

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、在建設(shè)大型地下工程過程中,巖爆是常見的地質(zhì)災(zāi)害。然而,由于地下工程的復(fù)雜性,巖爆的發(fā)生受到多種因素的影響,目前國內(nèi)外尚沒有一種可靠的預(yù)測方法來對其進行預(yù)報,進而有針對性的進行工程災(zāi)害的風(fēng)險控制。此外,由于對巖爆發(fā)生的機制缺乏系統(tǒng)全面的認識,于是,有必要對國內(nèi)外關(guān)于巖爆發(fā)生的機制進行系統(tǒng)總結(jié),并總結(jié)現(xiàn)階段的巖爆預(yù)測方法,從而對巖爆進行可靠的預(yù)測。這些對于有效的防治巖爆、保障施工安全具有一定的理論價值和較大應(yīng)用價值。
本文首先系統(tǒng)
2、全面的闡述了巖爆發(fā)生機理,并總結(jié)了國內(nèi)外巖爆預(yù)測方法。此外,討論了影響巖爆發(fā)生的主要因素,在此基礎(chǔ)之上,提出將應(yīng)力強度比(σθ/σc)、脆性系數(shù)(σc/σt)和彈性能量指數(shù)(Wet)作為影響巖爆的主要指標(biāo)。然后,在闡述粒子群優(yōu)化算法基本原理的基礎(chǔ)上,解釋了算法中各個參數(shù),以及如何取得最優(yōu)參數(shù);闡述了支持向量機的理論,并重點分析了影響支持向量機分類性能的兩個主要參數(shù):懲罰因子C和核函數(shù)的參數(shù)σ。
最后,根據(jù)粒子群優(yōu)化算法的參數(shù)選
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粒子群思想改進支持向量機優(yōu)化算法的研究.pdf
- 基于粒子群優(yōu)化算法的支持向量機集成學(xué)習(xí)方法研究.pdf
- 基于粒子群算法的特征選擇與支持向量機參數(shù)同步優(yōu)化.pdf
- 基于粒子群算法和支持向量機的發(fā)酵過程建模與優(yōu)化研究.pdf
- 基于粒子群支持向量機的礦井瓦斯預(yù)測與研究.pdf
- 基于粒子群優(yōu)化支持向量機的移動荷載識別研究.pdf
- 基于粒子群優(yōu)化支持向量機的入侵檢測模型研究.pdf
- 基于粒子群優(yōu)化支持向量機的異常入侵檢測研究.pdf
- 支持向量機和粒子群算法的研究及應(yīng)用.pdf
- 基于粒子群優(yōu)化支持向量機的變壓器故障診斷和預(yù)測.pdf
- 基于量子粒子群的支持向量機算法的研究與應(yīng)用.pdf
- 粒子群優(yōu)化的支持向量機在股票預(yù)測中的研究與應(yīng)用.pdf
- 基于支持向量機和粒子群算法的產(chǎn)品意象造型設(shè)計研究.pdf
- 粒子群優(yōu)化與支持向量機在河流水質(zhì)模擬預(yù)測中的應(yīng)用.pdf
- 基于粒子群優(yōu)化算法和支持向量機的上市公司財務(wù)危機預(yù)警研究.pdf
- 基于改進粒子群優(yōu)化支持向量機的煤礦生產(chǎn)物流系統(tǒng)安全狀態(tài)預(yù)測研究.pdf
- 基于粒子群最小二乘支持向量機的故障診斷算法研究.pdf
- 基于多Agent粒子群優(yōu)化的支持向量回歸模型預(yù)測控制.pdf
- 基于粒子群優(yōu)化與支持向量機的齒輪箱故障診斷研究.pdf
- 基于粒子群優(yōu)化算法的短期電力負荷預(yù)測.pdf
評論
0/150
提交評論