基于PSO-SVM模型的隧道水砂突涌量预测研究

复杂工程地质条件下,隧道水砂混合物突涌的预测防控是隧道安全建设的基础,准确预测水砂混合物突涌量,为工程提供安全保障至关重要。为提高预测准确性,提出一种基于粒子群算法优化的支持向量机(PSO-SVM)的隧道水砂突涌量预测模型。综合考虑地质构造、气象条件、施工影响三类因素,选取七个因子,结合某公路隧道,利用PSO-SVM建立隧道水砂突涌量预测模型,并对该隧道水砂突涌量进行预测,结果与实际突涌量一致。证实综合粒子群算法和支持向量机优势的PSO-SVM方法预测精度高,且易于实现,为类似隧道工程突涌预测提供参考与借鉴。     

基于云模型的舰艇弹药库房综合安全评价

为解决弹药库房安全评价过程中的定量描述与定性概念转换问题,基于云模型理论,选取人为、技术、物质、管理、作业及设备等五个方面作为安全评价因素,建立舰艇弹药库房安全评价指标体系。以某舰艇弹药库房为例,把各因素评语集转换为评语云模型。将专家打分的结果通过逆向云发生器生成云模型的数字特征,利用正向云发生器生成管理因素的综合云图以及弹药库房整体评价云图。算例的结果表明该方法能够更为直观、灵活地反映二级因素对一级因素的影响,并准确地确定整体安全综合评价等级,符合实际情况。