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。     

基于神经网络的无刷直流电机预测控制的仿真研究

在无刷直流电动机高性能速度跟踪系统中，由于PI控制的滞后性，无法根据未来动态行为产生较为理想的PWM波形。针对PWM发生器一无刷直流电动机系统，提出基于神经网络的PWM预测控制方法。采用离线训练和在线修正的方法，通过对PWM发生器-无刷直流电动机系统动态行为的在线估计，建立了系统的神经网络模型。最优控制器根据神经网络模型的输入、输出响应产生合适的PWM波形。在Matlab／Simulink环境建立了模型并进行了仿真，结果表明，较之PI控制器，神经网络预测控制具有更好的动态响应性能。     

吉林省玉米单产的预测

在应用灰色ＧＭ（１．１）预测模型预测的基础上，又与马尔柯夫链结合构成灰色马尔柯夫链对吉林省玉米单产进行预测。结果表明：用灰色马尔柯夫链进行预测比灰色ＧＭ（１．１）模型预测的精度高、效果好，是一种理想的预测玉米单产的方法。同时用此方法对１９９２￣１９９５年吉林省玉米单产进行了预测。     

我国工业重大灾害的Delphi预测方法及其应用──重大危险源辨识的德尔菲（Delphi）专家系统设计

文章针对我国工业企业重大灾害频繁发生的现实，运用Ｄｅｌｐｈｉ方法对人－机－环境系统中大量无法定量的危险源作出概率估算和危险度分级，为建立重大危险源辨识的定量与定性分析相结合的专家系统等做一些初步探讨。     

灰色预测和时序预测的探讨

本文讨论了灰色模型,特别是GM(1,1)模型的特点和适用范围,并将GM(1,1)模型和时序AR(n)模型结合起来(称为组合模型),对我国轻工业产量发展指数等三个项目分别进行了组合模型预测。结果表明,在一般GM模型中引入AR模型可显著提高预测的准确度;在非平稳时序建模中引入GM模型,可作为提取趋势项的另一种方法。文中还从预测的角度将灰色模型和时序模型进行了比较和分析,对“灰”的物理概念进行了初步探讨。     

用于高维时序数据预测的非同步尺度主成分分析

针对时间序列数据预测过程中可能面对高维或超高维的预测变量,同时考虑变量的时序特征及预测的非同步性,提出用于时序数据预测的非同步尺度主成分分析方法。首先构建单个预测变量和被预测变量的非同步线性回归,通过可决系数选取单变量的最佳滞后阶数,并将回归系数赋权与相应的预测变量得到赋权预测变量,并通过主成分分析对赋权预测变量降维,即非同步尺度主成分分析。将该方法用于消费者物价指数增长率的预测,结果表明经非同步尺度主成分分析降维的预测精度高于传统降维预测的方法。     

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。