基于差异进化支持向量机的坑外土体沉降预测

就用支持向量机(SVM)预测基坑外土体沉降而言,通过差异进化(DE)算法构造适合的决策函数十分重要。在确定坑外土体沉降函数的基本形式下,进行参数反演。后将得到的解析式作为SVM的决策函数,再进行核函数转换,从而使SVM的曲线拟合更加快速,预测更加准确。对大连地铁湾家车站基坑坑外土体的沉降数据的分析及预测的结果表明,使用SVM-DE算法在计算数据量、计算消耗时间和预测精度方面优于2种方法单独使用。     

监测数据的误差与有效数字

<正> 环境监测的根本任务是如何解决好被测组份的定量问题。但是要绝对准确地确定出某种组份的含量,是无论如何都不可能做到的。因为我们的数据是通过仪器测量得到的。由于测试仪表和量具分辨能力的限制,以及测试人员的技巧、整个测量过程中理化作用的影响,我们得到的只能是具有一定误差的客观近似值。在实验技术上努力做到精益求精,固然可以尽量减少误差,提高分析结果的准确度,但是正确记录测量数值及正确进行计算也是获得准确结果的重要方面。     

恒加速度试验中的误差理论与实践

在误差理论指导下,寻求离心试验机的最佳使用性能,应是处理试验机精度与试验精度之间矛盾的正确途径,其具体的工程实(?)方法是浮动基准试验技术。     

试论水氡观测中仪器K值的使用

在水氡观测仪器标定中 ,关于标定K值的使用方法 ,《规范》规定 :当新—原K值相对偏差小于 5 %时继续延用原K值。但在实际观测中 ,这样容易导致误差积累。本文从日常观测中出现的几个问题分析 ,认为在每年仪器标定后 ,无论标定的仪器新一原K值相对偏差是否大于 5 %,都应采用新K值。     

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。     

基于准连续高阶滑模观测器的机械臂执行器故障重构

针对传统滑模观测器在执行器故障重构中出现的精度低、抖振大及渐进收敛等问题,将准连续高阶滑模控制思想应用于滑模观测器的设计中,提出了机械臂执行器故障重构方法。利用RBF神经网络逼近建模不确定部分和未知干扰部分,构建准连续高阶滑模观测器保证状态估计误差有界稳定,采用等效输出误差注入方法,在有限时间内完成对执行器故障的重构。选取双关节机械臂进行仿真验证,结果表明,准连续高阶滑模观测器能够使滑模运动在有限时间内到达滑模面,使状态估计误差和输出估计误差分别稳定在0.002 rad和0.004 rad/s范围内,进而重构执行器故障,执行器1和2的故障重构误差分别小于0.05 rad和0.02 rad,同时有效消除了抖振,提高了机械臂在实际应用中的精度和安全性。     

浅谈纳氏试剂法测定空气中氨的影响因素

在分析用纳氏试剂分光光度法测定空气中氨的各种误差因素,重点研究了由于吸收液受到空气的污染和吸收瓶对氨的吸附残留影响.得出结论是:在本地空气中氨的背景浓度水平为0.100 mg/m3时,吸收液污染和吸收瓶污染相对影响最高达到47%.     

背景噪声的测量和用于修正计算的问题分析及建议

在诸多有关噪声排放的标准中，背景噪声的定义在时间和空间位置方面的规定不够完备；相关的测量的规范方法也未对背景噪声的测量作了规定。实际操作上的“非同时性”给背景噪声的测量结果及用于修正均带来一些失准问题。文中分析了这些问题并提出了初步建议。     

建立废水处理投资费用函数中的价差修正

以往在建立废水处理投资费用函数时,大多不考虑不同地区和时间的价差修正,使得费用函数失真。本文结合"国家环境污染治理费用数据库系统"的研究,提出了一种行之有效的价差修正方法——传统万元实物指标改进法。     

锅炉烟尘浓度监测误差因素分析

分析锅炉烟尘浓度监测影响因素，提出控制措施，提高监测工作质量。