地下工程中的岩爆预测

通过收集国内外多个地下工程实际资料,分析了影响岩爆发生的主要因素,运用人工神经网络方法,建立了岩爆预测的人工神经网络模型,并用已训练稳定的样本对某地下岩爆进行预测,验证预测模型。结果表明,所建立的模型具有较高的预测精度。     

RES理论在煤与瓦斯突出危险性预测中的应用

为提高煤与瓦斯突出危险性预测的准确性,引入岩石工程系统理论,利用交互作用矩阵描述各影响因素间的作用关系,通过因果分析图来分析各因素的交互作用强度和参数优势特性.同时建立基于岩石工程系统理论的煤与瓦斯突出预测模型,并对预测结果进行验证.研究结果表明:该方法具有较高的准确性及可信性,能够有效地预测煤与瓦斯突出的危险性.     

基于粗糙集理论和支持向量机的岩爆预测

为了提高不同环境和地质条件下对岩爆预测的准确性,在综合岩爆影响因素的基础上,选取岩石取样处的埋深、岩石单轴抗压强度,岩石单轴抗压强度与抗拉强度比值、围岩最大切向应力与岩石单轴抗压强度比值、岩石弹性变形能指数作为评判指标建立岩爆烈度预测决策表,根据粗糙集理论中的属性约简算法,确定特定地质条件下岩爆的主要影响因素,删除冗余数据,再使用粒子群算法优化支持向量机的参数,通过核函数将岩爆主控因素映射到高维空间,拟合主控因素与岩爆烈度之间的非线性映射关系,建立基于粗糙集理论和粒子群支持向量机(RS-PSOSVM)的岩爆预测模型,并将该模型应用于大相岭隧道的岩爆预测。研究结果表明:该模型具有较高准确率和和较强稳定性;岩爆预测结果与实际结果一致,验证了该模型的可行性。     

低渗透油藏污染井压裂增产率预测模型及敏感性分析

针对低渗储层压裂改造后裂缝作用半径内等效启动压力梯度减小的问题,在低渗压裂污染井产能预测模型中引入含启动压力梯度的低速渗流方程,推导径向稳态渗流条件下污染井压裂后增产率预测模型,并对压裂污染井产能影响因素进行分析.结果表明:启动压力梯度的变化对低渗污染井改造后产能影响较大;不同启动压力梯度下,裂缝半长、宽度对增产率的贞献存在差异,且裂缝参数及表皮因子改善程度对增产率贡献均存在最优值.     

基于PSO和SVM的矿区地表下沉系数预测

研究并建立矿区地表下沉系数的智能预测模型.将粒子群优化(PSO)和回归支持向量机(SVM)方法进行融合.采用PSO算法优化SVM回归估计参数,在简要分析影响地表下沉因素的基础上,建立了基于PSO优化参数的SVM(PSO-SVM)矿区地表下沉系数智能预测模型.以我国典型的地表移动观测站资料作为学习训练样本和测试样本,将计算结果与实际值进行了对比分析,并与改进BP神经网络算法的预测结果进行了比较.结果表明:PSO-SVM方法计算地表下沉系数是可行的,收敛速度更快,计算精度更高.为地表下沉系数的计算探索了一种可行的方法.     

可变参数动态灰色预测模型的建立与实证研究

在固定参数动态灰色预测模型基础之上进行改进,提出了可变参数动态灰色预测模型.固定参数动态灰色预测模型的参数值为0.5,可变参数动态灰色预测模型的参数值由预测对象的影响因素来决定.根据对我国集成电路产业的应用研究,说明了可变参数动态预测模型具有更好的预测精度.同时,针对可变参数动态灰色预测模型的计算量很大的特点,应用Java编制了应用软件,可以方便快捷地进行运算,有利于该模型的应用推广.     

基于响应曲面法研究喷淋塔的脱硫效率

建立了石灰石/石膏湿法烟气脱硫喷淋塔实验台,利用响应曲面法(RSM)对喷淋塔的脱硫效率进行了实验研究,得到喷淋塔脱硫效率的预测模型.计算结果表明,通过该预测模型可以很好地描述脱硫效率与浆液pH值、液气比(质量比)、烟气温度和烟气速度等重要操作参数之间的关系,R-Sq值达到0.964.因素分析表明,液气比对脱硫效率的影响最大,同时液气比和浆液pH值以及液气比和烟气速度的交互作用均对脱硫效率有重要的影响.利用得到的改进预测模型可以计算喷淋塔的脱硫效率.     

基于AMESim和LS-SVM的高压共轨系统建模与仿真

为了提高高压共轨压力预测模型的精确性,采用AMESim软件建立了柴油机高压共轨仿真模型.利用灰色关联分析方法对共轨压力影响因素进行理论分析计算,并确定了高压共轨压力预测模型的输入输出变量;然后利用最小二乘支持向量机对共轨压力与主要的影响因素之间的数值关系进行了智能拟合,并利用自适应粒子群算法优化了最小二乘支持向量机的初始参数.通过20个预测样本的检测,最小二乘支持向量机模型的最大预测误差为0.079 1,平均相对误差降至0.039 6,其性能明显优于BP神经网络.     

响应曲面法优化醇提茶多酚工艺研究

在单因素试验的基础上,利用响应曲面法对茶多酚醇提工艺参数进行优化研究.选择乙醇浓度、提取时间以及提取温度为自变量,茶多酚提取率为响应值,采用Box-Behnken设计方法,研究各自变量及其交互作用对茶多酚提取率的影响.利用Design Expert软件对数据进行回归分析,得到二次多项式回归方程的预测模型.结果表明,茶多酚醇提的优化工艺条件为:乙醇浓度取20%,提取时间30 min,提取温度76℃.在此工艺条件下茶多酚提取率理论值为18.75%.     

基于机器学习可解释性算法的岩爆指标分析

为探究弹性能指数、应力系数、脆性系数、埋深四种岩爆指标与岩爆等级之间的相关关系,解决复杂机器学习算法的黑盒问题。本文引入LIME(local interpretable model agnostic explanations)算法,完善岩爆机器学习预测过程中的可解释性。文章搜集国内外190组岩爆实例工程构建数据集经过预处理后,通过9种机器学习算法比较获得最优算法并采用贝叶斯优化获得算法最优参数,建立岩爆预测模型。基于LIME可解释性算法,对四种岩爆指标进行相关、回归及阈值分析,最后采用弹性能指数及应力系数两种指标阈值对终南山隧道竖井工程进行岩爆预测。研究结果表明：(1) 岩爆等级与弹性能指数、应力系数呈线性相关,且弹性能指数线性关系更明显;(2) 岩爆等级与脆性系数、埋深呈非线性相关,且脆性系数非线性关系更明显;(3) 4个岩爆指标对岩爆等级影响程度依次为：弹性能指数、应力系数、埋深、脆性系数;(4) LIME算法可以准确地表达岩爆等级与岩爆指标之间的相关关系且得到的两种指标阈值与终南山隧道竖井工程实例具有一致性。     

结构钢疲劳裂纹扩展门槛值预测的新方法

通过对各种疲劳门槛值的理论模型的分析 ,认为结构钢的拉伸性能指标和循环加载条件是裂纹体疲劳门槛值的决定因素 .建立了用屈服强度、抗拉强度、断裂延性和循环加载应力比预测疲劳门槛值的人工神经网络模型 ,并用 1 0种结构钢的 60个样本对该模型进行了训练 .结果表明 ,人工神经网络模型可以很好地描述疲劳门槛值与结构钢拉伸性能指标及应力比之间复杂的定量关系 .应用所训练的人工神经网络模型预测了部分结构钢的疲劳门槛值 ,预测的结果与实测值符合良好     

BP神经网络预测混凝土抗渗性能的研究

综合考虑了双掺矿物、掺合料混凝土抗渗性能的各种影响因素，选取了双掺矿粉、粉煤灰混凝土配料中7个主要因素作为输入量，混凝土28d抗渗系数为输出量，建立了混凝土抗渗性能预测的BP网络模型，进而对双掺矿粉、粉煤灰混凝土配合比抗渗性能试验数据进行分析．结果表明此模型的可靠度高，可用于混凝土渗透性的虚拟化设计．     

基于配线法的BP神经网络求解Theis模型

利用非稳定流抽水试验资料确定含水层水文地质参数的配线法在具体应用中存在较大的随意性,用一种改进的反向传播(BP)神经网络方法来进行承压完整井非稳定地下水运动Theis公式中的水文地质参数识别,在一定程度上解决了现有的BP神经网络方法求解含水层参数中存在训练区间选择、网络拓扑结构复杂、网络泛化性能较低和过度拟合等问题.实例计算结果表明,提出的基于配线法的BP神经网络是求解水文地质参数的一种高效方法,对其他水文地质问题求解具有推广应用价值.     

基于RBF神经网络的水轮机振源参数识别方法

在对水轮机进行力学建模和分析时,其振动荷载特性往往是未知的,但却是十分重要的.基于径向基函数(RBF)神经网络,提出了水轮机振动荷载参数识别方法.根据在丰满水电站现场观测的水轮机振动响应数据,识别出了水轮机在不同运行状态下的振动荷载参数,其中包括振动力的频率、相位差和幅值.利用人工神经网络具有解决参数识别反问题不适定性的能力,建立了水轮机系统响应与模型参数之间近似的非线性函数关系.现场实际应用结果表明,经过充分训练的神经网络具有较快的收敛能力和较高的预测精度.     

神经网络用于油田地面集输管道结垢预测

利用典型的误差反传神经网络理论,对油田地面集输管道结垢进行预测和评判,避开了各种因素对其结垢影响规律的难题,准确地预测和评判地面集输管道的结垢情况。应用人工神经网络分析某油田地面集输系统管道的结垢情况后表明,人工神经网络无需建立数学模型,学习过程通过自动调节神经元之间的连接权值完成,在选取有代表性的训练样本情况下,人工神经网络能够成功地预测和评判地面集输管道的结垢情况。     

粉末药品磺胺甲基异噁唑的非破坏定量分析

以磺胺甲基异唑粉末药品的近红外漫反射光谱数据建立人工神经网络模型 ,预测未知样品 ,进行粉末药品的非破坏定量分析 ,并对影响网络的各参数进行讨论 .     

基于正交设计的BP神经网络在油页岩渣制砖配方研究中的应用

采用正交实验设计与BP神经网络相结合,建立了油页岩渣砖配比与抗压强度之间的非线性关系模型,以正交实验数据为基础进行神经网络训练,得到了油页岩渣砖的BP神经网络预测模型.并对模型进行验证,预测结果基本满意.同时用训练好的BP神经网络预测模型建立了配方中单因素分析,对寻找最优配方有一定的指导意义.最终达到缩短实验周期,节省人力、物力的目的.     

普通混凝土强度预测的BP神经网络模型

在分析普通混凝土强度影响因素基础上 ,选取混凝土配料中 7个因素作为输入值 ,混凝土2 8d强度作为输出值建立了混凝土强度预测的 BP网络模型。讨论了模型的学习样本、网络参数对预测精度的影响 ,选出最佳网络参数配置。实例证明模型预测精度高。     

人工神经网络与劲性混凝土柱截面设计

针对土木工程采用图表进行结构设计的不足,在劲性混凝土柱截面受力理论计算的基础上,综合考虑影响截面性能的主要因素,确定劲性混凝土柱截面设计的人工神经网络模型,该模型具有两个隐含层,分别具有４,９个隐含节点,优化了学习参数,用该模型对不贩样本集合分别进行学习与设计,设计结果与试件实际参数吻合良好,表明应用人工神经网络进行劲性混凝土柱截面设计不仅可行,而且精度较高。     

人工神经网络在ZnO压敏陶瓷材料研究中的应用

本文将人工神经网络应用于ＺｎＯ压敏陶瓷电性能参数的预测。结果表明ＢＰ网络运用于处理象ＺｎＯ压敏陶瓷材料预测这类从配方工艺到性能能数的非线性问题，该方法可望成为电子陶瓷材料研究的有效的辅助手段。