基于最佳范化能力的BP网络隐节点数反比关系式的环境预测模型

网络结构和样本集复杂性是影响BP网络泛化能力的两个最重要因素.对一个给定的训练样本集,为了构造一个与样本集复杂性相匹配的网络结构,使BP网络具有最佳泛化能力,在分析BP网络的泛化能力(用检测误差E2表示)与网络结构和样本集复杂性之间关系的基础上,建立了含参数的BP网络检测误差E2与网络隐节点数H、样本的因子数n、样本数...     

基于元数据管理的防腐蚀技术网络数据库设计

基于元数据管理的数据共享方式,参照Dublincore元数据标准体系,建立了符合防腐蚀技术数据管理的元数据标准体系,实现防腐蚀技术数据的元数据集中存储、集中管理,对录入数据进行严格的质量控制.采用ASP.NET技术,开发了Windows环境下的网络防腐蚀技术数据库查询系统.该数据库查询系统由6部分组成:产品零件防腐蚀设计库、工程结构防腐蚀设计库,材料自然环境腐蚀数据、腐蚀标准规范库、腐蚀失效分析库以及腐蚀知识数据库.系统所有数据资源可实现网络共享,用户可方便快捷地获得防腐蚀设计和控制方面的解决方案.     

基于RBF神经网络模型的砂土液化震陷预估法

以我国海城地震、唐山地震和日本新漏地震中建筑物地基的液化震陷实测资料为基础,地震动方面选取地震烈度,,上部结构特征方面选取基底压力P、基础类型r、宽深比BD。和建筑物的长高比L/H,地基土方面选取土的相对密度Dr、上覆非液化土层厚度Da、地下水位dw,共8个影响建筑物地基震陷的主要因素作为神经网络模型的输入参数,地基震陷量与液化土层的深度之比SD作为神经网络模型的输出,采用径向基函数神经网络模型建立建筑物地基的液化震陷预估模型,并利用该模型建立了因素影响趋势线,通过对该神经网络模型的建立、运行和检验,得到了各因素对砂土液化引起的地基震陷量大小的若干影响规律。     

广西夏季异常降雨量的前馈网络预报模型

以1957～2001年广西37个基准站的夏季(6～8月)平均降水量为基础,将夏季降水量距平百分率大于等于20%、小于等于-23%作为异常多雨和少雨年,建立广西夏季降水量"0、1"化的异常序列,利用前馈网络的非线性映射技术,构造广西夏季降水异常预报模型.通过对该模型的预报检验分析发现,该预报模型不仅能准确地报出历史样本的异常多雨和异常少雨年,并且对2002～2004年的独立样本预报也全部正确.这为异常降水的短期气候预测业务工作提供了新的思路和方法.     

滑坡预测的改进前馈网络方法研究

作者提出了滑坡位移预测的一种改进前馈网络方法——目的规划法,与通常的前馈网络方法相比,该方法改进了网络的准则函数,降低了网络的灵敏度,改善了网络的泛化性能,提高了滑坡位移的预测精度。同时它是一种面向数据的方法,适合于不同地区不同条件下滑坡的预测。清江隔河岩库区滑坡和卧龙寺滑坡的实例研究表明了该方法的可行性及有效性。     

基于LSTM-GCN的PM2.5浓度预测模型

应用机器学习算法开展空气质量预测已成为当前研究热点之一,空气质量监测数据具有显著的时空特征,即具有时间维度时序特征和空间维度传输演化特征。面向空气质量监测数据,联合LSTM提取的时间特征和GCN提取的空间特征,提出预测PM_2.5浓度的LSTM-GCN组合模型。以北京市35个空气质量监测站2018—2020年监测数据进行仿真实验,并将LSTM-GCN模型与LSTM模型、GCN模型以及时空地理加权回归模型(GTWR)进行对比,结果显示:LSTM-GCN模型相较于LSTM模型均方根误差(RMSE)、平均绝对误差(MAE)分别降低了11.68%、7.34%;相较于GCN模型RMSE、MAE分别降低了40.22%、36.37%;相较于GTWR模型RMSE、MAE分别降低了17.52%、23.69%,表明所提出LSTM-GCN模型在准确率上有所提升。用LSTM-GCN模型预测2021年1—7月PM_2.5浓度,结果显示预测效果较好。     

基于拓扑网络模型的高速列车转向架系统中薄弱部件辨识方法

我国高速铁路的迅速发展对高速列车运营安全保障能力提出了更高的要求.面对日渐复杂的运营环境,对高速列车动力系统中薄弱部件的辨识能够保障高速列车的运营安全.以高速列车转向架物理结构与工作原理为出发点,提出了一种面向高速列车转向架系统中薄弱部件的辨识方法.首先基于复杂网络理论对高速列车转向架系统拓扑结构进行建模;然后利用模糊...     

基于文本挖掘的空中危险接近事件致因研究

空中危险接近事件是两机相撞事故的前兆事件,传统的依赖于分析人员知识和简单统计的致因分析模型无法适用于大量空中危险接近事件,因此提出了基于文本挖掘的空中危险接近事件致因研究框架,利用潜在狄利克雷分配模型(Latent Dirichlet Allocation, LDA)提取空中危险接近事件致因主题和关键词,基于全局词向量模型(Global Vectors for Word Representation, GloVe)和关键词共现网络分析各个主题及其关键词之间的潜在关系,充分利用全局统计信息以准确挖掘大量事件报告。结果表明：利用LDA挖掘得到组织因素、现场运行管理和应急管理等6个主题,其中人的因素主题重要度最大;基于GloVe词向量模型分析得到现场运行管理主题与应急管理主题、陆空沟通及配合主题与人的因素主题2组主题存在较强关联;“意识”是空中危险接近事件发生的关键细节。提出的致因研究框架可以帮助安全管理人员准确认识和高效利用空中危险接近事件报告等文本数据,同时基于数据分析有效减少了人为分析的主观性,提高了致因分析的效率,为精准防控空中危险接近事件提供基于数据的科学决策支持。     

基于创新合作联系的城市网络格局分析——以长江经济带为例

现有城市地理研究主要基于重力模型、客货流网络和连锁模型等方法刻画城市网络。这些方法或是仅仅基于假设而可能与事实不符,或是数据难以获取,或是过于强调城市间的等级关系。通过引入合作专利数据,探索更加真实、平等的城市网络衡量方法。基于对长江经济带城市间创新联系的实证分析,发现目前城市间的创新联系以公司间(尤其是总部-分支机构间)合作为主;城市间创新联系存在非对称性和空间差异;实际创新联系与重力模型估算的创新联系存在正相关关系,但是相关系数不高;城市间创新联系的规模-位序符合Zipf定律,且存在两个无标度区;城市间创新联系受空间距离、行政级别、产业结构相似程度等影响,反映了距离衰减定律、行政区经济和产业链分工等规律对城市创新联系的解释力。     

基于突变级数和改进AHP的系统故障状态等级确定方法

为了确定系统故障状态等级,从导致系统故障的基本原因出发,考虑系统故障过程,提出一种基于突变级数和改进层次分析(AHP)法的系统故障状态等级确定方法。该方法先将系统故障过程表示为系统故障演化过程(System Fault Evolution Process, SFEP),使用空间故障网络(Space Fault Network, SFN)表示SFEP,进而转化为故障树结构;然后使用改进AHP法确定故障树中各层事件的相对权重,使用突变级数法确定各层事件的分值;最后根据改进AHP法和突变级数法确定的各事件权重和分值,给出系统故障状态等级确定方法的具体步骤,解释了各方法耦合工作的机制。通过实例分析与验证,结果表明该方法达到了理想的分析效果,且计算量少、精度满足要求。该研究结果可为系统故障状态等级的确定提供参考。