基于改进人工蜂群算法优化小波神经网络的短时交通流预测

为了提高城市道路短时交通流量的预测精度,克服小波神经网络预测过程中存在收敛速度较慢、容易陷入局部最优的缺点,提出改进的人工蜂群算法优化小波神经网络预测模型。该算法引入差分进化算法中的自适应变异操作和遗传算法中的选择算子、交叉算子与变异算子来优化传统的人工蜂群算法,改善人工蜂群算法后期收敛速度慢、局部搜索能力弱的缺点。本文使用该算法优化小波神经网络的参数并对短时交通流进行预测,模型的仿真结果表明,改进人工蜂群算法优化小波神经网络预测的结果误差更小,精确度更高,训练次数少,具有较高的实际应用价值。     

具有不同倾角层状结构面岩体中隧道稳定性数值分析

通过引入细观层次的微元体,采用损伤力学和统计理论的单元本构模型,利用岩石破裂过程分析软件RFPA(realisticfailureprocessanalysis),对具有不同倾角层状软弱结构面岩体中隧道的变形破坏特征、隧道周边关键部位的位移进行了分析·结果表明,层状结构面倾角大小对围岩的破坏失稳模式有显著的影响·随结构面倾角的增大,隧道周边应力分布的非对称性逐渐增强,从而造成了破坏模式的非对称性·结构面倾角增大对边墙的受力有不利影响·这对于进一步深入理解具有软弱结构面中隧道破坏失稳机理并采取有效的加固措施等具有理论和实践意义·     

差分进化算法的改进及其应用研究

针对差分进化(DE)算法后期收敛速度变慢、收敛精度变低以及易陷入局部最优解的缺点,提出一种基于双种群自适应进化的改进差分进化算法。于算法初始化阶段同时初始化2个种群,2个种群分别采用不同的自适应变异算子、变异策略和交叉算子进行进化操作,在改进选择操作中选择2个种群的最优个体进入下一次进化过程。采用5个标准测试函数对改进算法进行测试,检验算法的改进效果。结果表明,改进DE算法比j DE算法与标准DE算法具有更好的全局收敛能力,更快的收敛速度以及更高的收敛精度。将改进DE算法与SVM算法结合应用于短期电力负荷预测,预测结果表明,改进DE算法比标准DE算法能够更好的寻找到SVM的最优参数组合。     

SUPER CE/SE的新算法及其在爆炸力学中的应用

研究了SUPER CE/SE的新算法及其在爆炸力学中的应用.算法和模型方面,主要包括改进CE/SE算法、快速杂交粒子水平集方法、常用化学反应模型和两流体模型.使用上述算法和模型,对激波楔面反射、爆炸焊接、爆轰波胞格结构和气液两相爆轰问题进行了数值模拟.数值结果表明,该文采用的算法具有计算精度高、应用范围广和兼容性强等优点,可广泛应用于爆炸力学的数值研究.     

基于改进蝙蝠算法优化广义回归神经网络的岩质边坡稳定性预测

在对边坡进行稳定性评价时,传统的数值分析法计算量大,对经验的依赖性强,无法很好地反映边坡动态开放和非线性的特征.针对岩质边坡的上述特点,采用广义Hoek-Brown非线性破坏准则力学参数作为边坡稳定性的影响因素.利用改进后的蝙蝠算法(bat algorithm,BA)搜寻最优解来更新广义回归神经网络(generalized regression neural network,GRNN)的光滑因子,建立改进的BA-GRNN边坡稳定性预测网络.针对蝙蝠算法种群个体缺乏变异机制,在迭代过程中寻优能力下降的问题,引入交叉变异算子改进蝙蝠种群的多样性,使其保持持续优化能力.将改进BA-GRNN网络、BA-GRNN和GRNN3种网络得到预测结果进行对比,发现改进后的BA-GRNN预测网络对于边坡状态和安全系数预测精度更高,在边坡稳定性的预测方面有更好的适用性.     

一种改进的粒子群优化算法

针对粒子群优化算法早熟收敛现象,提出了一种改进的粒子群优化算法.该算法将模拟退火算法的"上山性"引入粒子群算法中,同时为了增加种群的多样性,将交叉和变异算子也结合进去,形成了一种新的改进粒子群算法.比较了高斯变异和柯西变异这两种变异算子对改进算法的影响.改进算法对典型函数的优化计算结果表明,与基本粒子群算法相比,改进算法能够更加快速有效的收敛到全局最优解,而且采用柯西变异算子的改进算法的效果比采用高斯变异算子的效果要好.     

用形态学改进医学图像边缘检测算法

针对医学图像的噪声问题,在数学形态学边缘检测算子的基础上,综合多结构元素和多尺度算法的特性,提出了一种改进的边缘检测算法。该算法采用交替序列滤波器和结构元素,对数据分别进行闭运算和开运算,并且对水平、垂直和倾斜方向采用不同的权重系数进行加权,同时计算出膨胀型边缘检测算子,最后获得改进的边缘检测算子。给出了算法实现的具体步骤,使用该算法提取了MRI图像边缘,并对Lena图也进行了检测。实验表明该算法能够提高传统的形态学边缘检测方法的边缘分辨率,具有一定的实用性。     

基岩斜坡变形与破坏的岩体结构模式分析

岩体结构,特别是软弱结构面对基岩斜坡变形与破坏具有显著的控制作用,岩体结构模式分析是建立斜坡地质模型和数学模型的关键和评价斜坡稳定性的基础。岩层层面、断裂构造、节理裂隙、片理与劈理以及侵入体和围岩的接触带等是控制基岩斜坡稳定的软弱结构面,这些成因不同、大小不一的结构面将岩体分割成性质各异、力学强度不均的各种岩体结构体,构成了15种基岩斜坡变形、破坏的岩体结构基本模式。不同结构体的重新组合与排列是斜坡失稳的内在原因。三峡库区11种岩体结构类型的岸坡存在着多种形式的变形与破坏。     

基于改进T-S模糊神经网络的网络流量预测

为提高网络流量的预测精度,在人工蜂群算法和T-S模糊神经网络的基础上,采用一种具有差分进化搜索的蜂群算法训练T-S模糊神经网络,对网络流量进行建模预测。该算法首先利用差分进化算法的变异和交叉算子来替换人工蜂群算法中引领蜂的搜索策略,然后对人工蜂群算法中跟随蜂的搜索策略进行改进,使其在种群最优解附近产生候选食物源,该算法能较好地平衡局部搜索能力和全局搜索能力。将优化后的T-S模糊神经网络用于网络流量预测,并与T-S模糊神经网络、蜂群算法优化T-S进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明该算法在预测领域的可行性和有效性。     

露天采矿边坡临界滑动面搜索蚁群算法研究

基于蚁群算法并通过改进蚁群算法结构和蚂蚁转移概率确定的方法 ,构造了一个适应复杂边坡临界滑动面搜索的启发式蚁群算法 (HACA) .研究了极度干旱地区露天采矿场岩体的物理力学特性 ,探讨了 HACA在采矿边坡临界滑动面搜索和稳定性分析评价中的应用 .结果表明 ,与传统方法相比 .其方法具有明显的优越性 .图 2 ,表 1,参 10     

逐一混合遗传算法在大坝变形预报中应用

建立了大坝变形预报的逐一混合遗传模型,并将其与整体遗传模型、逐一Levenberg-Marquardt (LM)模型、整体LM模型进行了比较. 工程实例表明,在建模样本相同,预报因子相同,且结构参数不变的条件下,逐一混合遗传模型和整体遗传模型的预报精度分别高于逐一LM模型和整体LM模型,且预报结果稳定;逐一混合遗传模型和逐一LM模型的预报精度分别高于整体遗传模型和整体LM模型;随着样本的积累,逐一混合遗传模型的预报精度不断提高, 并具有实时性的优点, 可以准确、有效地应用于大坝变形监测量的实时预报.     

考虑上游梯级水库群调度的小南海水电站坝址设计洪水分析

采用同频率地区组成法分析小南海水电站坝址处设计洪水的地区组成,运用 BP 人工神经网络对坝址河段洪水演进建模,分析不同典型年上游梯级水库群防洪调度对小南海水电站设计洪水的影响。分析结果表明：上游梯级水库群调度对小南海水电站设计洪水的影响明显,尤其对稀遇洪水的削减程度显著;以金沙江来水为主的洪水受梯级水库群防洪调度的影响较大,以岷江来水为主的洪水受梯级水库群防洪调度的影响较小。     

基于萤火虫算法的岩体结构面优势产状聚类分析

传统的图形分析方法较为粗糙,且主观因素影响较大,因此提出一种基于萤火虫算法的岩体结构面产状数据划分的新方法.用结构面单位法向量表示结构面的产状,通过单位法向量所夹锐角正弦值来衡量结构面间的距离,并建立模糊目标函数,然后运用萤火虫优化算法搜索最优聚类中心,同时确定组间边界.由于萤火虫算法具有出色的全局寻优能力和较快的收敛速度,使得新算法在解决结构面产状划分问题时非常省时高效.最后应用此算法对怒江松塔坝址区平硐实测结构面产状数据进行优势组划分,结果显示,此方法合理有效,优势明显.     

基于双阶段注意力机制的大坝变形深度学习预测模型

为提升大坝结构变形预测精度，采用完全自适应噪声集合经验模态分解(CEEMDAN)法将变形实测序列解耦为一系列具有不同时频特征的本征模态函数，使用小波阈值消噪对高频分量平稳化处理后进行重构，利用基于双阶段注意力机制的长短期记忆网络(DA-LSTM)模型对重构变形序列进行预测。实例验证结果表明，联合CEEMDAN算法和小波阈值消噪方法能够有效识别并清洗实测数据中的异常值，提升了测值对大坝运行性态的表征能力，同时DA-LSTM模型可以充分挖掘大坝变形的滞后性和增强网络的可解释性，据此构建的变形预测模型具有优良的稳健性。     

混凝土坝振动参数区间逆分析

考虑模态观测数据的不确定性，引入不确定问题求解的区间分析思想，建立了利用先验约束条件的混凝土重力坝动态参数的区间反演模型；并采用约束变尺度方法求解该反演模型获得待求参数的区间范围。以某大坝空库情形为例，在振动观测数据不完全的条件下，对该方法进行了考察。结果表明，在只有一阶圆频率和几个固定点处有一阶振型观测数据的情况下，可以可靠地识别出坝体混凝土和基础岩石的动弹性模量所在区间范围，该方法具有一般性，可以应用于一般结构振动参数识别问题。     

大柳树坝址岩体松动机制物理模拟研究

大柳树坝址区存在大面积、大范围的岩体松动现象。为进一步研究岩体松动的成因机制，在详细调查区域地质背景条件及区域地震动力作用基础之上，提出了地震动力作用与岩体松动现象的内在联系，同时又通过模拟试验进一步证明大柳树坝址区存在的大深度、大范围岩体松动与历史上该地区发生的强烈地震具有密切关系。因此在目前的工程地质条件下，一旦发生较大规模的地震活动，坝址区所遭受的破坏程度会更大，对拟建的水利工程将产生严重威胁。     

VOF模型在有支流汇入的河道复杂流场中的应用

采用VOF模型对大渡河与楠桠河交汇处的护堤工程区及其影响范围进行了三维数值模拟计算分析.结果表明:楠桠河与大渡河交汇口处的流态主要受大渡河流态的影响.护堤工程扩建后,断面平均流速在局部的增大,会增加对河岸的冲刷,因此在护堤建设过程中,应加强固岸措施.工程现场的原位试验观察与模拟计算结果吻合较好,加之工程多年来的安全运行,均说明VOF模型是一种处理复杂自由表面的有效方法,可在天然河道,特别是在有支流汇入的复杂河道流场研究中推广应用.     

基于ANFIS的软测量模型在浮选中的应用

以浮选过程为研究对象,提出一种基于自适应神经-模糊推理系统的经济技术指标软测量模型。该模型采用主元分析进行输入数据集降维,运用最小二乘法和粒子群优化算法相结合的混合学习算法对自适应神经-模糊推理系统结构参数进行优化设计。该混合学习算法提高了网络参数辨识的收敛速度,仿真结果表明,提出的模型能很好地实现浮选过程经济技术指标的全局预测,满足优化浮选药剂添加的计算要求。     

露天煤矿边坡稳定性的随机森林预测模型

 边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。边坡稳定性预测是边坡防治工作的前提,针对煤矿边坡工程稳定性预测的复杂性,为了快速、有效地判别煤矿边坡稳定性,利用随机森林算法建立煤矿边坡稳定性预测模型。通过选取与煤矿边坡工程密切相关的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6 个指标作为边坡稳定性的影响因素,即为随机森林预测模型的输入,边坡稳定性状态作为随机森林预测模型的输出,通过随机森林算法建立边坡稳定性影响因素与边坡稳定状态之间的非线性关系。利用煤矿实测30 组边坡稳定性数据作为随机森林预测模型的训练数据集,进行模型的学习训练;另用12 组边坡稳定性数据作为预测模型的测试数据,通过训练好的边坡稳定性预测模型进行测试;为了验证随机森林预测模型的准确率,同时与SVM 和BP 神经网络的测试数据进行比较。结果说明,选取煤矿边坡稳定性的6 个指标建立的随机森林预测模型,人工控制参数较少、结构简单、容易实现,且具有较高的准确度,边坡稳定状态预测结果与煤矿边坡工程实际状态相吻合,能有效预测边坡稳定性状态,指导煤矿边坡防治工作的开展。     

拉索减震支座的抗震性能分析

随着桥梁减隔震技术和装置的发展,研制了适应性较强的新型拉索减震支座。此支座的原理为滑板支座的摩擦耗能效应和拉索的限位作用的结合,其力学特性由相关的实验结果模拟得出。以一座实际连续梁结构为背景,建立了不同支座布置形式的模型并进行比较,重点讨论了采用此拉索减震支座后的减震效果,分析了拉索减震支座计算模型中两个参数（拉索松弛的自由程和支座上下板之间摩擦系数）的合理选取问题。结果表明采用此支座能有效减小连续梁中固定墩墩底地震内力,墩、梁相对位移也在可控制范围内。适当增加支座的初始自由程或摩擦系数能提高支座的减震效果。