BP神经网络在围岩变形预测中的应用

利用神经网络，建立了围岩变形预测的BP神经网络模型，采用围岩变形的实测数据对网络进行了训练，以此训练好的BP神经网络对围岩变形进行了预测。预测结果表明，该模型具有很高的预测精度，为预测围岩变形提供了一种新的方法。     

基坑变形灰色人工神经网络预测模型及其应用

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比GM(1,1)预测模型小;与BP预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与BP预测相结合的方法进行预测。     

考虑长期腐蚀影响的古建木结构极限寿命预测

针对长期环境腐蚀对古木结构的性能和损伤程度的影响,基于蒙特卡洛方法结合Gerhards/Weibull模型提出了古建筑木结构关键构件的承载力/变形值极限寿命预测方法.首先研究了腐朽、虫蛀等腐蚀环境对构件的截面尺寸和强度的影响,分别在承载能力和正常使用极限状态下建立构件的承载力/变形值的时变模型;其次利用蒙特卡洛方法,考虑构件尺寸、强度、荷载等随机参数对木结构关键构件的影响,给出具有一定可靠度的极限寿命预测方法与置信区间,并对结构做出相应的决策判断.最后以某历史文化民居选取的单榀框架来验证所提方法的有效性.结果表明:在长期腐蚀条件下,构件抗力随时间减小,变形值随时间增大,对两者变化规律进行时变分析是评估的关键;Gerhards和Weibull模型结合蒙特卡洛方法可以较好地对木结构梁、柱关键构件的极限寿命进行预测;综合考虑承载力和变形值能够更真实地反映结构的极限寿命.     

基于极限学习机(ELM)的连铸坯质量预测

针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50％、57.5％、70％和72.5％;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85％和82.5％,且该模型具有极快的运算时间,仅需0.1s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法.     

中碳钢(45~#)开式冷挤压极限变形程度的实验研究

首次通过试验给出了中碳钢 ( 4 5 #)在不同参数组合下的极限变形程度 ,并与低碳钢材料 ( 2 0 #钢、2 0 Cr钢 )的极限变形程度进行了比较 ;分析了厚径比及模具锥角对极限变形程度的影响 ;并给出了可供实际应用的数据     

小净距2扩4隧道变形规律的BP小波神经预测

以泉厦高速扩建工程大帽山隧道为例,通过周边位移和拱顶沉降的监测数据对小净距扩挖隧道的围岩变形规律进行分析.研究表明:小净距2扩4隧道具有和其他隧道不同的变形规律.在此基础上将小波函数引入BP神经网络建立BP小波神经网络模型,对特大断面超小净距隧道2扩4时围岩变形进行预测,并将预测结果与BP神经网络的预测结果进行对比.结果表明:BP小波神经网络模型收敛快、精度高,优于BP神经网络模型,预测的精度达10%以内,满足工程精度要求.     

基于有限元-BP神经网络的地下连续墙变形预测

基于目前在基坑支护结构中应用广泛的变形预测方法,有限元法和BP神经网络,结合基坑工程特点,提出将有限元模型与BP神经网络相结合的基坑变形预测方法.以某实际建筑基坑为研究对象,利用有限元软件进行近似建模,使用MATLAB软件实现有限元模型与BP神经网络模型相结合的预测模型,对基坑地下连续墙水平位移值进行预测对比.结果表明,有限元-BP神经网络预测模型预测值与实测值最为吻合,预测精度优于单一的有限元或BP神经网络预测模型.     

基于LM-BP和SVR的倾倒变形体变形预测

为了深入了解黄登水电站1号倾倒变形体的变形趋势,采用LM BP神经网络和SVR进行变形预测研究。基于倾倒变形体的实际变形监测资料,对位移、降雨、库水位、温度等资料进行分析,以库水位、降雨量、温度、时间作为输入参数,以位移变形作为输出参数,构建LM BP神经网络模型和SVR模型,对部分监测数据进行（先行学习）训练,对后续的监测数据进行验证预测,预测预报了研究测点的变形情况。分析结果表明,2个模型精度都比较高,LM BP神经网络模型的最大误差为2.53%,SVR模型的最大误差为4.35%,预测方法有效。     

基于人工神经网络的2A70铝合金形变显微组织预测

在Gleeble-1500热模拟试验机上对2A70铝合金试样在变形程度为60％、变形温度为360℃～480℃、变形速率为0.01～1S^-1的条件下进行等温恒应变速率压缩试验及固溶处理。分析热变形参数对合金固溶后显微组织的影响,结果表明,2A70铝合金的晶粒尺寸随温度的升高而增大,随变形程度和速率的增大而减小。采用BP神经网络的方法预测2A70铝合金固溶处理后的平均晶粒尺寸,对于样本数据,模型的相对误差不超过±5％;对于非样本数据,模型的相对误差不超过±8％。     

基于BP神经网络的体外索索力预测及MATLAB实现

为了进一步研究体外预应力混凝土结构体外索极限应力的确定方法,在分析影响体外预应力混凝土结构体外索极限应力因素的基础上,运用神经网络预测的原理,采用误差反向传播神经网络即BP神经网络对体外索的索力进行了预测.预测结果表明,应用BP神经网络模型能准确的预测体外索的索力.预测结果和试验结果相比误差在10%以内,可以满足实际工...     

基于改进BP神经网络的镁还原率预报研究

介绍了BP神经网络和遗传算法的原理及特点,简述了皮江法炼镁工艺流程。为了研究各工艺参数与镁还原率之间的关系,针对标准BP神经网络存在的收敛速率慢、易陷入局部极小值等缺陷,建立了以煅白活性度、配硅比、制球压力、还原时间、还原温度、真空度为输入,镁还原率为输出的基于遗传算法优化的BP神经网络镁还原率预报模型。利用筛选后的生产数据对模型进行训练和预测,结果显示该预报模型能够较为精确地预报镁还原率,预测误差在±1.0%范围内的命中率达96%,最大误差小于1.3%,一定程度上可用于指导皮江法炼镁工艺中工艺参数的选择。     

基于SSA-GRU大功率多状态PEMFC寿命预测

提出了一种用于最大额定功率为110 kW的质子交换膜燃料电池(proton exchange membrane fuel cell, PEMFC)剩余使用寿命的麻雀搜索算法优化门控循环单元的方法,进行了超过600 h的动态循环耐久试验,以模拟不同路况下车载PEMFC的工作情况。为准确预测大功率PEMFC的剩余使用寿命,需考虑其在不同工作状态下输出电压,将输出电压根据不同功率点进行分类预测。将采样数组经过滤波处理,减少峰值,平滑降噪,然后基于数据驱动的方法以各工作状态下电压数据以及不同的训练集划分作为输入,并预测结果通过选取的评价指标与不同的常见时序回归算法证实此模型的准确性。以数据的60%作为训练集为例,麻雀搜索优化门控循环单元(sparrow search algorithm-gate recurrent unit, SSA-GRU)的预测结果对比时间卷积网络(temporal convolutional network, TCN)其平均绝对百分比误差(mean absolute percentage error, MAPE)在30、50、70、90、110 kW分别降低了0.110...     

污灌区土壤环境容量研究

根据物质收支平衡，考虑了土壤生态条件、元素在土壤中的动态变化，应用土壤环境容量数学模型估算了污灌区重金属的最大污灌年限。从环境效应、生态效应考虎，预测污灌区的最大允许污灌年限为６０年。污灌区年控制容量随污灌年限增加而减少，利用污灌指数评价法预测了污灌区重金属污染的情况。其结果与环境容量模型中最大污灌年限的结果相一致。     

结构在地震作用下的损伤评估方法

建筑结构应该能够承受一定地震运动的作用，同时也应该允许其产生一定的损伤。对于结构在地震作用下的损伤评估有多种的方法。本文将分别对从累积损伤方面、变形方面、变形和累积损伤的总和方面、刚度退化方面得到的损伤模型的特点进行评述。     

民航客运量的ARIMA模型与预测

介绍了求和自回归移动平均(ARIMA)模型的一般表达方式,并提供了使用该模型进行建模和预报的一般过程,最后以某条航线的实测数据为例,进行实证分析,得到了8步的短期预报结果,其相对误差为0．08．     

应用统计外推求解近海风机面外叶根部弯矩最大值

根据IEC61400-3要求，为了确立统计外推程序以预测近海风机的长期载荷，选用NREL 5MW单桩式近海风机和浮式近海风机进行研究.在风机时域仿真中，对FAST软件进行编译，将塔筒载荷计算程序嵌入FAST，弥补了现有软件的不足.对于仿真得到的短期载荷，分别应用全局最大值法和分块最大值法拟合Gumbel分布来预测面外叶根部弯矩的最大值，并进行对比.根据对比结果，进一步提出了分块最大值法的最优分块数，并通过最大门槛值法进行验证，从而为近海风机的极限载荷计算提供参考.
     

基于粗集的不完备信息系统的粗糙分类和属性约简

针对不完备信息系统(含有缺省数据或不精确数据),研究它的粗糙分类;并基于相容关系,将分布约简、最大分布约简、分配约简、近似约简引入不完备信息系统;且给出了最大分布约简的一种启发式算法:条件信息量约简算法。经实验检验,该算法是有效的。     

基于最大熵增原理的蒸发蒸腾量模型应用

为了检验和应用Wang和Bras基于最大熵增原理建立的蒸发蒸腾量模型,应用该模型计算实验站的实测数据来改进该模型。通过简述最大熵增原理和最大熵增的蒸发蒸腾量模型构建,用整理的实测数据重新验证最大熵增模型的可靠性和精度,并与Penman-Monteith公式计算对比。在给定净辐射条件下,运用最大熵增模型计算有植被地表的显热通量和潜热通量,与实测数据的变化趋势基本一致,显热通量符合较好;白天的潜热通量计算值偏大,夜间符合较好。对最大熵增模型的2个参数表面温度和表面比湿度分析表明:最大熵增模型计算显热通量和潜热通量的变化趋势主要取决于表面温度。     

污水回注井最大注水量预测模型

探讨污水回注井最大注水量的预测方法,为安全高效的污水回注决策提供理论依据。在常规稳定渗流理论的基础上,利用实际的注水动态资料,考虑了回注污水对地层渗透率的损害,采用累加的思想来消除单次注水参数的偶然误差,推导建立了预测污水回注井最大注水量模型。在川中地区污水回注井中的运用表明,该模型能准确预测单井的最大注水量。     

Prediction of solar cycle based on the invariant

A new method of predicting solar activities has been introduced in this paper. The method can predict both the occurrence time and the maximum number of sunspot at the same time. By studying the variation of sunspot, we find that the combination of the several variables was nearly invariable during the entire solar cydes, as called invariant. And just only by determining the start time of a cycle, we can predict the occurrence time of cycle‘s peak value accurately. Furthermore, according to observational data of the sunspot cycles, it showed that the sunspot maximum number has correlation not only with the prophase variety of the number in the cycle but also with the anaphase of the previous period. So we can introduce an equivalent regression coefficient, which can dynamically self-adapt to different cycle lengths, and effectively solve the inconsistency between the accuracy and the lead-time of the forecast. It can guarantee the satisfied accuracy and effectively increases the lead-time of the forecast. This method can predict the maximum sunspot number for solar cycle at the approximate half rise of the period. This method predicts that the occurrence time of the maximum sunspot number for cycle 24 will be in January 2011.