基于极限学习机的炭化可燃物着火时间预测

机器学习技术近年来在许多传统科学领域取得了应用,针对火灾中炭化可燃物着火时间与物性参数及环境参数之间关系复杂的特点,提出了一种基于极限学习机的预测方法以实现不同物性及环境参数时着火时间的快速准确预测,为防治及扑救火灾提供参考。首先建立炭化可燃物热解数值模型,考虑了可燃物热解过程中的含水率以及热解反应、气体流动等复杂物理化学反应过程,然后搭建极限学习机,以数值模拟数据为基础进行训练及验证工作。结果表明基于极限学习机的预测方法能够有效实现炭化可燃物着火时间的快速准确预测,平均相对误差小于3%。     

基于改进的未确知聚类模型的岩爆倾向性预测

在采用未确知聚类评价模型进行多指标分级评价时,常采用置信度识别准则作为待测对象的属性识别,该准则中置信度的取值由人为取定,当置信度取值不同时,得到的分级判定结果往往出现差异,甚至产生完全不同的判定结果。通过距离判别的思想将未确知聚类理论中的置信度识别准则进行改进,并运用到岩爆烈度的分级预测中。根据岩爆发生的主要影响因素,选取岩石单轴抗压强度σ_c、单轴抗拉强度σ_t、最大切应力σ_θ及岩石的弹性变形能指标W_(et)为岩爆主要影响因子。并以σ_c/σ_1、σ_θ/σ_c、W_(ey)为岩爆烈度等级评价因子,建立未确知测度模型,以距离判别改进后的属性识别方法进行分级预测,并与原置信度识别准则得到的判别结果进行分析和比较。为验证改进模型的实用性,以贵州开磷集团马路坪矿区为例,采用改进的未确知聚类模型对其岩爆烈度等级进行预测分析。结果表明,预测结果与实际情况基本吻合,证明采用改进后的未确知测度模型的判别结果不仅消除了由于置信度取值不同造成的判别结果误差,降低了人为主观因素的影响,而且具有较高的判别准确性和可行性。     

基于BP网络理论的岩爆预测方法

选取影响岩爆的一些主要因素,如地应力大小、岩石抗压和抗拉强度、岩石弹性能量指数,采用人工神经网络理论,根据国内外一些岩石地下工程实例构造样本集,建立了一种新的岩爆预测模型.此模型可以直接应用于岩石地下工程,对岩爆的发生与否及烈度大小进行预测.实例表明,预测结果与实际情况符合得很好,说明了此模型的有效性.     

灾变预测在火灾预测中的应用

简述了灰色理论中灾变预测的特点及其建模过程，并将其应用于湖南省和山东省火灾预测之中。经检验，模型的精度等级为好，模型的预测结果可靠，对于消防部门火灾的预测有一定帮助。     

基于组合赋权的混合粒子群优化支持向量机的岩爆倾向性预测

为有效预测岩爆灾害发生烈度,提出一种基于组合赋权的混合粒子群优化支持向量机(H-PSO-SVM)岩爆倾向性预测模型。根据岩爆发生机制,在分析岩爆发生的主要影响因素的基础上确定出评判指标;综合考虑模糊层次分析法(FAHP)所得主观权重和熵权法所得客观权重,应用调和平均数概念,构建组合赋权准则;引入遗传算法交叉、变异操作改进传统粒子群(PSO)极值跟踪和粒子更新方法,建立H-PSO-SVM岩爆倾向性预测模型。利用国内外已有工程实例数据进行50次随机抽样试验,对比分析H-PSO-SVM模型和PSO-SVM模型等预测结果。结果表明:H-PSO-SVM模型应用于岩爆工程实例预测具有可行性和适应性,模型预测的准确率高于其他模型,且预测结果更稳定。     

岩爆危险性预测的神经网络模型及应用研究

岩爆是高地应力区岩质隧道开挖施工过程中发生的主要施工地质灾害之一 ,它的发生对隧道施工企业的安全生产构成很大的威胁 ,对岩爆发生可能性及其程度的预测是这类隧道设计、施工及安全生产所面临的重大问题。依据隧道岩爆发生的条件 ,基于国内外隧道工程岩爆实例 ,应用人工神经网络方法 ,建立了岩爆危险性预测的评价模型并应用于实践。     

基于粗糙集和加权灰色关联分析的岩爆预测

本文选取影响岩爆发生的五项指标作为岩爆预测的关键影响因素:最大主应力、单轴抗压强度、岩石点荷载强度、岩体完整性系数和弹性变形指数。通过采用粗糙集理论确定岩爆预测影响因素的权重,利用加权灰色关联分析对某工程的岩爆发生情况进行了预测。预测的结果与现场实际状况相吻合,说明运用该方法预测岩爆是合理的。     

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.     

改进的MVO-GRNN神经网络岩爆预测模型研究

准确预测岩爆烈度等级能有效指导岩爆灾害的防控。根据影响岩爆发生及烈度等级的3个因素构建岩爆评价指标体系,提出一种基于改进多元宇宙算法(Improved Multi-Verse Optimizer, IMVO)优化广义回归神经网络(General Regression Neural Network, GRNN)的岩爆预测模型。在普通多元宇宙算法(MVO)的基础上,运用自适应平衡机制调节MVO算法中的虫洞存在概率(V_WEP)和旅行距离率(V_TDR)两个重要参数来改进该算法;再运用改进的多元宇宙算法优化广义回归神经网络的光滑度,通过训练数据优选出最佳光滑因子σ,得到IMVO-GRNN神经网络岩爆烈度预测模型;最后结合工程实例验证模型的性能。研究表明,该模型相比传统模型寻优能力更强,精度更高,为岩爆预测提供了一种新的思路。     

SARIMA模型在航空公司运营安全状态预测中的应用

应用季节性差分自回归移动平均模型(SARIMA)对X航空公司动态安全指数进行预测分析,为航空公司运营安全的规划和发展提供决策依据。收集整理X航空公司2005年1—6月的安全事件和运行数据。利用动态安全指数计算方法对数据进行预处理,建立时间序列。应用SPSS软件对动态安全指数的时间序列进行模型拟合,建立SARIMA模型。对所获得的模型进行参数检验,选取最优模型。利用最优模型对2015年7—12月动态安全指数进行预测,并对预测值与实际值进行对比分析。结果表明,SARIMA(1,0,2)(0,1,0)12模型在显著性水平0.05下通过了所有参数检验。各月实际值都落入了拟合值95%的可信区间范围,动态安全指数的实际值与拟合值变化趋势基本一致。2010年之后精度较高,实际值与拟合值具有较好的重合度。△ln Yt拟合值的最大绝对误差为1.976 6(2009年12月),最小绝对误差为0.000 4(2013年9月)。2015年7—12月,动态安全指数的实际值与预测值变化趋势基本一致,但误差较大。SARIMA模型能够较好地短期模拟X航空公司动态安全状况和趋势,预测效果良好。当发生事故、严重事故征候时,序列的实际值会偏离序列原有的结构,预测精度下降。     

基于反赋权与MBCT-SR多维云模型算法岩爆预测研究

基于岩爆事故的模糊性与随机性特征,为解决在当前岩爆烈度等级预测研究中,通过正向云发生器经验式计算多维云模型特征值进而导致预测结果主观性较强的问题.本文选取应力比Ts=σθ/σt、岩石脆性指数B=σc/σt以及弹性应变储能指数Wet作为评价指标,结合机器学习理论,采用多维逆向MBCT-SR云发生器算法对岩爆等级进行预测,...     

基于多尺度排列熵和极限学习机的风机叶片覆冰故障检测方法*

针对风机叶片结冰故障检测中状态数据维度高和检测率低的问题,提出1种使用功率数据驱动的多尺度排列熵（multiscale permutation entropy,MPE）和极限学习机（extreme learning machine,ELM）的风机叶片结冰故障检测方法。首先,使用多尺度排列熵提取功率数据的多重尺度特征,得到特征向量;随后,采用极限学习机,结合环境温度,对结冰故障进行检测;最后,通过使用某风电场的数据采集与监视控制系统（supervisory control and data acquisition,SCADA）对数据进行仿真。研究结果表明:所提方法的故障检测率达到100％,同时虚警率仅有0.14％,表明所提方法在风机叶片的覆冰故障检测中的有效性。研究结果可为风机叶片覆冰故障检测提供1种有效方法。     

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%。     

集对分析法在露天采石场安全评价及预测中的应用

针对我国露天采石场安全状况普遍较差、安全事故频发、而传统采石场安全评价方法存在不足的现状,分析了影响采石场安全状况的各种因素,建立了露天采石场的安全评价指标体系。该指标体系包含安全管理、安全生产、安全环境和安全教育4个方面,共19个安全评价指标。采用层次分析法求得各指标权重,并结合集对分析原理计算出集对联系度及集对势对露天采石场的安全状况进行评价和预测,从而克服了传统采石场安全评价方法在处理不确定性方面的不足。以武汉地区某露天采石场为例,用该评价体系从人、机、环、管4个方面对其安全现状进行了评价与预测。结果表明,将集对分析方法应用于露天采石场的安全评价和预测,计算简单,评价结果较可靠。     

考虑数据去噪分解的滑坡位移组合预测研究

为准确掌握滑坡位移变化规律,基于滑坡变形监测结果统计,对位移数据进行去噪分解处理,将滑坡位移数据分解为趋势项和误差项,并分别利用优化多核极限学习机和Arima模型构建预测模型,以实现滑坡位移的组合预测.结果表明:Morlet复小波较传统去噪模型分解效果更优,且通过优化处理,能更好地提高其分解能力;通过对多核极限学习机的...     

结构物损伤预测模型及其在隧道施工中的应用

基于结构物风险评估理论,构建结构物损伤预测模型,并将其应用于隧道施工的研究中,以解决在地下工程施工中引起地上建筑损伤预测的技术难题。将数值模拟与模糊数学隶属度相结合,形成对结构物在隧道工程施工状态下的损伤预测模式,并以西安地铁某区间盾构下穿高铁涵洞为算例,提取相应的智能监测数据对该预测模式的可行性进行验证。结果表明,数值模拟与模糊数学隶属度相结合的结构物损伤预测模型计算效率高,便于操作,适用于隧道工程施工时对地上建筑物的安全评估,能有效解决在地下工程施工中引起地上建筑损伤预测的技术难题。     

突变级数法在电站燃煤锅炉结渣预测中的应用

提出了一种基于突变级数理论的电站燃煤锅炉结渣特性的预测方法。首先介绍了突变级数法的基本思想和分析步骤,在找出影响电站燃煤锅炉结渣分级的主要因素之后,对各因素进行排序,并确定各因素指标体系,最后,求出各样本的突变级数,对电站燃煤锅炉结渣等级进行划分。通过工程实例可见,该方法对电站燃煤锅炉结渣分级的预测有效性较高,并且更体现出客观性较强、定量化程度较高,计算简单等优势。