土体在低温下的冻胀将会对工程设施建设和运营等方面造成不利的影响,由于土体冻胀率受制于众多因素,因此土的冻胀率计算一直是研究的热点、难点。为了解决冻胀率计算难、繁等问题,以69组已知冻胀率样本为研究对象,采用支持向量机回归模型计算方法,随机选取59组样本对建立的径向基核函数和多项式核函数两种预测模型进行训练,再利用训练后的两种预测模型对10组样本进行预测。通过试验值和两种模型训练值、预测值进行对比,结果表明径向基核函数预测模型的预测效果更好。建立的冻胀率预测模型将支持向量机回归模型在人工冻土方面应用进行了拓展,为冻胀率预测提供了一种新的智能方法。

为了研究季节性冻土区路基在各种影响因素作用下的运营质量,本文对路基高边坡进行沉降变形预测研究。鉴于当前路基变形各种预测模型均有其适用范围,总体预测波动性较大,精度较低,提出了一种基于支持向量机的季节性冻土区路基高边坡变形多因素时变预测模型。依托季节性冻土区路基观测系统,在分析相关监测数据的基础上,对季节性冻土区路基高边坡变形特征及其热稳定性影响因素进行分析,并总结主要因素对高边坡路基变形的影响规律。借助该周期性变化规律采用支持向量机理论构建了变形多因素时变预测模型。实验结果表明:本文模型在预测精度上较当前预测模型在预测精度上有所提高,可为岩土工程建设提供重要的参考依据。

以冻结法施工为原型,进行了人工冻土地基室内模型试验。通过监测地基模型测点处的温度变化,研究了人工冻土地基的温度场变化规律。将支持向量机与人工鱼群算法相结合,建立一种新的人工冻结温度场预测模型,应用该模型对室内冻结模型试验进行温度场实时预测,为冻结法工程的施工设计提供依据。

多年冻土路基热稳定性差,工后沉降量大,路基病害较为严重。如果能够准确预测该类路基的工后融沉值,就可为工程建设提供重要的参考依据,从而提高该类路基的路用性能。为此,在对现有预测模型应用效果分析的基础上,首次将支持向量机应用于多年冻土路基融沉变形的预测中,提出了一种有效可行的新型预测方法,并以实际工程为依托,构建了基于支持向量机原理的多年冻土路基融沉变形预测模型。通过与实测值及其它预测模型的对比分析表明:该模型在预测过程中有效的避免了"过拟合"及"维数灾难",人为干预较少,具有预测精度高,泛化能力强,预测结果稳定的特点,成功的解决了多年冻土路基影响因素多,样本数量少等带来的预测难题。

岩性识别是天然气水合物储层测井评价的基础,准确的岩性识别结果可以为天然气水合物的勘探提供可靠的依据,在寻找天然气水合物和评估天然气水合物储量方面发挥着巨大的作用。针对漠河冻土区天然气水合物科学钻探-2孔(MK-2孔)的钻探情况,利用已钻井段地层的岩心资料和常规测井资料,分别采用交会图法和支持向量机法对研究区的地层开展了岩性识别研究。结果表明:研究区内有砂岩、泥岩、石灰岩、糜棱岩和泥质板岩5种岩石,其不同岩性的测井响应差异能够定性识别岩性;自然电位与电阻率测井参数的交会,能够有效的、定量识别研究区地层的岩性;支持向量机法所建立的岩性识别模型,对研究区地层的岩性识别率可达96.67%。所建立的测井识别方法较好地解决了该区地层岩性识别问题,也为类似地区的天然气水合物地层测井评价提供了一种重要的手段。

在冻结法凿井施工中,及时掌握人工冻土温度场发展,对于优化冻结方案、处理紧急情况有重要的意义。针对新建矿井实测样本较少的特点,利用基于结构风险最小化原理和小样本学习方法——支持向量机算法,建立了人工冻土温度场发展的支持向量机计算模型。采用不同的核函数的支持向量机对人工冻土温度场发展进行对比分析,确定了适合于人工冻土温度场发展计算的核函数。人工冻土温度场支持向量机模型计算结果表明,该方法是一种有效的方法,为人工冻土温度场的计算提供了一条新途径。

为了预计冻结法凿井中井壁结构设计中的人工冻土单轴抗压强度,利用支持向量机在处理小样本分类学习的独到优越性及遗传算法全局并行搜索优化的特点,结合影响人工冻土单轴抗压强度因素,提出了人工冻土单轴抗压强度不同核函数的遗传支持向量机计算模型,并运用该模型预计了两淮地区第四系人工冻土单轴抗压强度。结果表明,多项式核函数的遗传支持向量机模型较高斯径向基核函数及Sigmoid核函数的遗传支持向量机模型较准确地预计人工冻土单轴抗压强度。该模型为人工冻土单轴抗压强度的预计提供了一条新途径。

基于青藏高原大片连续多年冻土分布的东部边缘,青海省兴海县温泉地区的野外调查数据,通过对研究区遥感数据的分析,开展了土壤制图方法的探讨。以成土因素学说和土壤-景观模型理论为基础,筛选土壤分类潜在变量,在不同的变量组合下运用支持向量机(SVM)的方法建立土壤-景观模型,对整个研究区进行预测性分类。为了更好地检验该方法的有效性,采用五折交叉方式进行结果的验证。并通过对比不同变量组合的交叉验证结果和分布模拟结果图,确定了适合典型冻土区土壤分类的环境变量组合,以较少的样本知识较好地预测该区土壤类型的空间分布。

未冻水含量是冻土研究及热工计算中重要的物理参数,其与影响因素间具有复杂的非线性关系。本文基于最小二乘支持向量机建立了未冻水含量预测模型,该模型通过对训练样本的自学习可以建立所选输入参数与输出参数间的关联,从而对未冻水含量进行预测。预测结果表明,该模型预测值精度满足冻土研究的要求。