线性时程动力计算分析。结果表明坝体地震加速度响应、残余变形、超静孔压等计算结果符合一般规律,其中坝顶下部的超静孔压比值最大,从尾矿坝底部到顶部,加速度放大系数先稍微减弱后显著变大,呈明显的鞭梢效应,说明上游法尾矿坝坝顶部位是地震作用下最为危险的区域,采用弹塑性本构模型对尾矿坝进行非线性动力固结分析是可行的。     

基于空间拟合和神经网络的机场噪声预测集成模型

将集成学习方法引入到机场噪声预测中,提出一种基于空间拟合和神经网络的机场噪声预测集成模型.该模型采用空间拟合算法和BP神经网络算法构建基学习器,然后通过所提出的基于观察学习的异构集成算法将基学习器集成起来,获得集成的机场噪声预测结果.该模型通过集成多个异构机场噪声预测基学习器,能够有效提升预测准确率.实验结果表明,本文所提出的基于观察学习的异构集成算法,较之其他异构集成算法,在解决机场噪声预测问题上准确性更高、容错性更强.