[发明专利]基于支持向量机的地面沉降预测系统和方法

权利要求书

1.一种基于支持向量机的地面沉降预测系统，其特征在于，包括Hadoop大数据分析平台、数据收集模块、数据预处理模块、模型构建模块、沉降预测模块；

所述数据收集模块包括确定数据收集范围子模块和数据存储子模块，数据收集范围子模块是通过对盾构施工过程中的机理分析，确定特征变量，采集相应的机器运行数据、施工地质数据和施工环境数据；数据存储子模块是将已经采集的特征数据存储到Hadoop平台的分布式文件系统上；

所述数据预处理模块包括清洗处理子模块、去噪处理子模块、归一化处理子模块和降维处理子模块；清洗处理子模块是检测并填充原数据中的空值；去噪处理子模块是对清洗处理子模块处理后数据中的异常点进行剔除；归一化处理子模块是将清洗处理子模块、去噪处理子模块处理后的数据映射到[0,1]区间内；降维处理子模块是将清洗处理子模块、去噪处理子模块、归一化处理子模块处理后的高维特征映射成低维特征；

所述模型构建模块是基于数据收集模块的海量数据和Hadoop平台计算框架，利用批量并行化梯度下降算法对支持向量机的权值向量进行迭代求解，构建出地面沉降预测模型；

数据收集模块、数据预处理模块、模型构建模块、沉降预测模块均是基于Hadoop大数据分析平台进行运行，所述Hadoop大数据分析平台主要包括有HDFS分布式文件系统子模块、MapReduce计算框架子模块；数据存储模块是将采集的原数据分别存储到HDFS分布式文件系统子模块中；数据预处理模块和模型构建模块是依据MapReduce计算框架子模块的分析模式进行数据预处理和模型构建；沉降预测模块是将构建的预测模型进行与Hadoop平台兼容的接口封装，接口以API的形式提供应用链接，将预测结果输出；

数据预处理包括如下步骤：

(a)数据清洗是利用平均值方法进行缺失值处理，计算各个特征的平均值，对特征中的空值用平均值进行填充；

(b)对数据进行“去噪”处理，

b1利用聚类算法迭代计算样本数据的中心点；

b2计算每条样本数据与样本中心点之间的距离集D；

b3计算距离集的样本均值和样本方差；

b4根据概率学的置信度区间估计和拉依达准则分别求解区间C₁和C₂；

b5比较区间C₁和C₂，选取其中较大区间为异常点评判准则，剔除超出区间的异常记录，得到去噪后的数据；

(c)数据归一化是利用离差标准化对去噪后的数据进行线性变换，将特征值归一化到[0,1]区间，消除特征间的量纲差异，得到归一化数据；

(d)数据降维是利用主成分算法对归一化数据进行降维处理，将原高维特征映射成低维特征，以主成分的累计贡献率达到85％选取低维特征的个数，最终得到构建模型的输入数据。

2.根据权利要求1所述的基于支持向量机的地面沉降预测系统，其特征在于，所述的地面沉降预测模型是，其中x是输入变量，ω是权值向量，m是特征变量的个数，是截距值，权值向量ω是在支持向量机算法中用批量并行化梯度下降策略迭代计算获得。