近场动力学理论在钢筋混凝土结构破坏的研究

近场动力学理论(Peridynamic,PD)用键描述了材料内部的相互作用关系,可分析材料破坏过程中的裂纹扩展。针对由异种材料组成的复合材料-钢筋混凝土构建了其力学模型,提出了同种键和异种键,并修正了键的微模量常数、断裂准则等。通过对钢筋混凝土梁的四点弯曲试验进行数值求解,结果表明该力学模型是可行的。     

基于量子粒子群优化支持向量 回归算法计算煤层气体含量的预测

煤层气是近一二十年在国际上崛起的洁净、优质能源和化石能源的新矿种,其地质研究对能源的补充意义重大.该文对煤层气的含量提出基于量子粒子群优化的支持向量回归算法进行预测.支持向量回归算法是一种非线性的基于内核的回归方法,它可以采用良好的函数逼近,并具有泛化能力.由于支持向量回归算法的参数对预测性能影响很大,量子粒子群优化在本研究中可用于选择支持向量回归算法参数.本文选用基岩深度,煤层的厚度,断层间的水平距离,煤的挥发分作为煤层气含量的预测模型的输入向量,经过比较量子粒子群优化的支持向量回归算法和支持向量回归算法之间的煤层气体含量的预测误差表明,量子粒子群优化得到的煤层气体含量的预测精度均高于支持向量回归算法的精度.     

基于新意法理念的连拱隧道设计施工优化

通过采用三维地质建模技术建立乌龙山隧道的三维地质模型,基于新意法的核心理念通过FLAC3D程序对乌龙山隧道中导洞的全断面开挖过程进行了仿真分析,研究表明：在洞口超前管棚作用范围之内,全断面开挖时可无需对掌子面进行预加固;在管棚作用范围之外,通过对掌子面预加固后的不同工况模拟分析,得出玻璃纤维筋可以有效控制顶拱沉降以及减小掌子面挤出位移,用玻璃纤维筋加固掌子面后,顶拱沉降减少约40%,掌子面挤出变形减少约70%,极大的提高了掌子面的安全系数可实现每循环最大进尺三榀钢架（1.8m）的全断面快速开挖,并提出以不同搭接长度对应的掌子面挤出位移的曲线拐点来确定玻璃纤维筋的最小搭接长度。研究结果可为五级围岩的小断面隧道快速开挖提供借鉴。     

利用“H”形天线耦合光波进入波导

在光学集成中,将自由空间中光波耦合进入金属纳米波导具有重要意义。本文基于天线共振增强特性,设计“H”形纳米光学天线,将自由空间中光波耦合进入金属波导。利用时域有限差分（FDTD）方法模拟得到耦合效率并优化天线结构参数。在通信波段,“H”形天线比偶极子天线具有更高的耦合效率。     

挖掘机用柴油机噪声源的识别

为了有效降低某型液压挖掘机的辐射噪声,对某挖掘机用柴油机的噪声源进行了识别研究。采用声学照相机对挖掘机噪声信号进行了测试,找到最大噪声源区域并记录噪声信号。根据测试环境受到回声与背景噪声干扰的特点,建立了基于快速固定点独立分量分析频域复数算法的噪声分离模型,通过独立分量分析得到了40个独立分量及其主频。为了确定这些主频对应的零部件,对柴油机表面主要零部件进行了模态分析。将在测试噪声方向上振型模态的共振频率与独立分量分析得出的各分量的主频相比较,找到了机体、气门室盖、气缸盖等主要表面噪声源。研究结果表明:运用独立分量分析和模态分析相结合的方法,可以准确识别挖掘机用柴油机表面噪声辐射源。这种方法可以广泛应用于复杂机器噪声源识别以及故障诊断等领域。     

动电效应在生产测井中的应用方法研究

油田生产开发过程中动电效应普遍存在,其中的流动电位效应往往对自然电位及电阻率测井产生干扰作用。国外现场实验结果表明,通过井下电极能够获得由不稳定压力引起的电位异常信号,该信号与压力有很好的相关性,有助于提高裂缝流动的识别和近井含水饱和度的评价。根据耦合流动的基本原理,建立了均质地层生产井井底电位随压力的变化关系,并根据文献中岩石的电学性质,计算了电位信号随含水饱和度的变化。结果显示结合动电效应的生产测试方法具有提高井底附近储层及流体性质识别的潜力。     

基于CEEMD小波去噪的一种预测碳排放的新方法

针对模型的输入数据优化问题，本文提出一种基于互补集总经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)小波联合去噪的神经网络碳排放预测方法。首先，采用CEEMD小波联合去噪对数据进行去噪提纯；其次，运用优化后的训练样本和输入数据建立碳排放量预测模型；最后，以“一带一路”主要经济体碳排放量为例，运用改进模型和传统模型分别进行试验仿真。仿真结果表明：经CEEMD小波联合去噪后的时序数据纯度更高，更加平稳；改进后的模型预测拟合效果更优、误差更小。此外，本文进行碳排放外推预测，结果表明：使用CEEMD小波联合去噪联合反向传播(back propagation algorithm, BP)神经网络、模糊神经网络模型在预测中具有可观的容错性能及精确度。     

基于弹性网惩罚的复合分位数回归估计

针对高维数据的建模分析问题,提出一种基于弹性网络法和复合分位数回归相结合的稳健估计方法。 在该 估计方法中,所提出的模型能够有效进行变量选择与系数压缩,并处理数据间的多重共线性与群组效应问题,在大 数据时代下具有较广的适应性。 同时,与已有的惩罚最小二乘估计和惩罚分位数回归估计相比,该估计方法不仅 放宽了对模型误差项的分布要求,而且综合考虑了多个分位点的损失,在面对离群值或呈现尖峰、厚尾分布数据时 能够保持更强的稳健性和抗干扰性。 在一定条件下,对所构建模型估计的相合性与稀疏性进行了理论分析,结果 表明:所提出的模型能够将不相关的变量完全压缩至零,且估计量和真实系数以趋于 1 的概率相同。 此外,在数值 模拟方面,设置了 5 种误差项分布条件,根据设定的 4 项指标,通过与其他惩罚函数模型以及损失函数模型进行比 较,结果表明新提出的方法具备更好的稳健性与有效性。