滑坡变形预测分析和趋势判断研究

基于滑坡变形监测数据,先利用优化长短期记忆人工神经网络构建滑坡变形预测模型,再利用重标极差法进行滑坡变形趋势判断研究,最后通过两者结果的对比综合评价滑坡变形规律.实例分析表明:滑坡变形预测结果的平均相对误差为1.95%～2.03%,预测效果较优;外推预测的统计分析表明,滑坡变形仍会持续增加;变形趋势判断得到的滑坡变形序列的Hurst指数均大于0.5,具正向增加趋势.因此,两者结果对比,得出滑坡变形向不利方向发展,建议加强滑坡灾害防治措施.     

基于误差修正EOS-ELM的滑坡位移预测

提出了一种基于误差修正在线贯序超限学习机集成(EOS-ELM)的滑坡位移预测模型.预测过程中对滑坡位移时间序列进行了趋势项和周期项分解,分别考虑了不同的影响因子对滑坡趋势项位移和周期项位移的影响.利用在线贯序超限学习机(OS-ELM)算法分别对趋势项位移和周期项位移建模预测.采用集成预测的思想提高OS-ELM模型的泛化能力,同时为了进一步提高预测精度,提出了一种在线误差修正预测方法.该方法通过对误差序列进行建模预测,修正最终的预测结果.以三峡库区白水河滑坡为例,实验验证了提出方法的有效性.     

基于小波优化LSTM-ARMA模型的岩土工程非线性时间序列预测

为了更精确地预测岩土工程应力、变形等的非线性时间序列,提出了基于小波优化的长短时记忆神经网络?自回归滑动平均模型（LSTM-ARMA）预测模型。首先使用小波分析将监测序列分解成趋势项和噪声项,采用LSTM网络滚动预测趋势项、ARMA模型预测噪声项,并将趋势项预测值与噪声项预测值之和作为总的时间序列预测值。在此基础上,以上海云岭超深基坑工程为案例进行了基坑地表沉降分析,结果表明组合模型的预测精度要高于单一LSTM模型且更加稳定;进一步采用弹塑性有限元对基坑开挖诱发的地表沉降进行了预测,并与人工智能预测结果进行对比,验证了人工智预测模型的合理性。分析表明,当后续工况与前置工况所诱发的变形机理突变时,人工智能预测误差增大,但伴随后续工况的推进,人工智能预测误差将逐渐减小。     

基于小波去噪的改进灰色自适应变形预测

针对变形量的预测问题,研究了基于小波去噪的改进灰色自适应预测模型.由于监测变形体时很多因素会使测量数据与实际变形数据有偏差,因此首先利用小波去噪方法对变形监测数据序列进行去噪处理,然后再利用灰色自适应模型预测变形量;并对模型的初值进行了修正.最后对一组基坑变形监测数据实例进行分析,表明该方法比单一灰色预测模型更加有效.     

改进灰色时序模型在建筑物变形监测中的应用

建筑物变形监测数据中存在着随机干扰和不确定性因素,而单一的数学模型预测结果精度较低,制约了变形预测的准确性。针对这一问题,文中采用了一种自适应Kalman滤波的灰色时序组合预测模型。首先,通过自适应Kalman滤波算法对原始数据进行去噪处理,动态的去除数据内部的随机干扰误差;然后,将灰色模型(GM模型)与时间序列分析模型(AR模型)相结合,得到拟合时间序列中的沉降量趋势项和沉降量随机时间序列剩余项,生成一种非线性组合模型;最后,对变形监测数据进行整理预测,并将该预测模型应用于建筑变形工程实例中,与GM(1,1)预测模型、GM(1,1)-AR预测模型通过平均残差、残差的方差和后验差比值进行对比分析。结果表明:该模型后验差比值可达到0.045 1,所得数据结果明显减小,预测精度显著提高,结果更加准确可靠。     

基于小波去噪和神经网络的建筑工程沉降变形预测模型

为了提高建筑工程沉降变形预测的准确性,设计了基于小波去噪和神经网络的建筑工程沉降变形预测模型.首先采集建筑工程沉降变形相关数据,并采用小波去噪消除噪声对建模过程带来的干扰;然后采用神经网络对去噪后的数据进行建模,构建建筑工程沉降变形预测模型;最后通过建筑工程沉降变形预测实验对预测模型的性能进行了测试.测试结果表明,该模...     

采用组合算法的注塑制品翘曲变形预测

为提高对注塑制品翘曲变形的预测能力,以笔记本电脑电池盖为例,提出采用组合算法对注塑制品翘曲变形进行预测。首先,利用注塑成型模拟软件对电池盖进行9次模拟实验,获得其在工程推荐工艺参数下的翘曲变形量。以此为样本数据,通过最优权值系数将BP神经网络、灰色理论和遗传算法进行有效组合,建立3种组合预测模型,与3种单一预测模型共同对电池盖的翘曲变形量进行预测。其次,根据平方和误差、平均绝对误差和平均相对误差3种预测误差评价指标,对6种预测模型的预测结果进行对比分析。最后,通过电池盖的实际制造验证组合预测方法的准确性。研究结果表明:组合预测模型的准确性优于单一预测模型,其中组合算术平均模型的预测结果与实际测量值最为接近,最大误差不超过5%,能够实现对塑件翘曲变形的准确预测。该预测方法可为注塑制品翘曲变形的预测提供新思路。     

基于组合模型的高铁隧道围岩收敛变形预测

为提高围岩收敛变形预测精度,依托阳山高速铁路隧道,基于贝叶斯参数优化的经验模型预测收敛变形的趋势项,然后采用支持向量回归算法修正经验模型的预测结果,据此构建基于组合模型的高铁隧道围岩收敛变形预测模型.将均方误差和平均绝对百分误差作为评价指标,与同类型支持向量机回归模型的预测结果进行对比.结果 表明,经验模型的预测值与目标值随时间变化的趋势一致,但对于数据中的波动部分,预测值与目标值存在较大偏差.误差修正模型较好地预测数据中的波动部分,对提高预测精度效果明显.在2组实测数据中,组合模型预测值的均方误差相较于经验模型降幅分别达到97.0％和93.4％,且较同类型支持向量机回归模型具有更高的预测精度.     

基于S型增长曲线组合预测模型的滑坡变形预测研究

为了提高滑坡变形预测工作中的预测精度,采取基于S型增长曲线的组合预测方法,通过最优权重来组合滑坡预警预报中常用的Verhulst模型、Pearl模型,并将组合预测模型应用于历史滑坡的变形预测中进行验证研究。结果表明:单一预测模型中,Verhulst模型的预测效果较Pearl模型好,但拟合效果则是Pearl模型较佳;而基于最优权重的组合预测模型能充分利用单一预测模型的优势,能有效地提高滑坡变形预测的精确性。     

基于ARIMA模型的滑坡位移预测

利用斜坡累积变形—时间曲线的建模分析,可以获知当前滑坡的变形发育阶段、预测滑坡未来发展趋势,是滑坡灾害预警预报的基础.滑坡累积位移是关于时间的变量,往往具有非平稳性,通过差分得到平稳的时间序列过程,建立差分自回归移动平均模型(ARIMA模型).以三峡库区某滑坡为研究对象,对累积位移采取等时距差值处理后,建立了适用于该滑坡的ARIMA时间序列模型对滑坡累积位移进行分析预测.通过比较2014年1月至5月该斜坡位移的实测值与预测值,得平均预测误差为3.2%,结果表明,所建立模型能满足预测要求,计算过程容易实现,在滑坡累积位移短期预测中具有一定的适用性.     

数控机床加工摆线齿轮的自动编程——双圆弧拟合齿廓曲线

本文给出了摆线齿轮齿廊曲线的基本方程,提出了采用数控机床加工摆线齿轮的一些重要特点及其在数学处理、加工工艺等方面的要求;并提供了按双圆弧拟合齿廓曲线时自动编程的方法及程序。     

机器视觉

本书全面介绍了机器视觉，提供了所有必须的理论工具，说明了这些理论工具怎样在实际的图像处理与机器视觉系统中的应用，特点是包括了许多计算机练习（这些练习对透彻理解实用图像处理算法很有帮助）。作者从对数学原理的复习开始，然后讨论了图像处理中的关键问题，例如图像的描述与表征、边缘检测、特征抽取、分段、纹理与形状等。本书注重应用，两个再现的主题是一致性（这是解决机器视觉问题主要的基本原理结构）和优化（用于实现这些方法的数学工具）。     

英-蒙机器翻译系统中机器词典的建立

简要介绍了在英—蒙机器翻译系统中怎样建立机器词典 ,以及建立过程中所遇到的一些问题和解决的方法     

统计机器学习研究

通过将正则化框架引入到统计学习中来,介绍了几种当前流行的统计学习机器,分析了他们的性能,并探讨了快速求解算法.     

PVM特性

目前 ,计算机应用越来越复杂 ,单台微机已经不满足需要。因此 ,基于网络机群的并行处理引起了许多专家的关注。PVM(ParallelVirtualMachine)是一种消息传递库。它为用户提供了一个并行处理环境。本文详细介绍了PVM的消息传递库及其特性     

支持向量机下机器学习模型的分析

首先概述了支持向量机的发展与应用,指出其在机器学习领域有较大的发展前景.分析了支持向量机的基本算法,进而阐述了基于支持向量机的机器学习模型构造思路.给出了其应用于机器学习模型的核函数和训练算法,最后给出了学习模型的具体分类效果.     

废旧龙门刨的创新改造成龙门铣

本文通过非常规创新设计，将常规认为不能将龙门刨改造成龙门铣的论点推翻，成功地将废旧龙门刨改造成进给传动无级调速的龙门铣．     

蒸发镀膜机改制平面磁控溅射镀膜机的研制

1 磁控溅射机理为了克服二极溅射淀积速率低及基片温度高两大缺点,笔者在蒸发镀膜机二极靶的后面加适当形状的磁铁,使其在靶面形成水平磁场。这样,处于辉光放电阴极区的电子,同时受到电场力和洛仑磁力作用,作旋轮线运动,电子运动路径大大增加,碰撞电离机会增多,     

基于机器视觉的整经机断纱检测系统

针对目前纺织行业整经机断纱检测可靠性低、灵敏度差等问题,开发了一款智能相机,实现了基于机器视觉的断纱自动检测系统.系统硬件结构以智能相机为核心,结合可编程逻辑控制器和触摸屏等设备实现机电一体化检测,提高了系统检测的灵敏度.视觉算法将复杂的二维信号转换为一维信号,从一维信号中自适应提取信号的极值,根据极值信号统计纱线根数,得到检测结果.针对现场图片存在噪声干扰的问题,提出基于局部信号相关性判断和极值点修正等信号极值选择方法,提高了系统检测的可靠性.实际应用表明,该断纱检测系统具有较好的检测灵敏度和可靠性,能够有效提高整经机的整经效率.