煤层底板突水危险性预测的熵权-正态云模型

为克服煤层底板突水危险性分级时的不确定性和模糊性,建立一种用于煤层底板突水危险性分级预测的熵权-正态云模型。选取13个影响因素构建评价指标体系,通过熵权法(EWM)得到各评价指标权重,利用正态云模型计算综合不确定度,进而得到预测结果,以肥城矿区的14个地质块段作为检测样本,预测底板突水危险性等级。结果表明：该模型的预测结果基本与实际情况相符,且较层次分析法(AHP)在预测准确性和误差上更具优势,准确性提高7.14%,平均绝对误差(MAE)、均方误差(MSE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低0.21、0.35、0.069、0.27。     

双曲线法拟合高铁路基沉降研究

为改进常规双曲线法拟合高速铁路线下工程中的"小量级、波动型"沉降时相关系数较低、预测沉降误差较大的不足,引入基于等效填筑时间修正和坐标变化推导得到的全量双曲线法和TS双曲线法。通过对某单点实测沉降的拟合,对比3种方法的结果差异,分析拟合起讫点的选择对相关系数和预测最终沉降的影响,并在此基础上探讨了各种方法的总体适用性。结果表明,TS双曲线法抗数据波动性强,预测沉降较稳定,在3种双曲线法中最适用于高速铁路工程的沉降拟合。     

高速铁路列车晚点时间实时预测的神经网络模型

准确地预测高速列车晚点时间对提高高速铁路实时调度指挥水平及运输服务质量有重要意义。以武汉-广州高速铁路(HSR)列车运行实绩数据为基础,建立基于循环神经网络(RNN)的列车晚点预测模型。该模型中,按照列车实际运行顺序输入RNN以利用其反馈机制学习到相邻列车间相互作用关系。基于平均绝对误差(MAE)以及平均绝对百分误差(MAPE)评估模型的预测能力。结果表明:提出的深度学习模型预测精度明显高于人工神经网络、支持向量回归及马尔科夫等已有列车晚点时间预测模型。     

基于SA-ELM的爆破震动速度预测

针对爆破震动速度与其影响因素之间的复杂非线性,结合模拟退火算法(SA)的全局寻优性,提出了一种新的SA-ELM算法.以矿山周边建筑物爆破震动实测数据作为训练样本,选取总药量、最大段药量、测点与爆破点距离、地面震动特性、建筑物震动特性等8个影响因素作为输入变量,建立了爆破震动速度预测的SA-ELM模型.模型训练值和预测值与实测值的均方误差(MSE)分别为0.20和3.26,平均相对误差控制在5％以内,显示出该模型具有良好的训练精度和泛化能力.对比传统ELM模型,SA-ELM模型不但提高了精度和泛化能力,而且降低了隐层节点数变化对训练结果的影响,提高了模型的稳定性.     

基于特征提取的输油管道泄漏系数预测*

为准确预测管道泄漏系数,估计管道泄漏量,以基于瞬变流方法的模拟数据为例,建立多个管道泄漏系数预测模型(多层感知机、长短期记忆网络、随机森林、支持向量机以及K近邻回归),综合考虑管道流量和压力数据特点,提出序列提取法和均值提取法2种管道时序数据预处理方法,模型评价指标为相关系数（R2）和平均绝对百分比误差（MAPE）。研究结果表明:随机森林和多层感知机的抗噪性较强,在5%的噪声影响下,模型准确度下降幅度较小;均值提取法去噪功能较好,可在一定程度上降低噪声影响;基于均值提取法的多层感知机模型效果相对较好,R2为0.997 5,MAPE为1.599%,研究结果可为准确预测管道泄漏系数、估计泄漏量提供指导。     

数据同化在核事故辐射场评估中的应用研究

为提高核事故辐射场评估的准确性和可靠度,建立一种基于数据同化理论的评价方法。以高斯烟团模式和核素沉降模式联合组成预测模型,以集合卡尔曼滤波(En KF)为同化算法,结合观测剂量率数据,构建核事故辐射场评估同化系统。在Matlab软件平台上,研究不同气象条件和不同核事故释放情形时,同化结果与模型预测结果的异同。试验结果表明,当气象条件和放射性物质释放率恒定时,同化场的相对均方根误差比模型预测场约低25%;当气象条件和释放率都变化时,同化场的相对均方根误差比模型预测场约低20%。通过有效利用观测数据,数据同化方法能及时调整模型,从而减小模型预测误差。     

基于K-CNN-BiLSTM的关联区域VOCs浓度时空关联预测

为了提升关联区域内VOCs浓度预测精度，基于深度学习理论构造了K-CNN-BiLSTM时空关联预测模型。同时，为了实现VOCs精细化治理，首先对研究区域进行了网格划分，采用IDW进行空间插值，计算整理得到VOCs的网格数据集。其次使用KNN算法计算空间相关性筛选得到空间相关矩阵，按照时序排列拼接成时空类图。然后将时空类图输入CNN模型中提取局部时空特征，最后将提取的时空特征送入双向LSTM中进行全局预测。以西安市某区为例，对VOCs浓度进行预测，并将预测结果进行时空分布可视化。结果表明：模型具备单步预测和多步预测能力，同时与CNN-BiLSTM、CNN-LSTM和LSTM相比考虑了VOCs浓度数据的时空关联性，预测精度更高；平均均方根误差(RMSE)、平均绝对值误差(MAE)和平均绝对百分比误差(MAPE)分别为6.352、5.442和10.252%,均优于对比模型。     

全尾砂絮凝沉降参数GA-SVM优化预测模型研究

为了得到经济、高效的絮凝沉降参数,建立GA_SVM预测模型进行优化选择。在优选过程中,以供砂浓度、絮凝剂单耗和絮凝剂添加浓度作为输入因子,以沉降速度作为综合输出因子,通过室内试验,建立训练、验证样本集;建立支持向量机（SVM）回归预测模型,用训练集对模型进行训练,进而以验证集预测值的均方误差作为适应度函数,通过遗传算法（GA）对SVM模型参数进行优化选择,应用优化得到的SVM模型对絮凝沉降参数进行预测、优化。以湖南某铅锌银矿为例,通过建立的GA_SVM模型对全尾砂絮凝沉降参数进行预测,优选出该矿最佳絮凝沉降参数为:供砂浓度20%-25%,絮凝剂单耗8g/t,添加浓度009%。经实验对比,该模型对絮凝沉降参数预测结果的相对误差能控制在5%左右,精确度较高,可以作为絮凝沉降参数优选的一种新思路     

高速铁路桥梁桩基沉降预测模型研究

科学、合理地预测桥梁桩基工后沉降量是高速铁路建设的关键环节.鉴于京沪高速铁路桥梁桩基沉降曲线在多级荷载作用下呈明显阶梯形基本特征,而常规沉降预测模型不能反映全过程的沉降与时间的关系,引入荷载系数的概念,建立了变形过程指数模型,介绍了模型的求解过程及参数的确定方法.并结合沉降实测资料,运用指数曲线模型和Logistic模型进行对比分析.结果表明,变形过程指数模型能将架梁前期的观测数据纳入分析时间段内,其预测精度高,误差小,预测结果与实测数据基本吻合.进一步对模型参数的计算值进行粗差分析及归类,给出了不同地基土层、不同荷载作用下参数β的建议值.     

深长群桩基础沉降计算深度确定的新方法

高速铁路沉降直接关系到高速铁路的安全运营和舒适度,而计算深度(即压缩层厚度)是能否准确计算沉降量的关键。以京沪高速铁路天津段和河北沧州段大桥基础为例,分别进行了现场试验和沉降量的理论计算。现场试验采用液位沉降计和单点沉降计联合监测的方法,得到总沉降量和不同深度土层的压缩量,根据不同深度每延米的压缩量确定压缩层厚度;以3个代表性工点(DK124、DK152、DK240)为例来理论计算其沉降量,经过比较分析得出,需同时满足以下两个条件才可确定压缩层厚度:一是某深度处土层满足压缩层厚度确定方法σi0.1σzi;二是在该深度以下,土层相临深度间均有Δs/Δh0.1 mm/m的土层深度。这样既考虑了应力对沉降的影响,也考虑了各土层的应变对沉降的影响。将理论计算值与现场监测数据进行对比,吻合较好。     

大坝变形GA-LSTM组合预测模型研究

为监测大坝运行过程中的异常状态，防范化解大坝溃坝等重大风险，基于大坝变形大样本、非线性监测数据，引入长短期记忆(Long Short Term Memory, LSTM)神经网络模型对大坝变形趋势进行预测，以测试样本的均方根误差最小为适应度函数，采用遗传算法(Genetic Algorithm, GA)优化LSTM模型参数，建立大坝变形GA-LSTM组合预测模型。以福建水口水电站大坝为例进行验证分析，并与LSTM模型和门控循环神经网络(Gated Recurrent Unit, GRU)模型预测结果进行对比分析。分析结果表明，GA-LSTM模型的预测效果和性能更佳，且相较于LSTM模型和GRU模型各测点预测误差均有减小，平均绝对误差减小量最高达6.92%。     

基于PSO优化LSSVM模型的回采巷道顶底板移近量预测

为准确预测回采巷道顶底板移近量,减轻现场检测负担,提出一种PSO优化LSSVM算法的顶底板移近量预测方法。该方法综合考虑巷道埋深、直接顶厚度、煤柱宽度、松动圈尺寸、地质异常、巷道高度与宽度、顶底板岩性共9项主要指标因素,建立顶底板移近量预测指标体系;再利用PSO方法对LSSVM模型的核参数σ和惩罚因子f搜索寻优,得到最优核参数和惩罚因子分别为217.384 6和0.043 5;最后将优化后参数输入LSSVM中,结合现场实际参数进行训练学习,最终建立基于PSO-LSSVM算法的回采巷道顶底板移近量预测模型,进行了实例预测,并且采用方向正确性指数DA、平均绝对百分误差MAPE和希尔不等系数TIC三个指标对比评价了PSO-LSSVM模型的准确性。结果表明,PSO优化的LSSVM回采巷道顶底板移近量预测模型的DA指数、MAPE指数和TIC指数分别为0.900 0、9.063 7和0.064 7,该模型相较BP神经网络模型、单纯支持向量机模型和单纯最小二乘支持向量机模型更为真实、准确,且操作运行简便,可用于现场。     

建筑工程安全文明施工费预测精度研究

为准确测算建筑工程安全文明施工费,提出案例推理技术(CBR)-最大信息系数(MIC)-随机森林(RF)预测模型方法。通过实地调研61个典型工程样本数据,选择12个安全文明施工费的影响因素作为候选特征变量,采用CBR进行样本相似度检索以构建模型的训练样本集,运用MIC确定关键特征变量输入模型,组合建立3种RF模型(RF、MIC-RF和CBR-MIC-RF),并通过实证分析其预测精度。结果表明：通过样本相似度检索和识别关键特征变量,可显著提高RF模型的预测精度(平均绝对百分比误差(MAPE)为3.35%);模型预测精度随不同等级的相似度阈值呈“U”型变化,设置合适的相似度阈值对提升模型的预测效果至为关键;CBR-MIC-RF模型可获得比支持向量机模型更好的预测性能。     

基于GA-ELM浆体管道输送临界流速预测模型研究

针对浆体管道输送临界流速预测难度大、精确度低等技术难题,提出了基于极限学习机(ELM)的临界流速预测模型,用训练集对模型进行训练,以验证集预测值的均方误差作为适应度函数,利用遗传算法(GA)对ELM模型参数进行优化,应用优化得到的ELM模型对预测集进行预测。以某矿山为例,模型参数优化结果如下:隐含层节点数L为400,输入权值ai、偏置向量bi最优组合下预测结果适应度为0.0201。采用优化的ELM模型对预测集进行预测,预测结果的最大相对误差x=3.96%,平均相对误差y=1.58%,对比BP神经网络(x=12.95%)和SVM模型(x=3.19%),表明ELM模型更加精确、高效。     

美国大气许可中PM_(2.5)评估方法及对中国的启示

随着我国大多城市从煤烟型污染为主转向煤烟型污染和光化学污染物共存,二次污染越来越严重,单纯地控制一次颗粒物的排放有时很难达到预期效果。而现行大气环评导则推荐的法规预测模式适合模拟一次污染物的传输及扩散,难以处理复杂的化学转化过程。结合美国环保署许可申请中有关PM_(2.5)模拟的指南,提出我国下一步环境影响评价工作中一次及二次PM_(2.5)的评估方法建议。对于一般大气环境影响评价,可以采用有简单化学机制的CALPUFF模式进行预测;对于极少数污染源排放量非常大的项目,在条件满足的情况下,可选用CMAQ等第三代光化学模式进行预测。     

深厚软土地区大桥群桩沉降现场监测分析

为准确预测高速铁路沉降量,严格控制高速铁路沉降,达到高速铁路的平顺性标准,以某一软土地基高速铁路桥梁墩台为监测对象,采用液位-单点联合自动监测法对天津某特大桥沉降进行了长期观测。实测数据分析显示,单点沉降计布置合理的情况下能准确确定压缩层厚度。与现有规范的压缩层及沉降进行对比分析,结果表明,《公路桥涵地基与基础设计规范》误差最大,压缩层厚度比实测值大141.1%,沉降量比实测值大182.9%;按上海市《地基基础设计规范》得到的沉降量计算值比实测值大4.0%;按《建筑桩基技术规范》得到的应力比为10%,沉降量计算值比实测值大8.9%。与液位沉降计测得的总沉降相比,《铁路桥涵地基和基础设计规范》、《公路桥涵地基与基础设计规范》计算的沉降值偏大,其余规范计算的沉降值均偏小。从可靠性和安全角度考虑,建议采用以10%应力比为条件的"应力控制法"计算压缩层厚度,采用铁路规范方法计算高速铁路深厚松软土层的桥梁桩基总沉降。     

基于绝热火焰温度多元混合气体可燃性极限的理论预测

为了预测多元混合气体可燃性极限,通过化学平衡计算软件分析确定了气体在可燃性下限（LFL）和可燃性上限（UFL）的燃烧产物及计算绝热火焰温度（CAFT）,基于能量平衡方程和简化反应模型,分别建立了混合气体LFL和UFL预测模型。应用该预测模型对CH4、C2H4、C3H8、C3H6和CO组成的不同比例混合气体可燃性极限进行预测。结果表明:简化反应模型对于LFL和UFL预测值与文献中实验值的平均相对误差分别为2.76%和5.45%,相关系数分别为0.995和0.950;同时发现两步简化模型对含有C2H4和CO混合组分预测结果误差较大,但对于平均碳原子数大于2的混合气体,预测结果一致性较好。     

基于Spark Streaming流回归的煤矿瓦斯浓度实时预测

为了实时分析瓦斯监测流数据并对瓦斯浓度进行准确预测以实现瓦斯灾害实时预警,以实时流数据处理框架Spark Streaming构建基于流回归的瓦斯浓度实时预测系统。系统采用分布式流处理技术,可使基于回归算法的瓦斯浓度预测模型更新周期达到秒级,提高了瓦斯浓度预测精度,满足流式大数据处理的实时性要求。实验表明:应用Spark Streaming流回归预测系统在采样周期为5 s的瓦斯监测数据流上进行实时预测时,预测平均均方根误差随模型更新周期的缩短而减小,模型更新周期可达15 s,且更新周期为45 s时预测总均方根误差最小,既能保证预测精度,又能提高瓦斯灾害预警时效。     

关联交叉口交通流模糊变权重组合预测方法

针对单一交通流预测方法存在的局限性和传统交通流组合预测模型中权重不能动态变化的问题,提出一种关联交叉口交通流模糊变权重组合预测方法。先对交叉口交通流的关联性进行分析,并给出关联交叉口的定义;再建立关联交叉口交通流模糊自适应变权重组合预测模型,该模型分别利用Kalman滤波器模型与SVM模型来预测关联交叉口交通流量,然后根据这2个模型预测的误差和交通量的变化趋势,采用模糊逻辑推理方法,对这2个预测模型分别赋予适当的权重。试验结果表明,组合预测模型的最大绝对误差、平均绝对误差和相关系数均明显好于单一的预测方法,分别为9.8%、4.63%和0.99。     

基于MMPose的三维作业姿势风险与角度可靠性评估

为避免作业人员因工作姿势不准确或过度负荷而患上工作相关的肌肉骨骼疾患(WMSDs),提出1种非侵入式的三维姿势风险评估方法。首先,构建三维人体姿态估计模型;其次,使用三维姿态识别技术提取人体的三维坐标并计算出所对应的关节角度;最后,将关节角度作为输入放入REBA,RULA评分库中进行作业姿势风险的自动评估,引入身体角度可靠性评估,可有效过滤一些采集质量较低的人体姿势视角数据,提高作业姿势估计的准确性。研究结果表明：三维姿势风险评估的识别精度优于Kinect,对比关节识别精度均方根误差(RMSE)更小;且方法具有可行性,与3位专家比较类内相关系数(ICC值)均大于0.846;并且通过身体可靠性评估,REBA,RULA的分数评估精确度都提升至94%。研究结果可为减低作业人员职业健康风险,提高工作效率提供参考与借鉴。