基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。     

盾构隧道管片接缝密封垫防水耐久性试验研究

为研究盾构管片接缝橡胶密封垫的防水耐久性,开展了橡胶密封垫水热加速老化试验,并对老化后试样进行拉伸力学性能试验、试样表面电镜扫描与长期防水性能试验,分析了橡胶垫表面微观尺度下的防水失效机理;采用橡胶密封垫极限防水压力为耐久性评价指标,结合基于Arrhenius方程的p-T-t数学模型,推导了橡胶密封垫长期防水性能折减系数的预测公式。结果表明：老化后橡胶密封垫表面接触状况的恶化和橡胶材料的硬化,加速了橡胶密封垫接触面间渗漏通道的形成;橡胶密封垫防水性能随着老化时间的增加不断降低,但下降速度逐渐减小。采用提出的防水性能预测公式对广东榕江-关埠引水工程盾构隧洞实际使用的橡胶密封垫的耐久性进行了预测,预测服役100 a后的老化系数为0.390,结果相对于仅考虑橡胶材料力学性能时的预测结果偏小12.36%,对原设计使用期内频繁出现的渗漏现象提供了合理解释与更准确的寿命预测。     

基于双通道残差网络的泥石流沟谷孕灾风险预测

云南作为泥石流受灾最严重的省份之一,每年均会遭受重大损失。为了应对这种突发性灾害,本文基于DCHNNet(dual-channel hybrid neural network)提出了一个基于双通道的改进残差结构的卷积神经网络——双通道残差网络(two-way residual network, TWRNet)。该网络能够广泛应用于泥石流沟谷图像的潜在危险性排查,实现泥石流灾害的预警。TWRNet首先采用切片的方式对数字高程(digital elevation model, DEM)数据和遥感数据分开处理,并使用改进的残差结构进行特征提取;然后将特征进行融合,并使用通道注意力机制SE(squeeze-and-excitation networks)模块进行通道增强;最后给出泥石流沟谷的分类结果。在训练过程中,本文使用了交叉熵和焦点损失构成的联合损失函数。实验结果表明,TWRNet在泥石流沟谷识别方面达到了最高89.28%的识别率和87.50%的召回率,模型性能良好。使用图像学习沟谷特征的方法来进行泥石流孕灾沟谷的识别是可行的。     

基于自监督学习的交通数据补全算法

区域高速公路网收费站数量众多,每日产生海量收费数据,但由于设备、网络等因素,部分站点数据传输存在延迟现象,在此情况下已传输的数据往往不能满足实时流量预测的要求。为了实现实时交通数据补全和动态交通流量预测,文中首先提出了一种基于自监督学习的用于高速公路交通流量数据缺失补全的方法,该方法采用了基于注意力机制的时间序列模型（Seq2Seq-Att）;然后使用自监督学习方式对模型进行训练;最后,以广东省高速公路网的80个收费站为例,验证方法的可靠性。结果表明：文中的数据补全方法能够灵活捕捉交通数据中的缺失情况,并根据数据自身的内在关联性,给出合理的补全值;该方法总体优于其他方法,且在不同缺失率下都有较好表现,总体MAPE约为17.7%、WMAPE为12.8%;在高缺失率情况下,该方法相比于其他补全方法有明显的优势。交通量预测结果表明,使用该方法补全的数据进行交通流预测的预测精度接近使用完整数据的情况。     

基于STIRPAT模型的京津冀“碳达峰”预测研究

为了解决京津冀地区碳排放量达峰问题,以河北省为例,研究京津冀碳排放达峰实现路径,对京津冀未来的碳排放量进行预测分析,建立以河北省2004—2021年碳排放相关数据为基础的STIRPAT碳排放预测拓展模型。设置了6个情景,通过综合考虑人口规模、人均GDP、城镇化率、产业结构、能源强度、能源结构数据的变化速度,模拟不同情景下京津冀2022—2040年的碳排放趋势,进而预测京津冀三地的“碳达峰”时间与碳排放峰值。结果表明：北京除清洁发展情景是在2030年达峰,其余情景均在2035年达到峰值;天津除经济放缓情景是在2030年达峰,其余情景均在2035年实现“碳达峰”;河北除基准情景在2035年达峰外,其余情景均是在2030年达到峰值。所提的碳排放预测拓展模型在考虑多情景分析下,就京津冀地区如何控制和减少碳排放量提出相关建议,可为京津冀低碳经济的发展提供一定的参考依据。     

基于Bert股吧舆情分析的特征融合股价走势预测研究

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于 Bert 股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测。 首先,采用Bert 自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果。 以华银电力(600744. SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8. 63%,预测收盘价的回归指标 FMAPE FRMSE 分别下降了 23. 59%、22. 9%,R2 提高了 8. 11%,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段。     

适用于DC/DC 变换器的预测函数控制优化策略

针对使用预测函数控制(Predictive Function Control, PFC)的 DC / DC 变换器在负载切换时产生的扰动对变 换器响应速度有较大影响的问题,提出通过设计观测器观测扰动来优化预测函数控制算法的控制效果;相对于其 他提高系统抗扰动的方法,通过设计观测器来提高变换器抗扰动的方法的优点是实现简单、优化后控制效果好等; 设计 Luenberger 观测器对负载切换时产生的扰动进行观测,将观测值反馈给预测函数控制算法进行最优化分析, 并结合仿真结果对目标函数进行调整,优化后的目标函数能更好地响应扰动并尽快达到稳态;最后将优化后的控 制算法与 PI 双闭环控制方法进行比较,结果显示优化后的控制算法在受到扰动后比双 PI 控制方法动态性能更 好,实现了应对负载切换时提高系统动态性能的目标,增强了 DC / DC 变换器的抗干扰能力;优化后的算法只考虑 了负载切换时的扰动对于系统其他方面的扰动没有考虑进去,可以通过设计整个系统的观测器来进一步提高 DC / DC 变换器抗扰动的能力。     

基于PSO磁悬浮球系统自适应灰预测控制

目的 针对磁悬浮球系统非线性不稳定和滞后性的问题,提出一种基于粒子群优化的自适应灰色预测 PID (Proportion Integration Differentiation)复合控制策略。 方法 通过在 PID 控制模块的反馈环中引入具有等维新息特征的灰色预测器,对系统误差进行及时反馈修正,以提高控制系统的响应速度和鲁棒性;同时,融合粒子群智能算 法对控制器参数迭代优化,以提高控制系统控制精度和抗干扰能力;最后,在 MATLAB / Simulink 环境下搭建仿真 平台进行对比实验。 结果 验证基于粒子群优化的自适应灰预测控制系统模型的超调量、峰值时间、调节时间显著 改善。 结论 证实该策略可以有效抑制系统滞后性,具有良好的稳定性和鲁棒性。     

考虑应力集中的吊车梁多轴疲劳寿命预测

钢结构吊车梁在工业建筑中被广泛应用,应力集中的存在导致几何不连续位置在复杂应力下服役.借助有限元法分析吊车梁应力-应变状态,确定危险点位置,并提取应力、应变分量;以应变能密度作为损伤参量并以最大平面为临界面,基于能量准则建立临界面位置数值计算方法,结合有限元结果给出吊车梁临界面位置;考虑吊车梁在非对称载荷下服役,借助Goodman方程进行平均应力修正,并结合Q355D钢近似S-N曲线计算疲劳寿命.该方法考虑了应力集中处多轴应力对疲劳损伤的影响,可以为复杂应力下几何不连续钢构件的疲劳寿命评估提供新方法.     

基于四元数图神经网络的知识图谱嵌入

针对当前大多数知识图谱嵌入方法对实体和关系的表示能力低、难以处理复杂关系的问题,提出一种基于四元数图神经网络的知识图谱嵌入方法,用于解决知识图谱的链路预测问题。该方法为了包含更丰富的关系信息,将四元数引入到知识图谱嵌入中对实体和关系建模,并考虑两者之间的共现关系。模型利用勒维图变换将知识图谱中的实体和关系转换为图网络中的节点,采用两者的共现关系构建图中的边;将四元数图神经网络(quaternion graph neural networks,QGNN)作为编码器模块,学习图节点的四元数嵌入;利用四元数空间内的哈密顿乘积构造评分函数对生成三元组进行排序。实验结果表明,所提模型能够很好地捕捉到实体与关系之间潜在的相互依赖关系,在知识图谱嵌入方面优于现有的嵌入模型。