电大尺寸矩形谐振腔耦合场的神经网络预测

以电大尺寸的矩形谐振腔局部点的前后门耦合场的计算,通过神经网络方法实现其他点耦合场的预测,判定矩形谐振腔的电磁敏感点.由于电大尺寸的矩形腔很难通过全波分析或小波分析获得特定条件下的耦合场,而神经网络方法不需考虑内部模型的复杂性便可实现非线性预测,因此将人工神经网络方法应用于电磁预测中可实现矩形腔耦合场的计算.通过电大尺寸矩形腔前后门耦合场实验方案,提取了目标参数,创建了BP神经网络的预测模型.即在平面波照射下,以入射波的功率,极化方向,预测点的位置坐标作为BP网络的输入参数,相应点的功率(电压)作为输出参数,经过适当的训练,建立耦合场的预测模型,并以此模型预测了腔体内探测点的耦合场.预测结果与实测结果相比较显示了该方法的有效性和准确性,为电大金属腔耦合场的计算提供了一种有效的方法.     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数,并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的灰色神经网络等方法.     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络 的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数, 并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该 方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的 灰色神经网络等方法.     

基于随机森林算法的混凝土早期抗裂性预测研究

将随机森林(Random Forest)回归算法应用于混凝土早期抗裂性研究.以松通项目混凝土为例,基于大量文献和工程经验选取了7个主要影响因素的混凝土早期抗裂性指标体系.以原始数据建立训练样本集和测试集,通过计算基于Bootstrap自助重抽样得到的袋外数据(OOB)的模型误判率,确定随机森林预测模型的最优参数,并对影响因素进行重要性排序,利用Pearson相关性图分析各影响因素相关度,然后建立RF训练模型,输出模型训练集和预测集的预测拟合结果.通过RMSE和R~2值分析模型的预测精度,并将预测结果与BP神经网络和小波神经网络模型对比.结果显示,随机森林预测模型误差最小,精度最高,验证了模型的准确性和可靠性.提出的随机森林预测模型为实现混凝土早期抗裂性预测提供了一种有效的方法.     

基于小波分解的DIF-RBFNN超短期风速组合预测方法

提出了一种基于小波分解(wavelet-decomposition)的数据输入格式-径向基神经网络(data input format-radial basis functional neural network)超短期风速组合预测模型.该模型首先将风速时间序列数据进行小波分解,减缓风速时间序列的波动性,然后将分解后的低频、高频部分分别建立数据输入格式(风速输入矩阵),并通过径向基神经网络模型进行预测,最后通过自适应叠加得到最终预测结果.结合宁夏某风场实测数据,将该预测模型和其他三种预测模型的仿真实验结果与实测值进行对比,表明该组合预测模型具有较高的预测精度.     

基于最小二乘支持向量机的风速组合预测模型

探讨了基于最小二乘支持向量机的组合预测模型在风速短期预测中的可行性.该模型以BP神经网络、RBF神经网络、粒子群BP神经网络3种预测模型的风速预测值作为组合预测模型的输入,实际风速值为输出,利用最小二乘支持向量机回归算法构造风速间的非线性关系,以实现风速多步预测.将该模型的预测性能与BP神经网络组合预测模型、线性组合预测模型进行比较,通过平均绝对误差、误差平方和、平均相对误差3个指标进行评价.结果表明,最小二乘支持向量机预测模型的平均相对误差低于6%,其他误差指标也明显低于其他预测模型.因此,最小二乘支持向量机组合预测模型预测精度不仅高于任一单项预测模型预测精度,而且高于传统的线性组合预测模型与一般BP神经网络组合预测模型.验证了该模型在风速预测中的可行性.     

基于概念格的神经网络日最大负荷预测输入参数选择

针对电力系统中影响负荷预测精度的众多因素如何选择问题,提出一种概念格属性约简算法,采用该算法挖掘出与待预测负荷量相关性较大的各属性作为神经网络预测模型的输入参数,降低了输入参数规模,确保了负荷预测模型输入参数的合理性,解决了神经网络模型输入参数的确定问题.通过对重庆市某区实际日最大负荷数据的计算分析,结果表明该算法提高...     

基于BP神经网络CFRP约束混凝土抗压强度预测

为研究BP神经网络对CFRP约束混凝土抗压强度的预测能力以及神经网络模型的输出性能,在大量的实验数据基础上,建立了CFRP约束混凝土抗压强度的BP神经网络预测模型,探讨了不同数据组合对神经网络模型预测精度的影响;基于神经网络理论,将高精度BP神经网络模型生成了可方便应用的一般公式和简化公式,并与已有经验公式进行了对比分析.研究结果表明:BP神经网络能够很好地挖掘输入输出参数的数据信息,得到高精度的预测模型;相比于传统回归模型,用purelin代替sigmoid做传递函数推导得到的简化线性方程式仅增加了一项常数项,其预测值与试验值比值的平均值为1.011,变异系数为0.112,具有更高的预测精度和稳定性.     

基于神经网络的公路货运量预测方法研究

通过对公路货运量的预测方法进行研究比较,并根据公路货运量形成的复杂和非线性等特点,建立BP神经网络预测模型.利用黑龙江省公路货运量及其相关影响因素的实际数据,确定网络输入与输出样本,并对BP神经网络预测系统进行训练和预测.通过对网络输出的误差曲线图的分析,验证BP神经网络预测系统的精确性和简单方便性,提高了公路货运量预测的精确性.     

基于神经网络的泡沫混凝土强度及导热性能预测

基于神经网络原理,建立预测泡沫混凝土性能的BP神经网络模型,期望通过输入配合比主要参数,得到泡沫混凝土强度及导热性能的预测结果。将实验数据分为训练组和对照组,对训练组进行非线性拟合,若拟合结果满足误差精度则模型建立完毕;通过拟合结果与对照组的比较,可验证模型预测精度。结果表明,BP神经网络模型能够准确拟合实验数据,利用其泛化能力进行预测的结果与对照组的误差小于8%,该模型具有很高的预测精度。     

钢筋混凝土柱变形性能指标限值及其试验验证

基于收集的469个钢筋混凝土(RC)柱低周往复荷载试验结果,对RC柱破坏形态的影响因素进行研究,提出以剪跨比和弯剪比为参数划分RC柱破坏形态的方法.根据我国现行规范将RC柱的抗震性能状态划分为7个等级,基于构件的力-位移角骨架曲线的3个关键性能点(屈服点、承载力退化20%点及丧失承载能力点)提出RC柱各性能状态变形指标限值的确定方法.结合469个RC柱试验结果的回归分析,确定不同破坏形态RC柱的变形性能指标限值,并对该变形性能指标限值体系进行易损性评估.进行11个RC柱的拟静力试验,利用试验结果进一步验证本文提出的RC柱变形性能指标限值.结果表明:本文提出的RC柱变形性能指标限值的准确性、离散性及超越概率均在合理范围内.     

近断层竖向速度脉冲地震作用对RC柱抗剪性能的影响

以单个RC柱为分析对象,采用台湾集集地震中3组断层距18条速度脉冲型地震动记录,通过非线性动力时程分析,研究断层距、竖向与水平加速度谱值比、柱初始轴压比、竖向和水平振动周期以及剪跨比对RC柱抗剪性能的影响规律。结果表明:近断层竖向速度脉冲地震作用对RC柱的抗剪性能有很大影响;抗剪性能系数随反应谱比值增大而减小,中等初始轴压比与断层距、以及剪跨比与近断层距(0～10km)对柱抗剪性能有交互作用。最后,对结果进行非线性回归分析,建立了考虑近断层竖向速度脉冲地震效应及其影响因素交互作用的抗剪性能系数表达式。     

基于纤维梁柱单元的钢筋混凝土柱往复荷载作用下破坏过程分析

为高效准确地模拟往复荷载作用下钢筋混凝土构件的破坏过程,基于结构精细化模拟分析平台(RSAPS)中的纤维梁柱单元模型,建立一种考虑损伤破坏的钢筋本构模型,并构建了材料破坏准则,从而建立了钢筋混凝土构件受力破坏的分析方法。应用RSAPS平台对钢筋混凝土柱往复加载试验进行模拟,结果表明考虑钢筋损伤破坏的模型可以很好地模拟构件的刚度和承载力退化过程,模拟结果与试验结果更为吻合;进一步对往复荷载作用下钢筋混凝土柱的破坏过程进行模拟分析,结果表明考虑钢筋损伤破坏的模型能够准确地模拟由于局部材料失效破坏导致的钢筋混凝土构件承载力退化、耗能能力降低等非线性行为,可以较好地描述往复荷载作用下钢筋混凝土构件的破坏过程,可用于地震作用下建筑和桥梁结构倒塌过程分析。     

基于运营系统的出租车出行需求短时预测模型

出租车系统作为城市交通运输系统的重要组成部分,其宏观规划和调度管理的合理性决定了出租车服务质量.本文主要研究出租车乘客出行需求估计及预测,为出租车规划和实时调度提供数据支持.首先,分析了出租车定位系统和计费系统,改进了传统出租车需求网格划分方法,考虑了地形、建筑群和道路网络特征,保持了网格自身出行特性的完整性.其次,根据实时收集的出租车数据,建立了易于计算的出行需求估计方法.最后,以实际数据为基础,对影响短时出行量的主要变量进行了相关性分析,提出了基于人工神经网络的短时需求预测模型,根据相关性分析确定了模型结构.以实际获取的出租车数据为例,验证了提出的需求估计和预测模型.结果证明:相比于传统自回归滑动平均模型,提出的人工神经网络模型其平均绝对误差百分比提高了32%.此外,人工神经网络模型的绝对误差百分比超过50%的概率低于10%,而自回归滑动平均模型高达23%.     

考虑变形影响的钢筋混凝土圆柱受剪承载力计算模型

准确计算钢筋混凝土(RC)圆柱的受剪承载力是进行延性抗震设计的关键,可有效防止脆性剪切和弯剪破坏模式发生。基于已有的RC圆柱拟静力试验结果,分析了RC圆柱的地震破坏模式和受剪承载力确定方法,在理论分析的基础上提出了考虑变形(位移延性)影响的RC圆柱受剪承载力计算模型,并与现有模型进行了比较。研究结果表明,地震作用下RC圆柱的受剪承载力随塑性铰区变形的增加而减小;弯剪破坏模式下,RC圆柱的受剪承载力取决于塑性铰区剪切破坏发生时对应的水平荷载而非骨架曲线上的峰值荷载;所提出的模型能有效反映变形对RC圆柱受剪承载力的影响,计算结果与试验数据吻合较好,可用于不同地震破坏模式RC圆柱受剪承载力计算。     

基于MIDAS Gen的多层钢筋混凝土框架结构倒塌数值模拟分析

汶川地震中大量钢筋混凝土(reinforced concrete, RC)框架结构破坏严重,极震区其倒塌率却远超过多层砖混结构。2022年9月以来,四川频发地震,为重新探讨倒塌机理及抗震性能,本文研究通过实地震害及多层RC框架结构破坏形式,结合数值模型并应用MIDAS Gen有限元计算方法,研究了RC框架结构的倒塌机理、地震响应分析。结果表明：框架柱的破坏与屈服是RC框架倒塌的主要因素,模拟增设填充墙,当地震烈度达到10度时,层间位移角大约1/46,降低柱的轴压比,提高柱的破坏延性,增大结构的极限抗侧能力,起到抗震第一道防线的作用,避免整体屈服破坏。     

冷弯厚壁型钢钢管冷作硬化效应

通过对冷弯厚壁钢管上截取的平板板材、弯角板材、母材和相应方、矩形截面短柱的试验研究,得到短柱全截面屈服强度相对于母材强度的提高值．运用国内外相关规范的计算公式对短柱屈服强度实测值进行对比分析,表明这些公式都不宜直接用于我国冷弯厚壁型钢的屈服强度计算．根据试验结果,在《冷弯薄壁型钢结构技术规范》（GB50018-2002）基础上,提出适用于冷弯厚壁型钢的计算公式,将修正公式计算结果与试验实测数据对比,证实了该公式有效．     

基于K近邻算法的钢筋混凝土柱地震破坏模式判别方法

钢筋混凝土（RC）柱在地震力的作用下会发生不同的破坏模式,不同的破坏模式会有不同的损伤特点。所以,有必要针对不同地震破坏模式提出有效的判别方法。首先基于SMOTE算法使数据样本达到均衡,其次根据ENN算法,筛选了判别弯曲破坏和非弯曲破坏、弯剪破坏和剪切破坏的最佳参数;再次通过TomekLinks算法合理剔除噪音样本重构均衡数据,最后基于kNN算法建立了两阶段kNN模型,达到了准确判别RC柱地震破坏模式的目的,并通过与传统kNN模型、传统经验方法进行对比分析,验证了模型的优异性。研究结果表明：该方法通过选取筛选最佳参数,在提高判别准确率的同时简化了传统机器学习判别模型;本模型提出的两阶段kNN模型对三种破坏模式的判别准确率均可达90%以上,比传统kNN模型高10%左右,比传统经验判别方法高20%左右。     

基于特征构建的钢包精炼炉元素收得率预报

元素收得率的预报是钢包精炼炉(LF)合金化的难点与关键点.为提高其预报精度,通过机理分析确定了元素收得率的主要影响因素,由于这些影响因素在生产中无法即时获得,因此使用基于文法进化(GE)的特征构建方法间接获得所需影响因素,最后将构建后的数据作为模型输入建立收得率预报模型.依据问题背景对文法进化算法进行了改进,改进后的方法可以充分利用可测数据,解决了冶炼过程中重要数据无法获得的问题.将该方法应用于Q345B钢种Mn,Si元素收得率的预报,实验结果表明使用本方法可以有效提高模型的预报精度.     

人工神经网络在潮汐预测中应用研究

海洋环境中,精确预测潮汐是关系到建筑物和人类活动的重要工作.利用人工神经网络进行单测站潮位和多测站对应潮位预测,并结合潮汐现象的特点,提出了在预测之前有针对性的数据处理分析方法--周期分析概念,并将其应用到实际的潮位预测当中,实例证明这种方法可以解决潮位预测中存在的时滞问题,提高了预测的精度.同时根据不同测站潮汐数据之间的相关性,以及潮汐数据规律性较强这一特点,进行了不同潮位测站之间的对应潮位预测,取得了很好的结果.