边坡工程中的PSA-ANFIS反演设计方法

边坡工程反演设计方法的提出,对于解决岩土工程设计工作中所面临的实际工程问题具有重要的现实意义.针对边坡工程反演设计工作的特点,首先采用正交试验设计法和模式搜索算法(PSA)研究了自适应神经模糊推理系统(ANFIS)的训练参数和模型结构的优化方法,提出和建立了基于模式搜索算法的自适应神经模糊推理方法(PSA-ANFIS).进一步地,对一多峰函数Peaks进行离散,构建了训练数据对、检测数据对和预测数据对,并对PSA-ANFIS的拟合能力和预测能力进行了研究.结果表明,无论是在拟合精度和预测精度上,还是在训练参数的调整、模型结构的建立和训练过程上,PSA-ANFIS均适合于解决边坡工程反演设计这一高度非线性的映射问题.最后,还将该新方法应用于边坡工程的边坡设计问题中,对实例边坡的角度和高度进行了反演设计,从而证实了该方法具有较强的非线性处理能力,适用于处理边坡工程中的具有高度复杂的不确定性问题,是一种优异的反演设计新方法.     

基于BP神经网络的岩土工程预测模型研究

BP神经网络具有自适应机制,通过训练和学习,达到对知识进行分类、模式判别、联想记忆等能力.岩土工程的灾害预测问题可以看作是一个模式识别问题,而岩土工程中变形情况的监测和预测模型的研究是矿山、建筑、水利等工程的一项重要课题,近年来安全监测技术发展有了巨大的飞跃,呈现出"实时"、"远程"、"非接触"的特点.针对BP神经网络预测模型监测在岩土工程方面的应用,应用BP人工神经网络实现了对岩土工程安全监测数据的预测预报,并对预测结果进行了分析,说明了隐含层数对预测结果误差的影响.通过比对,选择了误差最小的较优组合对岩土工程进行预测.     

坝基灌浆量预测ISSA-Stacking集成学习代理模型研究

灌浆量预测对坝基灌浆施工具有重要意义．由于灌浆工程隐蔽且复杂,传统方法难以实现准确高效的灌浆量预测．代理模型是一种能够建立影响因素与响应值之间近似关系的快速求解方法,然而单一代理模型的预测稳定性和准确性较低,组合代理模型仅将单一模型结果进行加权平均,预测精度仍有待提高．为解决上述问题,本文提出一种ISSA-Stacking集成学习代理模型新方法用于灌浆量预测研究．首先,针对灌浆量预测具有数据量小、影响因素与灌浆量之间非线性关系复杂且预测不确定性较大等特性,基于Stacking集成学习策略,选取在小样本预测中表现优越的支持向量回归(SVR)、具有良好非线性拟合能力的BP神经网络(BPNN)和预测泛化性能及稳定性高的随机森林(RF)等算法作为基学习器,采用自适应学习和不确定性处理能力强的自适应神经模糊推理系统(ANFIS)作为元学习器以集成上述机器学习算法的优势,构建具有更优预测性能和泛化能力的Stacking集成学习方法作为代理模型;其次,为进一步提高模型预测精度,采用混沌理论和Lévy飞行策略改进的麻雀搜索算法(ISSA)对集成学习代理模型进行参数同步优化;最后,将所提ISSA-Sta...     

铸造铝硅合金液相线自适应神经-模糊建模

在合金熔炼和加工过程中,往往需要知道液相线温度,以便确定相关工艺参数.建立能从成分预测铝硅系工业铸造合金液相线温度的模型.收集工业合金实测数据,采用模糊推理方法,建立了合金液相线温度的自适应神经-模糊推理模型.它具有Takagi-Sugeno型网络结构,能直接从数据中提取推理规则,并可利用前馈神经网络的学习能力调整参数.与现有的其它统计回归模型相比,模糊推理模型能反映成分之间的交互作用,具有更高的预测精度.在铸造合金研究、热力学计算和凝固过程数值模拟时,所建立的模型可用于计算工业合金的液相线温度.     

基于经验模式分解和自适应神经模糊推理的风速短期智能预测混合方法

为实现风速的超前多步高精度预测,提出一种基于经验模式分解与自适应神经模糊推理的混合方法。该方法利用经验模式分解法对铁路风速进行多层分解计算以降低风速的强随机性,对分解后的各层风速数据分别建立自适应神经模糊推理预测模型并完成预测计算,最终加权各层预测值获得原实测数据的对应步数的预测结果。运用所提出的方法对青藏铁路某监控点的风速进行预测。研究结果表明:所提出的混合方法有效融合了经验模式分解法的信号细分性能和自适应神经模糊推理法的非线性追踪能力,混合模型的超前1步、2步、3步预测的平均相对误差分别为6.24%,11.11%和14.30%,体现出良好的非平稳信号预测性能。     

ANFIS在企业人力资源预测中的应用

企业人力资源是影响其生存发展的关键因素,以此为研究对象,建立自适应神经模糊推理系统(ANFIS)预测模型,通过对某集团公司的人力资源进行预测来探讨自适应神经模糊推理系统在这一领域的应用前景,并将预测结果与普通FUZZY模型进行比较.结果表明,前者预测误差较小,满足精度要求,具有很高的理论价值和实际应用价值.     

基于自适应神经模糊推理的精馏分离序列综合

模糊推理能够反映自然语言要素信息传递特性,自适应神经技术能够实现优化建模,通过抽象有效重组判据参数提炼模糊if-then规则,通过构造样本数据进行自适应神经学习训练,根据模型优化参数创建Sugeno模糊推理模型,系统化提出基于自适应神经模糊推理的精馏分离序列优化综合方法。     

基于改进自适应神经模糊推理模型的 回流焊参数设定方法

复杂制造过程中,系统参数往往呈现动态、非线性特征,以回流焊过程为例,针对现有参数设定方法效率和精度不足的问题,提出了一种基于改进自适应神经模糊推理模型的在线参数设定方法.引入了神经网络预测器来增强模糊神经网络的自适应能力和非线性逼近能力,通过最近邻聚类算法对模糊规则的参数和结构进行调整和在线更新,以提高模糊推理的精度,增强系统的容错性和鲁棒性.以回流焊过程参数设定过程为背景,建立仿真实验.结果表明,所提出方法可有效实现非线性输入输出系统参数的快速及准确的设定.     

基于ANFIS的软测量模型在浮选中的应用

以浮选过程为研究对象,提出一种基于自适应神经-模糊推理系统的经济技术指标软测量模型。该模型采用主元分析进行输入数据集降维,运用最小二乘法和粒子群优化算法相结合的混合学习算法对自适应神经-模糊推理系统结构参数进行优化设计。该混合学习算法提高了网络参数辨识的收敛速度,仿真结果表明,提出的模型能很好地实现浮选过程经济技术指标的全局预测,满足优化浮选药剂添加的计算要求。     

基于改进型混合蛙跳算法的支持回归机大坝变形预测模型

支持回归机(SVR)可以用来解决大坝变形的拟合和预测问题,且具有很好的泛化能力,其核心问题是选择适当的惩罚因子和核参数.利用基于拉丁超立方抽样(LHS)和自适应移动算子的改进型混合蛙跳算法(ISFLA)对SVR模型进行参数寻优,建立ISFLA-SVR大坝变形预测模型.通过工程算例表明:ISFLA-SVR模型具有很高的预测精度,可以应用于大坝变形预测.     

ANFIS与SVM的拟合能力和推广预测能力的比较研究

岩土体位移与岩土体力学参数间的映射关系,具有高度非线性的特点.寻求一种适合于描述这种非线性映射关系的方法,是当前的热点研究领域.为此,本文采用一个多峰函数进行离散,构建了训练数据对和预测数据对,分别对ANFIS和SVM的拟合能力和推广预测能力进行了比较研究,结果表明,ANFIS的拟合能力和推广预测能力均优于SVM,更适合于建立岩土体位移与岩土体力学参数间这一高度非线性映射关系.     

支持向量回归在岩土工程中的应用

针对岩土工程影响因素的极其复杂性,引入支持向量机方法,给出了应用支持向量回归解决问题的基本原理与算法步骤·以矿山周边建筑物爆破震动效应分析为例,建立了建筑物中峰值质点振速的预测模型·实例分析表明预测值与实测值具有很好的一致性,验证了支持向量回归小样本高效的自学习能力以及高度非线性的问题处理能力,是解决复杂岩土工程问题的有效分析工具·通过试验探讨了算法参数选择对应用结果尤其是回归预测模型泛化能力的影响规律·     

Neural network approach for modification and fitting of digitized data in reverse engineering

Reverse engineering in the manufacturing field is a process in which the digitized data are obtained from an existing object model or a part of it, and then the CAD model is reconstructed. This paper presents an RBF neural network approach to modify and fit the digitized data. The centers for the RBF are selected by using the orthogonal least squares learning algorithm. A mathematically known surface is used for generating a number of samples for training the networks. The trained networks then generated a number of new points which were compared with the calculating points from the equations. Moreover, a series of practice digitizing curves are used to test the approach. The results showed that this approach is effective in modifying and fitting digitized data and generating data points to reconstruct the surface model.     

非线性位移时间序列分析模型的进化识别

引入进化算法的全局优化思想,结合时间序列分析的基本理论,提出了一种新的岩土结构变形非线性动力学演化特征的进化识别算法·设计了能自动确定输入时步长度以及非线性动力学模型结构和参数的分步进化方案,对非线性时间序列分析模型的结构和参数进行全局最优搜索·将该方法用于三峡永久船闸高边坡开挖变形的预测分析,取得了满意的效果,提供了一个有效的岩土工程设计与施工的分析工具·     

动态系统的演化建模

针对传统方法解决动态系统微分方程建模问题所遇到的困难和存在的不足,设计将方程进行串结构编码并用进化方法进行演化建模的算法,以串形结构表示结构,用进化算法优化结构和参数,成功地实现了动态系统的常微分方程组建模过程的自动化。计算实例表明:采用此算法能够在极短的时间内由计算机自动发现多个较优的常微分方程组模型,与原来GA和GP结合的方法相比较,它具有建模过程智能化、模型结构非常灵活多样、数据拟合和预测精度更高等优点。     

基于BIM技术的岩土工程信息模型数值计算功能实现方法

当前岩土工程信息模型更多地应用于可视化展示,一直没能深入到岩土工程的实际应用当中,很难直接进行岩土工程专业分析。究其主要原因,是缺乏将岩土建筑信息模型(building information modelling, BIM)转换成计算模型的渠道。通过数据转换,研究岩土工程模型计算功能实现方法,建立BIM模型与计算模型间的映射关系,来解决这一难题。考虑岩土BIM模型和有限元模型的特点,根据等效刚度法,研究计算驱动的岩土工程BIM模型的概化方法。针对岩土BIM模型的数值计算功能需求,聚焦计算网格剖分环节,基于开源TetGen程序,对BIM模型进行四面体剖分,发展面向数值计算的BIM模型网格剖分技术。进一步,建立四面体网格模型与计算模型的信息一一映射关系,实现BIM软件与岩土工程通用数值分析软件之间的数据转换和信息交换,打通了复杂岩土BIM模型向计算模型转换的关键环节。最后,通过两个工程实例验证所提出的岩土BIM模型计算功能实现方法的可行性与有效性。     

基于GMM统计参数和SVM的说话人辨认研究

支持向量机(SVM)是以统计学习理论为基础,解决模式识别问题的有力工具,但是它训练算法复杂,难以处理大量样本,限制了其在说话人识别方面的使用。针对这个问题,提出了一种基于GMM(高斯混合模型)统计参数和SVM的说话人辨认系统,以GMM模型的统计参数来训练SVM说话人辨认模型,有效解决了大样本数据下SVM模型的训练问题。实验表明,该方法有良好的效果,并且与倒谱加权方法结合后,可以增强系统的健壮性,进一步提高系统的识别率。     

应用模拟退火方法优化油藏分布参数的变差函数模型

分析了油藏分布参数具有直接可利用的信息点少、信息点分布不规则,可间接利用的资料多的特点,在应用传统的变差函数模型拟合方法时存在的不足,提出了改进拟合变差函数模型的两种方法;基于直接应用信息控制点建立目标函数和增加油藏多种信息及油藏控制模型约束条件建立目标函数优化变差函数模型的模拟退火方法.以实际的例子证明直接使用信息点约束建立目标函数优化变差函数模型的可行性.     

基于机器学习的材料疲劳和腐蚀寿命预测研究进展

机器学习在多变量拟合、复杂数据相关性分析、隐含信息挖掘利用等方面具有强大功能,在机械结构故障预测和材料寿命预测方向的应用研究成为热点.本文介绍机器学习在材料疲劳和腐蚀寿命预测中的应用,深入探讨BP神经网络、支持向量回归、聚类分析算法和集成算法综合应用的研究现状,总结模型参数的选取方法和模型性能的评估指标,并对机器学习在材料疲劳和腐蚀寿命预测研究领域存在的主要问题和发展趋势进行剖析.     

基于网格模型的光滑B样条曲面重建算法

提出并实现了一种基于网格模型的光滑B样条曲面重建方法.首先研究并实现了网格模型上特征线的定义和优化方法,在此基础上提供了多种交互式编辑工具,使用户可以方便地构建出符合原始设计意图的四边界区域拓扑模型;最后在综合考虑拟合精度、光顺性和连续性等条件下实现了B样条曲面的光滑拟合.实验证明算法的效率和曲面拟合质量都能较好地满足反求工程的要求.