公路隧道交通量预测的粒子群高斯过程耦合模型

交通量的预测对公路隧道运营期通风系统的节能降耗具有重大意义,将新型小样本学习机器高斯过程引入隧道交通量预测,提出了一种组合核函数,用以改善单一核函数高斯过程的泛化性能,在网络训练过程中采用粒子群优化算法,自动搜寻泛化性能最好的高斯过程超参数,形成粒子群高斯过程耦合算法,并编写了相应的计算程序.对某公路隧道交通量进行了预测,结果表明:组合核函数高斯过程最大预测相对误差仅为4.41%,平均相对误差为1.96%;两种单一核函数高斯过程最大预测相对误差均为6.68%,平均相对误差分别为2.7%和2.67%;粒子群高斯过程耦合模型可以高精度地用于隧道交通量预测,且组合核函数可以提高单一核函数的泛化性能,并为其他类似工程提供借鉴.     

山岭隧道钻爆法施工参数控制的优化

以佛岭长大公路隧道施工为依托,在大量现场测试和光面爆破试验的基础上,引入遗传算法和支持向量回归耦合算法,经对现场测试数据训练,建立了山岭隧道钻爆施工参数、围岩地质条件及爆破后隧道拱顶下沉与围岩松动圈深度之间的非线性支持向量回归智能模型.利用此模型,可以在给定围岩地质条件和拱顶下沉量、松动圈深度等控制指标情况下,利用遗传算法,搜索得到钻爆施工参数的最优解.经佛岭隧道任一断面的实地应用,验证了本文所提出的钻爆施工参数控制优化方法的正确性和可行性.该研究成果为佛岭隧道钻爆施工参数的选择提供了科学依据与技术指导,也可为类似隧道工程的钻爆参数控制优化提供参考.     

边坡变形时序分析的进化-自适应神经模糊推理模型

变形监测与预报是保证边坡工程施工安全与工程质量的重要措施,但由于位移时间序列的强非线性,边坡变形预报成为非常困难的问题.自适应模糊神经推理系统(ANFIS)有优越的学习和泛化性能,而遗传算法(GA)是优秀的全局优化工具.采用遗传算法优化ANFIS参数,并编制了相应的计算程序.结合三峡工程永久船闸施工变形监测和新滩滑坡变形监测,建立了边坡变形时序分析的GA-ANFIS智能模型.为了对比该模型的预测精度,采用GA优化支持向量回归(SVR)和BP神经网络的模型参数,编制了GA-SVR及GA-BP程序,对相同的算例进行了变形预测分析.按滚动预测法对三峡永久船闸高边坡和新滩滑坡的计算结果表明,文中提出的GA-ANFIS模型能够获得比GA-SVR和GA-BP模型更高的预测精度,可以应用于边坡工程变形监测预报分析,并为类似工程提供参考.     

铝合金中温直接化学镀镍

为了实现铝合金在中温(70℃)条件下直接化学镀镍,在化学镀液中加入活化剂(含氟化合物),并对主配合剂进行调整.适宜浓度的活化剂可以加快化学沉积镍的速度,改善镀层的综合性能;氨基乙酸为主配合剂,能明显改善镀层的耐蚀性能,提高了镀层腐蚀电势,降低腐蚀电流,增强镀层的抗色变性能;在含有2g.dm-3 KF和8g.dm-3氨基乙酸的镀液中化学镀镍,能得到综合性能良好的Ni-P镀层.