最大Lyapunov指数改进算法的网络流量预测

为了提高网路流量的预测精度,针对网络的非线性及复杂性,应用最大Lyapunov指数改进算法,利用历史数据信息,在重构相空间的基础上对网络流量进行短期预测,应用混沌理论对某高校主干流量时间序列进行分析。结合C-C算法将实际测试的流量时间序列投影到重构的相空间中,计算其最大Lyapunov指数并对最大可预测时间进行了分析。实验结果表明,最大Lyapunov指数改进算法具有良好的预测效果,较高的预测精度和更好的自适应性,该算法应用于网络流量预测是可行、有效的。     

西南某高速公路库区段冰水堆积物塌岸预测及模式研究

某高速公路路线通过西南某水电站冰水堆积物岸坡,在水库蓄水及运行期间,路基外侧冰水堆积物岸坡将出现一定程度的塌岸与库岸再造.在现场调查分析的基础上对冰水堆积物岸坡的塌岸模式进行了系统的分析,研究分析表明,岸坡的失稳具有整体性,塌岸模式为淘蚀-坍塌.最后,针对工程地质条件和岸坡结构特征较特殊的冰水堆积物岸坡,采用适合坍塌类塌岸预测的两段法和适合整体失稳评价的极限平衡法对该段岸坡进行塌岸预测比较,计算分析表明,采用极限平衡法进行该岸坡的塌岸预测是相对较可靠的.     

粒子群优化-BP神经网络对岩爆的预测

岩爆是典型高地应力区主要地质灾害之一,其预测理论和发生机制的研究目前并不成熟.本文通过选择合适的影响岩爆程度的主要因素,应用BP神经网络对岩爆样本进行训练并利用预测样本进行检验,由于BP神经网络的初始权值和阀值对网络学习效率和预测结果有影响,因此其对检验样本的预测结果往往不够理想.利用粒子群算法(PSO)对BP网络的初始权值和阀值进行优化,将改进后的BP神经网络算法应用于预测,预测的结果优于BP神经网络.表明利用PSO-BP神经网络算法对实际工程中的岩爆进行预测是可行的.     

基于灰色系统理论单桩竖向极限承载力的预测

根据不完全的竖向静载试验数据,利用灰色系统理论的GM(1,1)模型预测单桩的竖向极限承载力,并对结果的合理性及误差进行分析.工程实例分析表明,竖向静载试验所施加的荷载达到或超过极限荷载的四分之三时,利用其数据进行单桩竖向极限承载力的预测具有较高的精度.同时新信息GM(1,1)模型、新陈代谢GM(1,1)模型比老信息GM(1,1)模型预测的结果更精确.     

基于多模集成神经网络的蛋白质二级结构预测

为提高蛋白质二级结构预测的精度,提出了一个由5个子网络集成的多模神经网络模型,预测结果由5个子网络综合得到。对于每个子网络采用神经网络分级思想分为二级网络,一级网络采用含进化信息的profile编码蛋白质序列作为输入,二级结构作为输出。二级网络编码一级网络输出结果作为输入,并将蛋白质序列用改进正交编码方式作为另一输入来提高二级网络的预测精度,输出仍为二级结构。采用子网络差异方式进行单独训练,结果表明该方法最终的预测精度达到71.3%,较大提高了蛋白质二级结构的预测精度。     

基于EnKF的油藏自动历史拟合方法对三相相对渗透率的反演

为解决标准集合Kalman滤波在非线性油藏反演中更新模型与更新动态场的统计不一致性问题,提出了一种改进的集合Kalman滤波方法,历史拟合过程中只对模型参数进行更新,然后利用更新的模型参数从初始状态重新运行油藏数值模拟软件进行下一拟合时刻的生产预测,协方差矩阵由从时间零运行油藏数值模拟软件得到的预测数据进行计算.理论证明了该方法与集合随机最大似然法的一致性.对某油藏的相对渗透率曲线进行了估计,比较了标准集合Kalman滤波方法与改进方法的参数估计及生产预测结果.由于保证了更新模型与更新动态场的一致性,改进的集合Kalman滤波方法得到了更好的参数估计和生产预测结果.     

基于出砂特征半径的水平井出砂临界生产压差预测模型

在水平井近井地带地应力分布研究基础上,首次提出破坏特征半径的概念,以特征半径处作为地层破坏出砂的判断位置,分别使用Mohr-Coulomb准则、Drucker-Prager准则、Hoek-Brown准则建立相应的水平井出砂临界生产压差预测模型,并对水平井出砂临界生产压差计算结果进行敏感性分析。结果表明:水平井出砂临界生产压差与井斜角有关,其具体变化规律与原始主应力中垂向主应力与最大水平主应力的关系有关;在同一地区,水平井水平段方位的选取会明显影响其生产中的出砂程度;水平井出砂临界生产压差与特征位置半径的选取有直接关系。     

基于参考机的单机等面积暂态稳定分析

提出了相对参考机的单机稳定裕度评估方法.研究了单一机组功角曲线的表达方式,将多机系统中单机功角曲线表达为本机相对参考机转子角度的函数,提出了基于泰勒级数的功角曲线预测拟合方法.提出了稳定裕度的预测评估方法与事后评估方法,比较了事后评估与预测评估所得稳定裕度的差异.SGEAC方法在判别系统是否稳定时没有任何假设,不需要进...     

基于BP人工神经网络的路基压实度预测模型研究

在大量路基碾压实验的基础上,通过对BP人工神经网络的分析,建立了路基压实度预测神经网络模型,并利用MATLAB环境下的神经网络工具箱开发了相应的程序.预测结果表明,该模型程序具有学习能力强、预测精度较高、快速方便等特点.这项研究为路基碾压施工工程中土的压实度预测研究提供了新的研究思路.     

京津冀地区耕地变化分析及未来趋势预测

利用京津冀地区耕地面积统计资料为基础,采用耕地资源变化率计算方法和灰色预测法,分析和预测了该地区耕地的变化及趋势.研究结果表明:1985-2007年京津冀地区耕地总面积呈波动下降趋势,总共减少924.3 k hm2,多年平均变化率为-0.59%.耕地的三种类型之中,旱地和水田面积几乎年年减少,多年平均变化率分别为-3.57%和-0.73%,而水浇地的面积在大部分年份都有所增加,多年平均变化率为0.85%.2020年,京津冀地区的耕地总量将从2007年的6 531.61 k hm2减小至6 164.4 k hm2,耕地总面积平均每年减少0.44%,即28.7 k hm2.旱地和水田将继续保持较高的减少率,平均每年分别减少2.57%和0.84%.而水浇地的预测结果为2007年至2020年间每年稍增0.17%.在未来的十几年中,尽管耕地减少的速率减缓,但是京津冀地区耕地保护的压力依然很大.