边坡位移的EEMD-PSO-ELM模型预测方法

为解决边坡变形位移预测难度大的问题,利用北斗监测系统获取边坡位移数据,引入集合经验模态分解(EEMD)法、粒子群优化(PSO)和极限学习机(ELM),建立边坡位移预测的EEMDPSO-ELM模型;以攀钢集团石灰石矿5号监测点为例,对原始数据小波去噪,采用EEMD法将位移时间序列分解为波动项位移和趋势项位移;利用PSO-ELM优化模型预测下一时段位移,叠加2项位移预测结果,得到边坡累计位移预测值,并对比分析预测结果。结果表明:EEMD-PSO-ELM模型位移预测方法的平均相对误差(MRE)为0. 15%,均方根误差(RMSE)为0. 03,拟合优度为0. 999 9,该模型具有一定的精确性和适用性。     

基于小波包变换和ELM的滚动轴承故障诊断研究

为了准确诊断滚动轴承故障,降低滚动轴承故障对设备运行的影响,提出了一种基于小波包变换分析与极限学习机相结合的滚动轴承故障诊断方法.首先,通过小波包变换对轴承振动信号进行消噪处理,采用均方根差和平滑度法为指标筛选出合适的小波基函数,用以对原始信号进行消噪处理.然后以信号的8种特征作为指标对消噪后的信号进行特征值提取,并通过时域、频域信息图对轴承故障进行先验诊断.最后将提取的特征值作为样本通过极限学习机的方法对轴承故障类别进行分类、诊断.研究表明,该方法能够准确地对轴承故障类别进行诊断,为轴承的故障诊断提供了新的思路.     

基于RF-ELM模型的边坡稳定性预测研究

为实现对边坡稳定性的有效预测,将极限学习机算法与旋转森林算法相结合,并依据影响边坡稳定性的六项重要因素,建立了边坡稳定性预测的RF-ELM预测模型。该模型是以极限学习机算法为基分类器,以旋转森林算法为框架的集成学习模型,利用UCI数据库中三组数据集验证了该集成模型确实提高了ELM的预测性能。将RF-ELM模型应用于边坡稳定性的预测问题中,结合39组工程实例数据进行预测实验,结果表明该模型具有较高的预测精度,可有效的对边坡稳定性进行预测。     

片岩隧道变形规律分析与预测方法研究

为准确掌握片岩隧道变形规律,基于隧道变形监测结果,利用核极限学习机构建隧道变形初步预测模型,通过遗传算法和蚁群算法进行优化处理,以保证模型参数的最优性,采用混沌理论对预测误差进行修正处理,利用M-K分析判断隧道变形趋势,并将趋势判断结果与预测结果对比.结果表明:通过递进优化处理,能逐步提高预测精度,且预测结果的相对误差...     

边坡变形的LMD-ELM多尺度预测模型研究

为准确预测边坡变形,有效预防边坡灾害发生,提出构建基于局域均值分解(LMD)和极限学习机(ELM)的边坡变形多尺度预测模型。用LMD方法,将边坡变形时间序列分解为多尺度且相对平稳的随机项、周期项和趋势项。针对各项时间序列,分别构建基于ELM的预测模型。经累加各分项预测值,获得模型最终预测结果。以甘肃某边坡变形为案例,进行实证分析。结果表明:LMD-ELM模型能够充分挖掘数据内部隐含的变形规律,有效诠释多尺度变形与其诱发因素间复杂的响应关系,预测精度、运行速度和拟合泛化能力较其他模型有所提高。     

基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。     

地质滑坡条件下不同因素对油气管道危险性影响分析

地质滑坡对油气管道的安全运行危害很大。建立横向滑坡管道有限元模型,分析管道的力学行为和极限状态,研究了滑坡位移、滑坡规模、埋深和土质等因素对管道变形和应力的影响,为可能滑坡地区管道的设计、施工和维护提供理论依据和技术参考。     

基于KPCA-MPSO-ELM的矿井突水水源判别模型

为准确判别矿井突水水源并有效预防突水事故,提出一种基于核主成分分析-改进粒子群算法-极限学习机(KPCA-MPSO-ELM)的矿井突水水源判别模型。利用核主成分分析(KPCA)法对原始数据进行属性约减,通过改进粒子群算法(MPSO)优化极限学习机(ELM)的初始权值和阈值,建立KPCA-MPSO-ELM模型;在综合考虑矿井各含水层的水化学特征的基础上,选取Ca2+、Mg2+、K++Na+、HCO3-、SO42-、Cl-等的浓度和总硬度作为矿井突水水源的主要判别依据;以新庄孜矿的45组实测数据作为样本进行实例分析,其中33组数据作为训练数据训练模型,另外12组数据作为预测样本,用该模型进行预测,并将其判别结果与MPSO-ELM、KPCA-PSO-ELM模型的判别结果进行对比。结果表明:KPCA方法能减少指标数据间的信息重叠;通过MPSO优化ELM参数,可提高算法的整体搜索性能和收敛速度; KPCA-MPSO-ELM模型的预测精度高于MPSO-ELM、KPCA-PSOELM等2个模型。     

加权马尔可夫链滑坡预警模型优化研究

滑坡预警研究是地质灾害领域的重要课题,为准确建立滑坡预警模型,采用均值-标准差法将位移速度数据划分为2种状态,以加权马尔可夫链动态预测未来的位移速度状态,以前日、当日的已知位移速度状态及次日的预测位移速度状态作为预警判据,构建加权马尔可夫链滑坡预警模型。以平庄西露天矿4·17滑坡为工程背景,通过预警及时性、抗干扰性及可信度三方面对样本容量及标准差倍数进行优化,确定出滑坡预警的最优化模型。研究结果表明:模型在边坡等速变形阶段的错误预警率极低,在滑坡临近时能给出合理的密集预警时段,具有较好的时间预警和区域预警效果,同时能在一定程度上揭示滑坡的启动及演变过程;样本容量为20,标准差倍数为0.4时,模型可充分利用其精确性,使错误预警率更低、预警更及时,能较好满足模型评价的及时性、抗干扰性及预测可信度标准;最优模型对滑坡区各监测点的7日平均预警密集度为77%,平均预警错误率为0,平均预测一致率为61%。     

EEMD-小波在高边坡变形信息提取中的应用研究

针对高边坡变形呈现非平稳性及数据“噪声”多源的问题,提出了一种定向滤波的变形信息提取方法。首先,利用集合经验模态分解方法分解变形时序数据,结合定量分析法判别模态分量信号频段;然后,对高频模态分量中的“噪声”利用小波函数进行“靶向”消噪处理,并对趋势项进行傅里叶级数拟合;最后,重构高边坡变形分析模型,实现真实变形量的提取。结果表明,对比分析各项检验指标,通过“靶向”消噪,各高频模态分量消噪效果明显,重构后的集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)-小波高边坡变形分析模型较原始形变和其他模型在精度指标方面提升显著,该方法可用于高边坡的变形预测分析和真实变形量提取。     

库岸涉水滑坡危险性现状分析与预测评价

为合理评价库岸涉水滑坡危险性,基于层次分析法与模糊理论,构建滑坡危险性现状评价模型,并利用优化支持向量机构建滑坡变形预测模型,通过对比分析实现滑坡危险性综合判断。结果表明:大柿树滑坡危险性现状为69.78分,风险等级为Ⅲ级,属高度危险;通过危险性预测评价,滑坡变形呈持续增加趋势,将趋于不利方向发展;综合滑坡危险性现状分析与预测评价结果可知,滑坡危险性相对较大。研究结果可为滑坡灾害防治提供一定理论依据。     

AHP与GA-SVM耦合模型在滑坡预警中的应用*

为了减少滑坡造成的损失，提高滑坡预测的准确性，通过搭建灾害模拟平台获得滑坡的实验数据，在获得多组模拟实验数据后，分析各变量的特性。首先，通过层次分析(Analytic Hierarchy Process，AHP)算法，对滑坡进行危险度划分；然后，通过支持向量机(Support Vector Machine，SVM)建立模型，遗传算法(Genetic Algorithm,GA)再优化SVM参数，提出1种层次分析法与GA-SVM相耦合的模型。研究结果表明:AHP方法划分后的数据，通过GA与SVM结合建立的模型精度较好，实验预测结果与实际结果较为吻合，与单一SVM相比，精度更高，结果更好，更加适用于多变量的复杂非线性滑坡预警。     

基于CNN-GRU的瓦斯浓度预测模型及应用*

为解决传统瓦斯浓度预测方法预测精度低和适用性不强等问题,提出运用卷积神经网络（CNN）提取瓦斯浓度时间序列的变化趋势及局部关联特征,应用门自适应矩估计（Adam）优化的控循环单元神经网络（GRU）,在关联特征基础上进行时序性预测的组合方法,并以铜川玉华煤矿监测数据为样本,对比CNN-GRU组合模型、传统机器学习模型LSTM和GRU模型的预测效果。研究结果表明:CNN-GRU模型的预测精度和收敛速度均优于LSTM和GRU模型;CNN-GRU平均绝对误差和均方根误差分别可降低至0.042,0.006,运行效率分别提高59.15%,35.04%,研究结果可为矿井瓦斯灾害防治提供依据。     

滑坡灾害中埋地管道稳定性分析

滑坡灾害导致的管道局部失稳是油气管道面临的严重威胁之一。为了探讨滑坡灾害中工程管道位移、应力随参数的变化规律，研究管道结构稳定性，采用有限元方法，以管道外径、径厚比、滑坡宽度为研究变量，计算并分析了在滑坡灾害中管道位移、应力和稳定性。研究结果表明:增大管道外径可以有效抑制滑坡灾害中管道位移，同时随着管道外径的增加，管道最大位移呈现二次曲线降低，并且径厚比越小管道位移增量越小；滑坡灾害中管道的最大应力发生在滑坡中心和两端位置；以外径为0.965 m管道为例，屈曲特征值分析结果显示，随着管道径厚比的增大，屈曲特征值呈二次曲线减小；随着管道外径的增加，屈曲特征值呈线性增大，并且屈曲位置发生在滑坡段中间位置，管道所能承受的极限滑坡宽度约为70 m。     

基于循环神经网络的缓坡场地液化侧移预测*

为预测缓坡场地地震液化侧向位移,基于改进自适应算法（Rectified Adam）和循环神经网络模型（RNN）,提出液化侧移预测模型RA-RNN,通过对侧移数据进行样本学习,并利用改进自适应算法优化循环神经网络结构,验证RA-RNN模型可靠性,并与多元线性回归法（MLR）计算结果进行对比。结果表明:RA-RNN模型计算得到侧移一般为实测位移的0.7~1.3倍,训练结果R2,RMSE,MAE分别为0.977,0.375,0.141;土耳其科喀艾里RA-RNN模型预测结果RMSE和MAE为MLR模型的1/26,1/830;中国台湾集集镇RA-RNN模型预测结果RMSE和MAE为MLR模型的1/18,1/350,RA-RNN模型预测结果较优,预测精度及泛化能力得到很大提升。     

滑坡涌浪灾害物理模型试验研究综述

为有效预防和减少滑坡涌浪灾害，采用定性文献综述方法从涌浪的产生、传播与衰减、爬高3个阶段对国内外物理模型试验相关文献进行全面梳理分析。结果表明:涌浪产生阶段的研究主要集中在波形特征的识别和初始波高/波幅的公式表达上，传播阶段的研究主要聚焦在涌浪形态和波高在空间的衰减上，而爬高阶段则主要关注爬高的求解。在现状分析的基础上，从致灾因子、承灾体、防灾减灾角度提出关注泥岩质滑坡体、滑坡体淹没率等具体的未来研究建议。     

基于区间概率优势决策模型的滑坡治理方案优选研究

滑坡灾害治理初步设计阶段的方案优选和科学处置,对于避免或减少生命财产损失具有重要的科学和工程意义。针对滑坡治理决策指标信息属性的复杂性、区间性与不确定性等特征,首先借鉴博弈决策论的Minimax算法优化思路,结合概率优势关系及粗糙集相关理论,提出滑坡灾害治理方案优选的区间概率优势关系决策模型,该模型考虑治理方案与理想方案之间的优势度及其属性值的概率测度,与方案属性值大小之间存在着等价关系;然后利用属性值优势关系求得权重量化值,同时基于离差最大化算法和推论2对治理方案进行排序和反演;最后通过工程案例仿真模拟进行验证。研究结果表明:优选方案可为滑坡工程项目治理提供借鉴和参考。     

我国堰塞湖致因分析及灾害链构建研究*

为揭示我国堰塞湖形成机理,基于堰塞湖实际案例,依据灾害链式演变规律,构建我国堰塞湖灾害链模型;以灾害链模型中各因素为节点,各因素间作用关系为边,构建我国堰塞湖灾害链演化网络模型,利用Gephi软件实现灾害链演化网络可视化和拓扑参数计算,最终确定堰塞湖防治关键因素。结果表明:持续降雨作用于山地地貌,导致山体滑坡,该类堰塞湖致因在我国较为普遍,通过加大特定地区雨量与地质环境监测力度,可有效提高我国自然灾害防治水平。     

基于SOCP-MKRVM的区域滑坡敏感性分析研究

为了提高相关向量机（RVM）在区域滑坡敏感性评价中的预测能力,提出了基于二阶锥规划的多核相关向量机 (SOCP-MKRVM)预测模型。以四川省低山丘陵区为例,选取了8个滑坡孕灾因子训练RVM预测模型,并分别运用受试者工作特征曲线（ROC）和滑坡点密度2种方法对预测结果进行验证。通过与单核RVM模型的对比分析,结果表明:SOCP-MKRVM模型提高了对区域滑坡敏感性的评价能力,预测精度提高到71.33%,ROC曲线下面积达到0.741,滑坡点密度分布更加合理,两低敏感区之和为0.89个/100 km2,两高敏感区之和为6.54个/100 km2。