基于小波和混沌优化LSSVM的周期来压预测

采煤工作面的液压支架是承受顶板压力的主体结构,选择支架的主要根据是其将要承受的周期来压荷载。为预测周期来压,构建了基于小波和混沌优化的最小二乘支持向量机(LSSVM)方法。该方法利用小波分解技术将所选的样本集数据分解成不同频率的分量,基于混沌理论对分量相空间进行重构。各重构分量分别使用LSSVM模型进行训练,其中LSSVM预测模型的参数由混沌粒子群算法进行优化。最后,将各LSSVM模型得到的预测分量进行小波重组得到完整的周期来压荷载预测波形。通过在重构时的计算发现,在某周期下,荷载的时序序列有一定的混沌性。与其他3种模型进行比较,基于小波和混沌优化LSSVM的预测模型得到的最终荷载波的精度更高,收敛性也较好。     

基于重构相空间充填体变形规律的灰色预测研究

尾砂胶结充填体是非线性力学介质,其变形是能量耗散的复杂过程,必须研究其内在变形规律,才能正确预测采矿过程中充填体的稳定性.对不同配比的尾砂胶结充填体进行力学试验,得出了其应力-应变规律,对安庆铜矿高阶段充填体变形进行了监测.采用自适应滤波原理,研究基于重构相空间的测量数据去噪处理方法.用灰色理论研究充填体变形在相空间中相点距离的演变规律,建立了重构相空间的灰色预测模型.为减小预测误差,对预测结果采用残差模型修正.应用建立的模型,对安庆铜矿高阶段充填体变形进行分析,确定了采场合理回采周期.结果表明,充填体变形具有非线性混沌特性,不同配比的充填体表现出不同的非线性动力学行为,重构相空间能充分展示充填体变形的内在规律.     

露天矿边坡变形的LMD-Elman时序滚动预测研究

为准确预测边坡变形,采用局部均值分解(LMD)与Elman神经网络相结合的方法,构建基于LMD-Elman的露天矿边坡变形的滚动预测模型。通过LMD将时序样本分解为多个分量,利用Elman神经网络对各分量进行滚动预测,再叠加各预测值重构最终理论预测值。以某露天矿边坡实际监测数据为例,进行仿真预测。结果表明:监测数据自身携带诱导边坡变形及失稳的重要信息,基于LMD-Elman的滚动预测能有效揭示边坡变形的波动性、趋势性和周期性特征;模型预测结果的平均绝对误差为0.056 8 mm,平均相对误差为2.756 8%,与单一Elman模型相比,预测精度显著提高。     

基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型。经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度。同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点。由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学。     

嫩江水体溶解氧变化规律的混沌研究

针对目前溶解氧研究主要是从生物、化学等方面开展,而对溶解氧自身变化规律的研究很少的特点,以嫩江干流浏园水文站测得的溶解氧质量浓度序列为例,首先进行相空间重构,应用自相关函数法确定出延迟时间、伪邻近点法确定出嵌入维数;然后应用主分量分析(PCA)方法对序列进行分析,表明该序列不是噪声序列而可能是混沌序列,通过计算Kolmogorov熵得出溶解氧质量浓度序列具有混沌特性的结论;最后应用基于关联度的局域加权线性回归预测法对该序列进行了混沌预测研究,得到了比较理想的预测结果,这为应用混沌理论进行溶解氧变化规律的研究提供了依据.     

基于粗集理论算法-脊波神经网络的深基坑变形预测与应用

基坑开挖变形具有非线性特性,在脊波神经网络的基础上,采用粗集理论算法优化初始权值和阈值,建立了基于粗集理论算法-脊波神经网络的深基坑变形预测模型,应用该模型对西南地区某市火车站综合交通换乘中心南广场的基坑开挖过程进行了变形预测。结果表明:粗集理论算法能够对脊波神经网络进行优化,提高了脊波神经网络基坑变形预测结果的收敛速度和泛化能力;脊波神经网络能逼近基坑变形的非线性部分,避免了模型误差影响基坑开挖变形预测精度,提高了系统整体抗干扰性能。模型的预测值与实测值之间的误差在5%以内,满足实际工程的要求。     

基于RBF神经网络的城市交通节假日客流预测

正近年来随着人工智能的飞速发展,对未来可能出现事件的预测也随之进入了一个全新的领域,得到了更多的技术支持。城市交通的节假日客流预测就是其中之一。余沁潇~([1])等提出基于空间索引结构R树作为存储结构的非参数回归模型,在满足预测精度条件下实现了短时交通流预测。石曼曼~([2])基于相空间重构理论研究了相空间的Kalman滤波模型,并结合     

安全预测的EEMD-PSR-Elman建模方法及应用

为分析安全预测中时间序列的非平稳特性并提高预测精度,提出基于集合经验模态分解(EEMD)、相空间重构(PSR)及神经网络的预测建模方法。首先应用EEMD方法将时间序列分解成若干具有不同周期性或趋势性的分量,通过C-C方法计算各分量的最佳嵌入维数和延迟时间;然后分别进行相空间重构;再应用Elman神经网络对各分量进行训练并建立预测模型;最后将各分量预测结果叠加得到最终预测值。用该方法分析反映煤矿安全生产的关键性指标——煤炭生产百万吨死亡率。结果得到具有长期趋势性和周期性波动的5个分量,预测相对误差为-0.11%~0.20%;外推预测表明,中国煤炭生产百万吨死亡率将保持持续下降趋势,至2020年将下降到0.05以下。     

基于非线性技术锅炉故障分析*

为预测和判断锅炉故障的发生,完善锅炉故障检测技术,基于锅炉运转具有非线性特点,提出将非线性评价指标应用于锅炉故障诊断。研究特征信号的非线性特性,通过确定延迟时间和嵌入维数来重构相空间;采用混沌分形理论研究非线性评价指标;提取最大Lyapunov指数和关联维数,并为收集的每种特征信号选择最合适的非线性指标。结果表明:蒸汽压力的非线性特征指标应选择关联维数,烟气温度1、烟气温度2、水管温度1和水管温度2的非线性特征指标应当选择最大Lyapunov指数。     

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...     

混沌理论在事故分析及预测中的应用

在对江苏常州市某公司安全事故资料进行大量调查与统计的基础上,应用混沌理论分析了该公司安全事故的混沌特征,指出了事故对初始条件的敏感依赖性和事故的长期不可预测性。应用重构相空间理论对安全事故次数的时间序列进行了分析和预测。同时,还对安全事故统计资料进行了R/S分析,得出该时间序列以2 0 0 1年6月为界限,存在两个Hurst指数,H1=1.6 82 8和H2 =0 .2 936 ,表明在以3个月为时间统计尺度的条件下,事故发生次数在前一时间段整体表现为持久相关性,而在后一时间段表现为反持久相关性。预测与分析结果与实际情况符合较好,表明应用混沌理论进行事故分析与预测是可行的,反映了事故的发展趋势。     

双线盾构隧道斜交下穿既有机场高速公路的地表沉降预测模型研究*

为指导隧道盾构下穿既有建构筑物施工的变形控制,考虑隧道收敛模式和复合地层主要影响角的影响,以双线圆形盾构隧道斜交下穿既有机场高速公路为例,构建圆形隧道地层主要影响角计算方法,改进传统Peck公式,分析盾构斜交角、盾构坡角和隆起偏角的共同影响,引入地层损失率几何修正系数,并利用叠加原理建立双线盾构隧道斜交下穿既有机场高速公路的地表沉降预测模型,依托实际工程对预测模型的工程适用性进行验证。研究结果表明:本文预测模型的整体精度相比Suwansawat等预测模型提升44.15％,可预测施工影响范围内任意点的地表沉降值,相比现有模型更适用于解决双线盾构隧道斜交下穿施工的地表沉降预测问题,可为类似工程中的地表沉降变形预测及控制提供指导。     

基于灰平面的事故预测方法研究

基于灰色系统理论中的灰平面概念 ,构建某一指定点的邻域系GM(1,1)系列模型 ,由模型的解得出原始数列的预测值范围 ,即灰平面并用实例比较分析了模型的精度。研究表明 ,基于灰平面的事故预测方法的优势是所需数据少 ,编程计算简便 ,模型精度较高 ,可以预测系统行为特征值未来发展的范围 ,是一种值得推广的预测方法。     

煤矿瓦斯涌出时序预测的自组织数据挖掘方法

为分析煤矿瓦斯涌出复杂系统时间序列预测方法,提出自组织数据挖掘(SODM)与相空间重构(PSR)相结合的预测建模方法。首先应用C-C方法计算时间序列的最佳嵌入维数和延迟时间后进行PSR;然后以二元二次方程为传递函数,以嵌入维数变量为自变量,以延迟时间后的时间序列为因变量,通过内准则确定传递函数系数和外准则选择最优传递函数,并以最优传递函数的输出为下层迭代传递函数的输入,最后获得最优复杂度预测模型。算例结果表明:该方法对煤矿瓦斯涌出量预测的相对误差为-5.751 7% ~6.049 3%,平均相对误差2.145 7%,预测结果能满足煤矿安全生产实际工程应用要求。     

基于改进极端学习机的混沌时间序列瓦斯涌出量预测

为更准确地预测瓦斯涌出量,预防瓦斯灾害,有必要建立和应用基于改进极端学习机(IELM)的混沌时间序列预测模型。首先,对瓦斯涌出量监测数据构成的多变量时间序列进行相空间重构,采用互信息法与虚假邻点法得到每一变量的延迟时间和最佳嵌入维数;然后,通过最小二乘方法和误差反馈原理计算出最优的网络输入层到隐含层的学习参数,对极端学习机(ELM)进行改进;最后,借助IELM建立瓦斯混沌时间序列的预测模型。通过仿真试验,运用该预测模型预测的最大相对误差为3.290 2%,最小相对误差为0.898 2%,平均相对误差为1.952 8%。     

矿山微震时间序列的相空间构建与混沌吸引子维数确立

为了进一步挖掘矿山微震信号内蕴藏的信息,初步研究了微震信号的混沌特性。针对矿山微震信号非平稳、非线性的特点开展了以下研究:建立了一维时间序列的相空间重构模型,分析了一维和多维微震时间序列的空间相型;选取了矿山现场监测一维微震时间序列（N=2 000）,利用自相关函数求取了时间序列的延迟时间τ;建立了微震时间序列关联分维数的循环计算模型;最终确立了相应临界距离r（r=250）和相空间维数m（m=50）的值,计算求得分维数D的值为1.088 5。研究结果表明,微震一维时间序列的吸引子维数存在,同时也证明了微震时间序列具有混沌特性。该研究结果为利用混沌理论处理矿山微震数据,如初始到时精确拾取、信号特征分析与提取以及波形降噪等提供理论依据。     

某水电站工程右岸引水发电系统厂房后边坡稳定性三维有限元分析

针对某水电工程坝址区地质条件复杂、开挖步序多的实际情况,采用三维有限元法,分析了某水电工程右岸厂房后边坡的稳定性,得到了边坡开挖卸荷、支护中的变形规律和应力分布特性,给出边坡的破坏特征和部位,提出了边坡治理方案。引入强度折减法,以安全系数的形式来分析边坡的稳定性,强度折减法可以与边坡规范相映证,同时该方法采用边坡稳定安全系数,可以直观定性的判断边坡的整体稳定性。工程实践表明,边坡工程稳定性分析结果和加固设计方案合理有效。