基于BP神经网络的增益量化中的阶距自适应

本文分析了G.728语音编码算法增益固定量化的缺陷,设计了精确表示增益的自适应量化方案。采用BP神经网络对增益的量化步长进行非线性自适应量化,并提出一种新的用于训练BP神经网络的数据的获取方法。     

考虑声源非相干性的城市轨道交通全封闭声屏障降噪预测

以某轨道交通全封闭声屏障为研究对象,考虑简化线声源的非相干性,建立2.5维边界元衍射声场模型;通过现场沿线环境噪声测试,验证了该模型的准确性,并与相干源衍射声场预测结果比较;最后预测了在近场高层建筑附近,全封闭声屏障对近轨或远轨车辆噪声的降噪效果。研究结果表明,非相干线声源更符合城市轨道交通噪声源特性;对于轮轨噪声（315～1 000 Hz）,全封闭声屏障在高层住宅建筑区域有显著的降噪效果,1/3倍频程插入损失最大为30.0 dB。对于低频噪声（50～250 Hz）,全封闭声屏障会加重高层住宅建筑区域的声压级,使插入损失出现负值。针对高层建筑附近场点,全封闭声屏障的顶端拱形透光板对远轨车辆噪声有更为显著的附加降噪效果,大部分场点附加插入损失均高于5.0 dB。     

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。     

基于二次分解NGO-VMD残差项与长短时记忆神经网络的超短期风功率预测

鉴于目前使用变分模态分解（VMD）搭建的单次或二次分解风功率组合预测模型中,大多均直接忽略了风功率经VMD分解后残差项所包含的丰富信息,使得超短期风功率预测精度受限。本文提出了一种基于二次分解NGO-VMD残差项、K均值聚类算法与LSTM的组合预测模型。首先,使用北方苍鹰优化算法(northern goshawk optimization,NGO)对VMD的参数进行寻优,以选出最佳VMD参数组合;其次,采用NGO-VMD模型对VMD残差项进行二次分解,深度挖掘VMD残差项所包含的丰富信息;再次,利用K均值聚类算法解决VMD分解模态分量个数多,计算量繁冗的问题;最后,创建LSTM模型对各子模态分量分别进行预测并叠加各子模态分量的预测值得到超短期风功率预测结果。结果表明：该二次分解NGO-VMD残差项、K均值聚类算法和LSTM组合预测模型可充分挖掘VMD残差项的重要信息,有效提高了超短期风功率预测的精度。     

基于最近邻像素预测的加密域可逆信息隐藏

针对现有的可逆信息隐藏算法在图像加密域应用场景下嵌入容量不高的问题,提出了一种基于最近邻像素预测的加密域可逆信息隐藏算法。充分利用自然图像的空间相关性,设计最近邻像素预测方法,计算预测误差,并进一步探究预测误差块分类规律,设计块内移位以及块重排方式,保留了块内相邻像素相关性。然后,通过动态标记块内误差区间以最大限度地空出冗余空间,达到提高嵌入容量的目的。选用5幅标准灰度图像及数据集BOSSbase、BOWS-2和UCID中的万余张灰度图像进行对比实验。结果表明：本文算法在安全性、可逆性和可分离性都满足的前提下,嵌入容量相比同类算法平均提升0.35～0.9 bpp(比特数)。     

严寒地区无砟轨道温度场及轨道板温度梯度预估模型

严寒地区无砟轨道结构的温度荷载取值,是轨道结构设计及服役性能研究急需解决的关键工程问题。基于东北地区大连、沈阳、长春、哈尔滨四个主要城市的历史气象数据及热力学基本原理,建立了CRTS Ⅰ 型板式无砟轨道-路基结构热力学模型,分析在不利气象条件下无砟轨道-路基结构温度场分布特征,拟合计算结果建立了轨道板最大正负温度梯度与气象数据关系预估模型,对东北严寒地区轨道板最不利温度梯度进行讨论。结果表明：CRTS Ⅰ 型板式无砟轨道-路基结构内部温度垂向分布呈非线性,0.2米深度范围内,轨道板及路基的日温度变化幅度较为剧烈,在一日内承受正负温度梯度的交替作用,1.4m深度后路基的温度趋于平稳,变化幅度可以忽略;通过日气温温差、日太阳辐射总量、风速三个主要气象数据,可以较好的预估CRTS Ⅰ 型板式无砟轨道轨道板一日内的最大正负温度梯度;轨道板的最大正温度梯度与日温差和太阳辐射总量成正比,与风速成反比,轨道板的最大负温度梯度与日温差、太阳辐射量及风速成正比。     

基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究

机械钻速(rate of penetration, ROP)是钻井作业优化和减少成本的关键因素,钻井时有效地预测ROP是提升钻进效率的关键。由于井下钻进时复杂多变的情况和地层的非均质性,通过传统的ROP方程和回归分析方法来预测钻速受到了一定的限制。为了实现对钻速的高精度预测,对现有BP (back propagation)神经网络进行优化,提出了一种新的神经网络模型,即动态自适应学习率的粒子群优化BP神经网络,利用录井数据建立目标井预测模型来对钻速进行预测。在训练过程中对BP神经网络进行优化,利用启发式算法,即附加动量法和自适应学习率,将两种方法结合起来形成动态自适应学习率的BP改进算法,提高了BP神经网络的训练速度和拟合精度,获得了更好的泛化性能。将BP神经网络与遗传优化算法(genetic algorithm, GA)和粒子群优化算法(particle swarm optimization, PSO)结合,得到优化后的动态自适应学习率BP神经网络。研究利用XX8-1-2井的录井数据进行实验,对比BP神经网络、PSO-BP神经网络、GA-BP神经网络3种不同的改进后神经网络的预测结果...