基于栈式自编码器的土质边坡失稳风险评估

运用传统方法开展边坡失稳风险评估时面临着计算量大、处理过程复杂等问题。基于深度学习理论,提出一种快速评估土质边坡失稳风险的方法。考虑影响土质边坡稳定性的9个主要影响因素,利用栈式自编码器进行训练和测试,并采用误差反向传播算法计算误差的传递,在多次训练中优化网络参数,获得最优网络模型。经过测试表明:建立的模型经过训练后能够快速、准确地确定边坡失稳的风险等级。该方法摆脱了传统风险评估方法中复杂、冗长的数据预处理和确定权重的过程,可为边坡及其他工程风险等级的快速评估提供新的思路。     

基于主成分分析和粒子群优化支持向量机的边坡稳定性评价

为科学评价边坡工程的稳定性,优化边坡稳定性的预测精度,提高工作效率,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型。首先利用主成分分析法对边坡稳定性影响因子进行特征提取,以获得的主成分作为支持向量机的特征向量建立支持向量机模型,然后通过粒子群算法优化支持向量机参数,最终建立边坡稳定性评价模型,并对边坡实例的稳定性进行预测,结果表明:PCA-PSO-SVM模型的运行速度快,预测准确率达909%,满足工程要求。     

基于粗集、遗传神经网络的环境质量评价

基于粗集、遗传神经网络的环境质量评价方法利用粗集对属性的归约功能将数据库中的数据进行归约，并将归约后的数据作为训练数据提供给BP神经网络；再用遗传算法和BP算法相结合的混合算法来训练网络预测模型的结构（在得到最优网络结构的同时也得到网络的最优权值和阈值）。通过实例表明该方法是有效的，为环境质量评价提供了一种新的研究思路和分析方法。     

基于MABC-SVR的边坡安全系数预测模型

为避免原始人工蜂群算法(原始ABC算法)搜索时陷入局部最优解,提出一种改进的人工蜂群算法(MABC算法),该方法先将原始蜜源的适应度进行排序,找出适应度最高的蜜源,再在其周围搜索更优解,并采用MABC算法对支持向量回归(SVR)模型参数进行优化,实现对边坡安全系数的回归分析与预测。通过对两种算法进行函数测试,结果表明:MABC算法较原始ABC算法收敛速度快、全局性好。选取实例边坡数据构造训练集和测试集,采用MABC-SVR方法基于建立的边坡安全系数预测模型进行预测,结果表明:均方根误差为0.004 6,最大相对误差为7.62%,回归系数为0.967 2。可见,建立的边坡安全系数预测模型准确度较高,可推广使用。     

基于IPSO-ELM算法的空气质量预测

基于人工神经网络空气质量预测模型存在易陷入局部极值、参数选取困难等问题,文章提出利用极限学习机进行空气质量预测。针对传统极限学习机的隐含层节点数、及其阈值和权值随机生成造成网络学习能力下降的问题,提出利用改进粒子群算法并行优化极限学习机的隐含层节点数和隐含层的阈值、权值,并以均方根误差作为适应度函数。利用优化后的极限学习机预测空气质量(SO2、NO2、PM10、CO、O3、PM2.5浓度和AQI),并将预测结果与BP神经网络和ELM算法进行比较。结果表明,该文所提的空气质量预测方法比BP神经网络和ELM算法具有更高的预测精度和可靠性。     

基于PNGV模型的锂离子电池荷电状态估计

目的 提升不同老化情况下的锂离子电池荷电状态(SOC)估计精度。方法 基于PNGV模型(Partnership for a New Generation of Vehicles)，对锂离子电池SOC进行估计。首先通过双线性变换对PNGV模型进行离散化，采用带有遗忘因子的递归最小二乘法(FFRLS)，对电池模型参数进行在线辨识，利用卡尔曼滤波(EKF)算法进行SOC估计，并通过动态工况验证SOC估计精度。结果 以多种误差指标考察不同循环下的试验数据，在不同电池老化状态下具有较好的预测精度。相比基于Thevenin模型的算法，基于PNGV模型的算法可以将SOC平均绝对误差减少约60%，同时也可以将SOC估计最大绝对误差波动范围降低53.8%。结论 本算法引入PNGV模型后，解决了基于Thevenin模型算法误差大、不稳定的问题，提升了动力电池系统在不同老化环境下的适应性。     

基于KPCA-CSO-RVM模型的工艺管道腐蚀速率预测

针对石油化工企业内工艺管道的腐蚀问题,提出一种基于核主成分分析(KPCA)算法、鸡群优化(CSO)算法、相关向量机(RVM)算法组合模型的工艺管道腐蚀速率预测方法,即KPCA-CSO-RVM组合模型。该方法首先对KPCA算法、CSO算法、RVM算法进行理论介绍,提出算法的组合方法;然后使用KPCA算法对工艺管道腐蚀速率的影响因素进行优选,使用CSO算法对RVM算法中的参数进行优选;最后采用某石油化工企业工艺管道腐蚀速率及其相关影响因素数据对KPCA-CSO-RVM组合模型进行训练,对部分工艺管道腐蚀速率进行预测,并通过计算预测误差来验证KPCA-CSO-RVM组合模型的预测效果。结果表明:基于KPCA-CSO-RVM组合模型的工艺管道腐蚀速率预测结果的最大预测误差不超过4%,平均相对误差仅为2.03%,均方根误差为0.003 5,其预测效果优于其他预测模型,证明KPCA-CSO-RVM组合模型在工艺管道腐蚀速率预测方面具有可行性和先进性。     

基于PCA和BP神经网络的中南公路岩质边坡稳定性预测

综合利用主成分分析法(Principle Component Analysis,PCA)对影响公路岩质边坡稳定性的6个因素进行主成分提取,提取的4个主成分作为BP神经网络的输入变量,边坡状态作为输出变量,并采用Levenberg-Marquardt(LM)算法优化BP神经网络,建立了基于PCA-LM-BP神经网络的公路边坡稳定预测模型。结合中南公路岩质边坡工程实例,将PCA-LM-BP神经网络模型的预测结果与LM-BP神经网络模型、BP神经网络模型预测结果进行对比。结果表明:基于PCA-LM-BP神经网络的预测模型精度较高,可为预测中南公路边坡稳定性提供一定的依据。     

同类异型产品环境因子的确定方法及应用

把同类异型产品在不同试验条件下的试验数据作为一个整体,提出了同类异型产品环境因子的2种确定方法,推导了极大似然估计和利用混合泊松分布模型的矩估计环境因子估计公式。通过数值仿真对所提方法进行了验证,分析了环境因子估计方法的精度。最后,将该方法应用于火炮火力系统的环境因子估算中,结果合理。     

基于粒子群优化极限学习机的水质评价新模型

河流水质实时评价技术对当前河流水资源管理和保护具有重要意义。该文以淮河水质为例,利用粒子群优化的极限学习机(Particle Swarm Optimization-Extreme Learning Machine,PSO-ELM)分类算法对淮河水质进行类别判定。在极限学习机(ELM)分类算法中随机给定输入权值矩阵和隐含层偏置,需要较多的隐含层节点才能达到所需的精度要求,隐含层节点过多易于出现过拟合现象并增加算法的计算量。该文利用粒子群算法(PSO)优化极限学习机的输入权值矩阵和隐含层偏置,计算输出权值矩阵,以减少隐含层节点。通过对比PSO-ELM、ELM这2种算法发现,PSO-ELM算法以较少的隐含层节点可获得更高的精度,降低了对实验样本的需求量,提高了模型的拟合能力。实验结果表明,PSO-ELM对于水质类别判定具有一定的可行性和有效性。     

空间站应用系统电子设备热设计研究

目的针对以往载人航天应用系统中电子设备热设计的仿真分析方法不准确的问题,提出一种基于热平衡试验测量发热元器件温度数据验证热仿真分析结果的电子设备热设计方法。方法通过对应用系统电子设备在轨实际热工况条件的深入分析,结合电子设备的物理特性、电气特性及其技术特点,利用计算机应用技术和数字仿真技术建立电子设备热模型,并进行热仿真分析,再将仿真计算得到的发热元器件壳温与实际热平衡试验测量得到的元器件真实壳温比对,检验热仿真分析结果的准确性。结果某电子设备在真空度为1.0×10~(-4) Pa,温度为45℃条件下开展热平衡试验,实测得到的发热元器件温度值与热仿真分析温度值之差小于1℃。热平衡试验过程中,切换电子设备的不同工作模式时,通过器件的工作电流和电压计算出其热负荷指标与仿真得到的热耗值之差低于0.1 W。结论基于热平衡试验的发热元器件实测温度数据,验证了热仿真分析结果的电子设备热设计方法科学有效,有助于后续空间站应用系统电子设备热设计工作。     

自适应人工鱼群-BP神经网络算法在径流预测中的应用

为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石泉水库中长期径流预测精度不高的难题,可有效用于水库和河川中长期径流预测。     

考虑软弱夹层中岩土体应变软化特性的矿山边坡变形体渐进破坏分析

为明确软弱夹层中岩土体应变软化特性对矿山边坡变形体稳定性的影响,基于线性应变软化M-C模型,提出了容重增加法分析矿山边坡变形体渐进破坏的方法。以四川某石灰石矿区高边坡平台变形体稳定性分析为研究对象,选取两个典型的工程地质剖面建立矿山边坡稳定性FLAC数值计算模型,分析了软弱夹层含水量对矿山边坡变形体稳定性的影响规律,并与极限平衡法进行对比,验证容重增加法计算边坡安全系数的有效性和优越性,最后以剪应变增量为变化指标,描述了矿山边坡变形体渐进破坏的全过程。结果表明:①软弱夹层含水量增加,会增大边坡失稳的风险,同时其应变软化特性对边坡安全系数的影响更显著;②容重增加法初始状态下的边坡安全系数与极限平衡法峰值状态下的边坡安全系数计算值相当,极限平衡法采用残余强度指标计算得到的边坡稳定性结果偏于保守,建议采用容重增加法稳定状态下边坡稳定性的计算结果评价边坡变形体的稳定性;③随着计算时步的不断增加,基于线性应变软化M-C模型的容重增加法,可以全面、直观地描述矿山边坡变形体渐进破坏的全过程,可为矿山边坡安全评估提供依据。     

基于诱发因素响应与DE-SVM模型的滑坡位移预测

三峡库区滑坡的稳定性直接影响到库区沿岸居民的生命及财产安全,而对滑坡变形的预测对于地质灾害防治有着重要意义。基于三峡库区涉水滑坡多存在阶跃式的变形特征和位移监测数据,采用差分进化(DE)算法对支持向量机(SVM)模型参数进行全局优化,并利用优化后的差分进化-支持向量机(DE-SVM)模型对滑坡位移监测数据进行训练,最终实现了对滑坡位移量的预测。以三峡库区典型滑坡——奉节县藕塘滑坡为例,运用DESVM模型并考虑库水位和降雨作为该滑坡的诱发因素,对该滑坡的变形及其发展趋势进行了预测研究。结果表明:基于诱发因素响应的DE-SVM模型对藕塘滑坡变形的预测结果与该滑坡的实际变形特征基本一致,表明该模型的预测精度高,对三峡库区涉水滑坡位移的预测具有重要的参考价值。     

基于等幅度充电时间的锂离子电池健康状态估计

目的提出一种基于健康因子的SOH估计方法,以准确估计锂离子电池的健康状态。方法选取锂离子电池恒流充电过程中两恒定压差下的时间间隔作为健康因子,基于健康因子估计电池的健康状态。采用高斯过程回归模型进行电池健康状态估计,通过共轭参数法优化超参数。健康因子作为模型输入,输出相应的电池健康状态,并选取NASA不同实验条件下6个电池的实验数据验证该算法。结果所选6个电池估计结果的MAPE与RMSE值均低于0.02。结论选取的健康因子可以较好地表征电池的健康状态,验证了基于健康因子的SOH估计方法的可行性。该方法可以对不同温度、放电倍率、放电深度下的电池进行准确的SOH估计,具有较强的适用性。     

基于空间拟合和神经网络的机场噪声预测集成模型

将集成学习方法引入到机场噪声预测中,提出一种基于空间拟合和神经网络的机场噪声预测集成模型.该模型采用空间拟合算法和BP神经网络算法构建基学习器,然后通过所提出的基于观察学习的异构集成算法将基学习器集成起来,获得集成的机场噪声预测结果.该模型通过集成多个异构机场噪声预测基学习器,能够有效提升预测准确率.实验结果表明,本文所提出的基于观察学习的异构集成算法,较之其他异构集成算法,在解决机场噪声预测问题上准确性更高、容错性更强.     

Bootstrap方法在小样本随机振动环境测量数据归纳中的应用研究

针对传统正态容差上限方法在确定平台振动环境条件时,不适合处理小样本实测数据统计归纳的问题,提出了利用Bootstrap法对测量样本重采样,进而统计归纳振动环境条件的计算方法。首先利用Bootstrap法对来自正态分布的试验数据进行容差上限估计,通过与真值的对比分析,验证各种自助置信区间估计方法的适用性,而后提出使用纠偏百分位法和Bootstrap-t法对小样本振动测量数据进行归纳。最后,分别对某型飞机实测数据进行了统计归纳,并与传统容差上限估计方法进行了对比分析。     

基于主成分分析和优化SVM的公路边坡稳定性评价模型

影响公路边坡稳定性的因素众多,各因素与边坡稳定性之间的关系是未知且非线性的,常规简单数学模型难以对边坡稳定性进行有效评价。通过主成分分析法(Principal Component Analysis,PCA)去除影响因素间的相关性,将影响边坡稳定性的6个因素(容重、内聚力、内摩擦角、边坡角、边坡高度、孔隙水压力比)进行主成分提取,得到4个主成分,作为遗传算法(Genetic Algorithms,GA)优化支持向量机(Support Vector Machine,SVM)模型的输入变量,以边坡稳定性作为输出变量,最终建立基于PCA-GA-SVM的公路边坡稳定性评价模型。通过对比检验样本的评价值和实际值,模型的最大绝对误差为0.0921,最大相对误差为9.21%,满足实际工程的要求。     

基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

近场动力学方法在边坡稳定性分析中的应用

有限元强度折减法在边坡稳定性分析中有着广泛的应用,以近场动力学方法代替有限元法,可以在有限元求解不收敛的情况下得到边坡失稳状态下的滑移趋势。基于非关联流动法则,可以得到摩尔-库仑屈服模型的近场动力学应力更新算法。以边坡系统的最大位移为失效判据,建立了边坡的最大位移与折减系数之间的关系曲线,可以得到边坡的安全系数以及边坡的滑移面。以引江济汉工程边坡为研究对象,利用近场动力学强度折减法分别计算了边坡比为1∶2和1∶2.5两种工况下边坡的最大水平位移以及边坡的塑性应变分布情况,所得到的计算结果与实际施工情况基本一致,表明该近场动力学强度折减法可用于分析边坡的稳定性问题。