基于SVM分类算法及聚类算法地质土层测试方法技术

基于SVM分类算法及聚类算法地质土层测试方法，首先提出一种新型的电法测试方法，可以得到较为精确的场地深部电阻情况并且可以获得工程场地三维电测场。此外本次还引入SVM分类算法与聚类分析算法对测得的不同深度的土层的各项数据进行训练，将两个算法进行集合进而对不同深度的土层类型能够进行高精度分类表征。从而能够实现土层类型精度化与智能化的测试。测试。测试。

【技术实现步骤摘要】
基于SVM分类算法及聚类算法地质土层测试方法


[0001]本专利技术涉及大数据领域，测试领域，具体为基于SVM分类算法及聚类算法地质土层测试方法。

技术介绍

[0002]工程场地不同深度的土层测试十分困难，尤其是当施工所在地的土层多变，情况复杂时，对于土层的测试任务将会十分困难且漫长。其中传统测试土层电阻的方法为采用在地面插入电极，通过地表测试的方法推演场地内部土层情况。该种方法极易容易因为所测地点的特殊性而产生较大误差，且难以测量出整体土层的三维电阻情况。此外不同深度的土层类型，其土层电阻、土层厚度、土层密度、土壤湿度土层颗粒大小与组成、土层含盐量差异性较大。因此急需要一种新的土层测试方法，能够更加精准，更加快速的预测出不同深度的土层类型。

技术实现思路

[0003]为解决上述技术问题，本专利技术提出了基于SVM分类算法及聚类算法地质土层测试方法，能够实现土层类型精度化与智能化的测试。
[0004]为实现上述目的，本专利技术采取的技术方案是：基于SVM分类算法及聚类算法地质土层测试方法，包括如下步骤：1）单排电极多次测试；采用矩阵式三维电法测试方法,测量出给工程场的三维电阻；2）克里金算法插值计算三维土层电阻；采用克里金算法对土层电阻信息进行插值计算，增加电阻信息覆盖范围；3）土层数据间隔确定；确定土层深度取样数据点间隔捕捉到土层的空间变异性，同时避免过多冗余数据和过于稀疏的采样；4）其余特征值表征；单独使用电法测试数据进行机器学习算法预测存在数据量不足的问题，使用其他数据扩展表达能力；5）数据处理；其他特征项同样进行土层深度取样数据点间隔取样，并采用归一化处理消除特征维度差异；6）SVM算法分类；对输入的数据集进行监督学习分类，采用的算法为SVM多分类；7）K
‑
Means聚类分析；在采用SVM算法进行分类的同时，亦采用K
‑
Means聚类算法对数据进行无监督学习，距离计算中，对电阻特征信息加权处理，并采用欧式距离法则；
8）欧氏距离归一置信度转化；完成了对数据集的无监督学习，并确定了质心的数量，SVM中标签数量，以及每个质心的坐标，最后需要进行欧氏距离归一置信度转化；9）SVM算法与聚类算法叠加认证；对SVM算法最后分类添加SoftMax函数，决策函数值转换为概率分布，即对每个类别的置信度，将其与步骤8）中欧氏距离归一置信度转化按照叠加公式进行分析；10）预测值输出；根据叠加分析结果输出预测土层类型，取置信度最高值为输出选项；11）云图绘制与显示；通过绘制三维云图的方式，进行叙述工程场地三维电阻信息与土层类别。
[0005]作为本专利技术进一步改进，所述步骤3）中土层深度取样数据点间隔表示为：其中土层深度取样数据点间隔可选项如下所示：；其中， 为土层深度取样数据点间隔， 为调节参数为1、0.75、0.5、0.25、0.1、0.05,D则为深入土层相邻电极之间的距离。
[0006]作为本专利技术进一步改进，所述步骤7）中距离计算表示为：其中本次距离计算，对电阻特征信息加权处理，并采用欧式距离法则，计算公式为：；其中为数据点到第
ꢀꢀ
个质心的距离，为工程场地现场所测试的特征数据，则为其中第 个质心的各项特征具体数据值，则为对土层电阻特征项的加权。
[0007]作为本专利技术进一步改进，所述步骤8）中欧氏距离归一置信度转化表示为：在步骤7）中完成了对数据集的无监督学习，并确定了质心的数量，SVM中标签数量，以及每个质心的坐标，下述需要进行欧氏距离归一置信度转化：；其中， 为欧氏距离归一置信度转化后数据点中对第 个土层类别的置信度，为数据点到代表第个土层类型簇中心的距离，为累加数据点到所有簇中心的距离之和。
[0008]作为本专利技术进一步改进，所述步骤9）中SVM算法与聚类算法叠加认证的叠加公式表示为：
对SVM算法最后分类添加SoftMax函数，决策函数值转换为概率分布，即对每个类别的置信度，将其与步骤8）中欧氏距离归一置信度转化进行叠加分析，其中叠加公式为：；其中，为利用SVM算法与聚类算法叠加认证后对第类质心的置信度，为进行欧氏距离归一置信度转化对第类质心的置信度，则为SVM算法分类中测试集的准确率，则为SVM算法最后分类添加SoftMax函数后对第类质心的置信度，为无监督学习中错误归类数据的数量，为无监督学习中数据的总量。
[0009]本专利技术优点归纳如下：1）本申请提供的一种基于SVM分类算法及聚类算法地质土层测试方法采用一种新型三维电极测试法，能够精确的实现所被需要测试地点的三维电阻情况。
[0010]2）本申请提供的一种基于SVM分类算法及聚类算法地质土层测试方法采用SVM算法进行多分类任务，提高了分类的准确性与速度。
[0011]3）本申请提供的一种基于SVM分类算法及聚类算法地质土层测试方法采用聚类算法进行无监督学习，判定各点与质心的距离与各个特征所属簇，适当降低了模型的复杂度并提升了模型的可解释性。
[0012]4）本申请提供的一种基于SVM分类算法及聚类算法地质土层测试方法将SVM算法的置信度与聚类算法的欧式距离进行合并分析，提高了整套模型的精确性与鲁棒性。
附图说明
[0013]图1根据本申请实施例提供的基于SVM分类算法及聚类算法地质土层测试方法流程图；图2根据本申请实施例提供的基于SVM分类算法及聚类算法地质土层测试方法三维电法测试方法示意图；图3根据本申请实施例提供的基于SVM分类算法及聚类算法地质土层测试方法克里金算流程图；图4根据本申请实施例提供的基于SVM分类算法及聚类算法地质土层测试方法数据点到质心距离示意图；图5根据本申请实施例提供的基于SVM分类算法及聚类算法地质土层测试方法三维电阻信息云图。
实施方式
[0014]下面结合附图与具体实施方式对本专利技术作进一步详细描述：如图1所示为本申请提供的基于SVM分类算法及聚类算法地质土层测试方法流程图。
[0015]步骤S1：单排电极多次测试。
[0016]如图2所示为本申请提供的基于SVM分类算法及聚类算法地质土层测试方法三维电法测试方法示意图在本次申请中，区别于传统工程场地电法测试方法，采用一种新型的矩阵式三维电法测试方法。首先在工程场地钻孔，将带有电极的PVC管插入钻孔，并采用砂土将PVC管周围的孔隙填满。其次在地面上等距离布置电极，并且相应电极之间连接导线。连接完毕后依次在各组电极间通电，即一组电极作为供电端，其余各组电极作为采集端，获得电极间的土体电阻率（每组电极依次通电，每组通电测试完成后，间隔5分钟，进行下一组通电）。第一次测量完毕后，拔出地面电极，平移90
°
再插入地面，再进行电测。如此反复测量得出了大量不同地点不同深度的土层电阻信息。
[0017]步骤S2：克里金算法插值计算三维土层电阻。
[0018]如图3所示为本申请提供的基于SVM分类算法及聚类算法地质土层测试方法的克里金算法流程图本次申请采用克里金算法进行插值计算，其中通过步骤S1获得了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于SVM分类算法及聚类算法地质土层测试方法，包括如下步骤，其特征在于：1）单排电极多次测试；采用矩阵式三维电法测试方法,测量出给工程场的三维电阻；2）克里金算法插值计算三维土层电阻；采用克里金算法对土层电阻信息进行插值计算，增加电阻信息覆盖范围；3）土层数据间隔确定；确定土层深度取样数据点间隔捕捉到土层的空间变异性，同时避免过多冗余数据和过于稀疏的采样；4）其余特征值表征；单独使用电法测试数据进行机器学习算法预测存在数据量不足的问题，使用其他数据扩展表达能力；5）数据处理；其他特征项同样进行土层深度取样数据点间隔取样，并采用归一化处理消除特征维度差异；6）SVM算法分类；对输入的数据集进行监督学习分类，采用的算法为SVM多分类；7）K
‑
Means聚类分析；在采用SVM算法进行分类的同时，亦采用K
‑
Means聚类算法对数据进行无监督学习，距离计算中，对电阻特征信息加权处理，并采用欧式距离法则；8）欧氏距离归一置信度转化；完成了对数据集的无监督学习，并确定了质心的数量，SVM中标签数量，以及每个质心的坐标，最后需要进行欧氏距离归一置信度转化；9）SVM算法与聚类算法叠加认证；对SVM算法最后分类添加SoftMax函数，决策函数值转换为概率分布，即对每个类别的置信度，将其与步骤8）中欧氏距离归一置信度转化按照叠加公式进行分析；10）预测值输出；根据叠加分析结果输出预测土层类型，取置信度最高值为输出选项；11）云图绘制与显示；通过绘制三维云图的方式，进行叙述工程场地三维电阻信息与土层类别。2.根据权利要求1所述的基于SVM分类算法及聚类算法地质土层测试方法，其特征在于：所述步骤3）中土层深度取样数据点间隔表示为：其中土层深度取样数据点...

【专利技术属性】
技术研发人员：俞先江，韩冬，刘亚楼，姚伟，黄思增，景步军，江峰，姜永虎，
申请(专利权)人：华设检测科技有限公司，
类型：发明
国别省市：