FLOOD STAGE FORECASTING WITH SUPPORT VECTOR MACHINES1

ABSTRACT: Machine learning techniques are finding more and more applications in the field of forecasting. A novel regression technique, called Support Vector Machine (SVM), based on the statistical learning theory is explored in this study. SVM is based on the principle of Structural Risk Minimization as opposed to the principle of Empirical Risk Minimization espoused by conventional regression techniques. The flood data at Dhaka, Bangladesh, are used in this study to demonstrate the forecasting capabilities of SVM. The result is compared with that of Artificial Neural Network (ANN) based model for one‐lead day to seven‐lead day forecasting. The improvements in maximum predicted water level errors by SVM over ANN for four‐lead day to seven‐lead day are 9.6 cm, 22.6 cm, 4.9 cm and 15.7 cm, respectively. The result shows that the prediction accuracy of SVM is at least as good as and in some cases (particularly at higher lead days) actually better than that of ANN, yet it offers advantages over many of the limitations of ANN, for example in arriving at ANN's optimal network architecture and choosing useful training set. Thus, SVM appears to be a very promising prediction tool.     

智能型地理信息系统（AIGIS）在城市抗震防灾规划中的应用

本文简要介绍地理信息系统GIS的发展概况、主要功能以及在国内外的应用现状.对现有的GIS软件技术加以改进,引进人工神经元网络和模糊综合评判技术,发展了一种智能型的GIS,在我国若干城市的抗震设防区划工作中应用,取得良好的效果。     

煤层底板采动导水破坏深度计算的神经网络方法

在综合分析影响煤层底板采动导水破坏深度因素的基础上 ,应用人工神经网络方法 ,建立了底板破坏深度的计算模型。该模型利用现场观测资料作为学习训练样本和测试样本 ,对模型的测算结果、理论计算值和实测值进行了对比分析。结果表明 :用神经网络方法计算底板破坏深度考虑的因素更加全面 ,结果更接近于实际。笔者研究的计算模型和测算方法 ,为承压水上安全采煤决策提供了科学依据。     

人工神经网络方法在资源与环境预测方面的应用

用人工神经网络方法对不同水域、不同环境因子之间非线性和不确定性的复杂关系进行学习训练并预测检验。结果表明：人工神经网络方法在模拟和预测方面 优于传统的统计回归模型,在资源与环境方面的应用是可行的。具有较强的模拟预测能力。与传统的回归模型相比,人工神经网络方法不要求监测数据具有很强的规律性,就可用后的网络模型对其进行预报,燕且预测相对误差均比回归模型预测相对误差要小,具有一定的实用性。两个实例的应用     

组合优化的能源消费量预测模型

针对非等间距灰色系统预测中存在误差较大的问题，结合序列本身的特点，利用世界能源消费的历史数据，采用3种灰色预测模型与神经网络进行组合优化，建立了灰色神经网络的能源消费量组合预测模型。实证分析结果表明，提高了模型的拟合和预测精度，拓宽了应用范围。该模型可对能源的消费趋势进行预测，为科学分析能源结构提供依据。     

低周荷载下型钢混凝土柱抗剪性能智能分析

为了研究型钢混凝土短柱的抗震性能，通过21根SRC柱在低周反复荷载作用下的剪切黏结破坏试验结果，在利用灰色关联理论进行模型输入变量选择的基础上，建立了其基于改进神经网络模型的受剪承载力分析模型，进而研究了混凝土抗压强度、腹板宽度、轴压比及箍筋间距等因素对SRC柱抗剪能力的影响规律，并对SRC柱的受剪承载力进行了预测。结果表明，所提方法能够反映受剪承载力与影响因素间的非线性变化规律，可供SRC柱在低周往复荷载作用下的受剪承载力分析参考。     

三峡茅坪溪沥青混凝土心墙堆石坝位移反演分析与安全预测

本文研究了基于综合应用人工神经网络和演化算法的位移反演分析方法,并将此方法应用于三峡茅坪溪沥青混凝土心墙堆石坝的变形反演分析中。以茅坪溪一期工程原型观测成果为依据,反演出能够正确反映坝体变形特性的邓肯-张EB模型参数,从而预测了施工期末和蓄水期末该坝的变形特性,并基于总应力法研究了心墙水力劈裂破坏发生的可能性,为茅坪溪堆石坝运行期的安全生产提供依据。研究结果表明,茅坪溪心墙堆石坝不会发生水力劈裂破坏,该坝蓄水后虽然水压上升,但心墙仍是安全的。     

多因素耦合条件下硫化矿自燃神经网络动态预测模型研究

硫化矿石自燃是多种因素、多场耦合综合作用的结果,是一典型的非线性问题。笔者应用人工神经网络技术,以Matlab软件为平台,通过现场调查和理论分析,建立了矿石含硫量、通风强度、环境温度3因素与硫化矿石自燃之间的预测模型;通过数据样本学习与部分现场监测数据相结合进行模拟,研究表明预测数据与实测结果基本吻合,误差控制在10%以内,取得了较好的效果。该研究为预防硫化矿石自燃提供一个新的思路和方法,具有一定的理论意义和应用价值。