文摘
英文文摘
声明
第一章绪论
1.1研究的背景和意义
1.2岩土体非线性变形行为预测
1.2.1变形行为预测的分类
1.2.2基于位移信息的时序预测方法
1.3支持向量机与岩土体变形行为预测
1.3.1岩土体变形行为的小样本问题
1.3.2支持向量机的理论背景和特点
1.3.3支持向量机方法的研究现状
1.3.4支持向量机在变形行为预测方面的不足
1.4论文的主要工作和结构安排
1.4.1主要工作
1.4.2结构安排
第二章统计学习理论与支持向量机
2.1引言
2.2机器学习的基本问题
2.2.1学习问题的表示
2.2.2经验风险最小化归纳原则
2.2.3推广能力、模型复杂度和样本量
2.3统计学习理论
2.3.1学习过程的一致性
2.3.2 Vapnik-Chervonenkis维
2.3.3学习机推广能力的界
2.3.4小样本归纳推理原则
2.4支持向量机原理与算法
2.4.1标准支持向量机
2.4.2用于回归的支持向量机
2.4.3支持向量机的超参数
2.4.4算例
2.5基于支持向量机变形行为预测的基本步骤
2.6本章小结
第三章岩土体变形时序的数据表示
3.1引言
3.2时序序列数据的预处理
3.2.1数据标准化
3.2.2小波去噪
3.3有限样本数据的再生技术
3.3.1插值再生
3.3.2 Boostrap重采样再生
3.4有限样本数据的重构技术
3.4.1坐标空间变换重构
3.4.2相空间变换重构
3.4.3算例
3.5本章小结
第四章核函数的选择和构造
4.1引言
4.2支持向量机的核映射
4.2.1由核定义的非线性特征映射
4.2.2核矩阵
4.3核函数的选择
4.3.1基本Mercer核及其分类
4.3.2变形时序的核函数选择
4.4核函数构造
4.4.1从核的封闭运算上构造核函数
4.4.2以先验知识调整核函数或核矩阵
4.4.3其他方式的核函数构造
4.4.4算例
4.5本章小结
第五章支持向量机的超参数选择
5.1引言
5.2支持向量回归机的模型性能评估
5.2.1训练与测试
5.2.2交叉验证
5.2.3自引导法
5.3超参数的选择
5.3.1损失函数的相关参数取值
5.3.2惩罚参数C的选取
5.3.3高斯核函数参数σ的选择
5.4试验设计的超参数选择
5.4.1试验设计与经验选择
5.4.2方法思路
5.4.3参数取值范围
5.4.4试验设计
5.4.5算例
5.5集成原理的超参数选择
5.5.1集成原理
5.5.2 Boosting-SVR算法
5.5.3算例
5.6本章小结
第六章非稳定型变形时序的SVR外推预测
6.1引言
6.2泛化性能与外推预测
6.3模式辨识下的SVR外推预测
6.3.1方法思路
6.3.2斜坡变形时序的外延模式
6.3.3模式辨识专家系统的开发
6.3.4 算例
6.4范例推理的变形时序外推预测
6.4.1范例推理
6.4.2变形时序外推预测的范例推理
6.4.3算例
6.5本章小结
第七章总结与展望
参考文献
附录
致谢
攻读学位期间主要研究成果