基于回归-ELM神经网络模型的滑坡变形及失稳预测模型

为准确预测滑坡的变形趋势,有效预防滑坡灾害的发生,提出了基于变形预测和检验的趋势判断模型。首先,利用回归分析,拟合得到滑坡的变形曲线,再利用组合权值,实现拟合结果的组合,得到滑坡变形的初步预测结果;其次,利用极限学习机(ELM神经网络)对初步预测结果进行误差修正,将修正结果与初步预测结果进行叠加,得到滑坡变形的综合预测值;最后,利用秩相关系数检验与Mann-Kendall检验,对滑坡变形趋势进行判断,以验证预测结果的准确性。经过实例检验得出,预测模型的预测效果较好,其组合预测及误差修正均能不同程度地提高预测精度及稳定性,且两检验模型的结果均与预测结果相符,相互验证了其可靠性。因此,预测模型能对滑坡变形趋势进行综合判断,为滑坡的变形研究提供了一种新的思路。     

苏州地铁车站基坑变形的空间效应分析及预测研究

为有效掌握苏州地铁基坑的空间变形特征,实现对其变形的高精度预测,利用数理统计及极限学习机开展基坑变形的空间效应分析及预测研究。首先,基于基坑变形监测成果,开展基坑变形的空间效应分析;其次,利用小波去噪、极限学习机及混沌理论等构建了基坑变形预测模型,以达到基坑变形的时间效应分析。结果表明,在空间效应分析方面,基坑竖向沉降变形及侧向水平位移均以西侧相对最大,其与近接既有住宅楼相关,近接既有建筑物对基坑变形的影响较大,且在不同施工阶段条件下,基坑侧位移随深度变化存在一定差异,第二、三阶段的侧位移增量相对最大;在时间效应分析方面,小波去噪能很好分解基坑变形的趋势项和误差项,但去噪参数对去噪效果影响较大,去噪过程应进行参数的优化筛选;粒子群算法能有效提高极限学习机的预测精度,混沌理论也能有效弱化误差序列,所得变形预测结果的相对误差均值均小于2%,验证了预测模型的有效性,且通过外推预测,得出基坑变形在后4个周期仍将进一步增加,但增加速率相对较小,后期在时间效应条件下趋于稳定。研究结果对开展不同区域地质条件下的基坑变形特性研究、更好地指导现场施工具有参考价值。     

基于ARIMA-GRACH模型的现货电价预测

通过建立ARIMA预测模型对现货电价进行预测,并对ARIMA模型存在的异方差问题通过GARCH模型进行修正。实证算例中,采用北欧四国电力市场数据,与ARIMA和灰色GM（1,1）模型进行比较,表明ARIMA—GARCH模型的预测精度更高,预测误差更小。     

基于支持向量机的大坝基础注浆量预测模型研究

大坝基础注浆工程中注浆量是影响基础防渗幕体的抗渗透能力与耐久性的最主要的因素。文章基于支持向量机的回归算法,构建大坝注浆基础注浆量预测模型。以江西省某水库大坝基础注浆工程为例,对该预测模型进行验证,结果表明:预测模型应用在该工程中,取样检测点相对误差最大值达到4. 67%,但绝大部分样本序号点相对误差值均在3%以下;进一步求解相对均方误差以及预测准确率,得出相对均方误差s1=3. 43%,预测准确率s2=95. 28%。根据相对均方误差和预测准确率的预测模型等级评价标准,模型评价等级优秀。     

灰色模型的优化及其在沉降数据分析中的应用

本文利用Matlab根据灰色系统理论建立GM模型对变形数据进行分析预测进一步探讨了灰色模型参数的优化、累加生成次数对模型精度的影响、模型处理变形数据的跨度,并利用Matlab语言编写了变形数据处理程序实现了变形预测模型的建模和预测。     

灰色神经网络在轴承故障预测中的应用

为提高旋转机械中滚动轴承故障预测的精度,提出灰色神经网络预测模型。利用训练样本数据,使用灰色神经网络模型完成训练过程;基于已训练好的模型对未来时间点的运行状态进行拟合,实现轴承的故障趋势预测。相比采用单一的BP神经网络预测模型,该组合模型具有较高的精度,对轴承故障趋势预测有一定的现实意义。     

遗传算法优化的小波神经网络在短期电力负荷预测中的应用

本文利用遗产算法的全局优化搜索能力来优化了小波神经网络,建立了基于遗产算法的小波神经网络短期电力负荷预测模型,克服了BP神经网络自身算法的缺陷,得到了更高的学习精度和更快的收敛速度,经实例也验证了该模型能有效地提高预测精度,减小负荷预测误差,避免了BP神经网络的固有缺陷.     

基于长短期记忆网络的轨道交通短期OD客流量预测

为了更准确地掌握轨道交通客流在线网中的时空分布,更高效地匹配客流需求与运输能力,实现提高轨道交通运输效率、改善运营服务质量的目的,提出了一种基于长短期记忆网络的短期OD(交通起止点)客流量预测方法。以历史客流数据为基础,定性分析车站间OD客流量的时空相关性,利用回归分析法定量分析客流影响因素,筛选出运营时刻、运营日特征、最低气温3个时间特征。为提高预测精度,以长短期记忆网络为基础,结合时间特征,为每对起讫点单独构建预测模型,形成了基于长短期记忆网络的轨道交通短期OD客流量预测模型。以苏州市为例进行验证,结果表明,加入了时间特征的短期OD客流量预测模型较移动平均模型、仅利用历史客流数据训练的基于LSTM网络的短期OD客流量预测模型,预测结果与真实值之间的误差降低了6.27%～8.58%,所提出的方法和模型可为轨道交通运营部门制定列车运行计划、组织客运工作提供更准确的数据资料。     

基于SARIMA-SVR组合模型的 空气质量指数预测

空气质量指数(AQI)在波动中既具有整体的时间序列线性特征和明显的季节性波动周期,又具有多种因素影响的不确定性,为了提高AQI的预测精度,基于Ri386 3.3.3和Matlab R2014a两种编程软件,提出了一种同时具有线性和非线性的复合特征的时间序列预测模型——SARIMA-SVR组合模型。以太原市2014年1月—2019年7月的AQI月均值数据为基础,利用SARIMA时间序列模型进行线性预测,利用SVR模型对残差进行非线性预测,加和得到组合预测模型的预测结果,分析比较SARIMA,SVR和SARIMA-SVR这3种模型的预测结果和平均绝对百分比误差。结果表明,组合预测模型发挥了2种模型各自的优势,相较于单一预测模型的预测结果而言,其预测精度更高,稳定性更好。通过此模型得到的空气质量预测结果不仅可为人们的日常生活提供指导,而且可为大气污染的防治工作提供科学依据和借鉴意义。     

基于灰色模型和最小二乘机原理的区域水资源供需组合预测研究

文章将灰色模型和最小二乘机模型进行组合,并将组合模型用于辽宁西部区域水资源供需预测中。研究结果表明:组合模型可综合考虑不同模型的优点,进行加权组合预测,相比于单一预测模型,组合预测模型在区域水资源供需预测中具有较高的预测精度,预测误差得到明显改善。研究成果对于区域水资源供需预测方法提供参考。     

遗传算法优化BP神经网络的岩质边坡稳定性预测

为了解决边坡工程中非线性变化给稳定性预测造成的困难,建立了GA-BP神经网络计算模型预测岩质边坡稳定性。采用定性评价和相互作用矩阵复核的方式,选取边坡坡度、边坡高度、斜坡结构类型、岩体强度、控滑结构面倾角、岩体结构特征、地表变形强度、人类活动强度8个评价因子作为BP神经网络的输入变量;利用遗传算法对神经网络的初始权值和阈值进行优化后训练岩质边坡稳定性预测模型;对比分析GA-BP神经网络和BP神经网络的预测效果。结果表明,优化后的预测结果误差绝对值小于0.15的占85%,未优化的传统神经网络仅占45%,优化后的预测结果更加接近真实值,表明遗传算法对传统BP神经网络的优化是有效的。研究结果对建立岩质边坡稳定性预测模型具有一定的参考价值。     

高斯过程机器学习在临河地铁车站基坑变形预测中的应用

为了更准确地对临河基坑开挖过程中出现的变形进行预测和风险预警,以天津地铁7号线王兰庄站出入口基坑临河施工为例,提出了一种基于改良高斯过程机器学习的临河基坑变形预测方法。首先,将施工过程收集的变形位移监测数据作为学习样本;其次,利用改良高斯过程回归算法对学习样本进行训练,并通过自适应不同的训练函数,获取较为合理的基坑变形代理模型;最后,通过代理模型预测基坑变形位移,并识别基坑风险,同时与传统高斯预测结果、有限元计算结果和实测值进行比较。结果表明：1）改良高斯过程回归方法较常规高斯过程的模拟效果更好,在样本点充足的条件下,可准确地根据基坑变形数据学习并预测后续基坑开挖的变形位移;2）相较于工程应用较多的有限元计算方法,采用改良高斯回归过程机器学习方法,可根据现场的实际监测数据对变形进行动态地学习、分析与预测。研究成果更贴近现场实际情况,具有较强的推广价值,可为基坑变形预测提供参考。     

油水井套变地层岩石力学参数反演分析

以套管变形测井资料为基础,利用APDL编制有限元优化模块反演套变围岩力学参数,即可确定套变地层缺失的力学参数,又克服目前套管变形分析多是基于弹性模型,不能进行塑性变形分析的问题。同时在岩石力学参数反演程序中引入莫尔―库伦破坏准则,确定岩层内摩擦角与黏聚力、最大水平主应力和最小水平主应力之间的关系,使反演解具有唯一性。该方法为套变围岩岩石力学参数的确定提供了新方法,并较传统反演方法更为简捷高效。     

基于Stacking模型融合的店铺销量预测

为了实现企业产品销量预估,提高生产供应的准确性与效率,提出了基于Stacking模型的融合算法进行销量预测。算法设计了两层堆叠的模型结构,初级学习器采用随机森林、支持向量回归、差分整合移动平均自回归、轻量级梯度提升机器和门控循环单元5种单模型,将分类与回归树作为次级学习器构成Stacking融合模型,并对数据进行了预测。预测结果显示,使用Stacking模型融合后得到了较好的预测结果,比单模型中效果最好的模型的均方根误差更小,平均绝对误差更小,决定系数值更大,表明Stacking融合模型的预测准确率更高。所设计模型可用于对企业店铺的产品销量进行预测,帮助企业更好地安排生产、营销活动,为减少库存、缩短生产销售周期提供数据支持,对企业生产决策有一定的参考价值。     

基于惯性导航的室内定位误差修正算法

针对惯性导航系统(INS)在室内定位过程中,位移误差随时间不断积累而导致定位精度不高的问题,通过分析人行走的特征,以及行走过程中零速点的特性,提出了基于惯性导航的室内定位误差修正算法。使用最大似然估计法对加速度计和陀螺仪的输出参数进行判断,确定零速点,然后通过扩展卡尔曼滤波(EKF)算法,分别建立定位系统的状态方程和观测方程对误差进行修正。利用Matlab搭建仿真平台,对算法进行了仿真。仿真实验结果表明:改进后的零速检测算法,提高了零速点检测准确率,使位移误差得到了有效抑制,并将定位误差控制在了3%以内。改进算法对室内定位误差修正具有一定的实用价值。     

软岩巷道底鼓分层锚注支护技术

为了解决内蒙古蒙泰不连沟煤矿F6104辅运顺槽底鼓变形严重的问题,基于巷道围岩变形破坏机理,通过大量现场调研及巷道底鼓影响因素的理论分析,得出围岩性质、水、地质构造和支护形式是导致巷道底鼓的主要因素,提出采用注浆锚杆和注浆锚索及钢梁控制巷道底板围岩,使底板岩层成为承载梁,提高底板围岩的黏聚力,增强底板的整体稳定性。结果表明：采用分层锚注支护技术后,最大底鼓量不超过50mm,有效解决了不连沟煤矿F6104工作面辅运顺槽底鼓问题。     

基于KPCA-GRNN的炼化厂管道腐蚀速率预测

为了提高炼化厂循环水对管道腐蚀预测的精度,选取8种常规监测数据作为样本标准库,在此基础上考虑各指标之间信息叠加的影响,引入核主成分分析(KPCA)和广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道腐蚀的主要因素,应用GRNN建立管道腐蚀速率预测的数学模型,通过分析影响循环水腐蚀的关键因素,建立了循环水腐蚀预测指标体系。结果表明,将样本监测数据的维数由8降至5,可得出各个影响因素的贡献率,提取出包含原始信息95.84%的5个变量,且基于KPCA-GRNN的算法对监测管道腐蚀速率的平均相对误差为0.033,优于误差反向传播算法(BP)的0.056。因此,基于KPCA-GRNN算法建立的循环水碳钢腐蚀速率预测模型,能够获得更准确的预测结果,拓宽了循环水腐蚀速率预测方法的研究思路。     

近距离采空区下回采巷道松动圈范围变异研究

针对下峪口煤矿23305下分层的回采巷道顶板厚度仅8～ 10m,且伴有大量淋水情形,在掘进过程中变形严重,甚至局部整体垮塌,为此进行了巷道围岩力学实验、松动圈测试和钻孔窥视测试,研究发现顶板岩块的力学性能好,但松动范围却达到2.5m,支护方案中锚杆长度为2.4m,初步判断排间距大是造成巷道失稳的主要成因,而形成这种结果的主因是距离采空区太近以及采空区积水侵入巷道顶板造成,研究结果对类似条件下的巷道支护起到借鉴作用.