基于TW-SVM预测模型的某堆石坝变形预测分析

为提高监测资料有缺失的大坝变形预测模型精度,采用支持向量机方法建立一种具有小样本、高维、非线性的预测模型,并结合对其重要组成部分核函数的分析应用,提出一种根据结构风险最小化的TW-SVM预测模型。以某堆石坝为例进行研究,利用坝坡垂直位移和水平位移的监测数据,分别采用TW-SVM方法和BP神经网络(NET)方法建立相应预测模型进行比较分析。结果表明:采用TW-SVM方法和NET方法预测的垂直位移最大绝对误差分别为0.58 mm和6.18 mm,最大相对误差分别为270.00%和1 286.22%;采用TW-SVM方法和NET方法预测的水平位移最大绝对误差分别为0.25 mm和14.91 mm,最大相对误差分别为31.25%和1 189.85%;TW-SVM预测模型比NET预测模型更适合于影响因素为时间、水位的小样本预测分析。研究结果为堆石坝变形预测与分析提供参考。     

榆林山地苹果园土壤养分调查

榆林市是全国日照高值区之一,光照充足,气温日较差大,产出的苹果品质优异。但是,榆林土壤肥力水平总体较低,土壤类型以黄绵土和风沙土为主,有机质含量缺乏。陕西苹果产区土壤养分贫瘠,已成为苹果生产的限制因素,特别是有机质含量较低。2018年,陕西省苹果种植面积597570hm2,产量1008.69万t,种植面积和产量均居全国首位。以陕西延安为代表的黄土高原产区是世界公认的苹果优生区,随着陕西省苹果生产布局“北扩西进”战略地逐步推进,榆林山地苹果产业发展迅速,2018年榆林苹果产量达到86.53万t。     

基于模糊聚类和群组模糊综合评判的工程成本风险评估

通过对工程项目施工成本风险因素的分析,建立了工程项目施工成本风险的二级模糊综合评判模型,利用模糊聚类理论对专家判断矩阵排序向量和模糊综合评判向量进行聚类分析,将每名专家的意见综合为专家组的一致意见,消除了专家评判的主观偏好,使评估结果更加合理。最后,通过实例说明了该方法的有效性。