基于多变量相空间重构的地下水动态神经网络预测模型

从多元变量时间序列出发,以相空间重构理论为基础,结合偏最小二乘回归与神经网络方法,提出了基于多变量相空间重构地下水动态预测的神经网络模型.通过分别确定各个时间序列的时间延迟和嵌入维数的方法对地下水动态的多变量时间序列进行相空间重构,采用偏最小二乘回归法提取对系统解释最强的成分作为网络输入,利用神经网络模型进行各成分之间的非线性拟合.将基于多变量相空间重构地下水动态预测的神经网络模型应用于黑龙洞泉域地下水位预测,并通过分析与比较验证了该方法的有效性.     

基于主成分分析的BP神经网络对房价的预测研究

为了提高房价预测精度,采用基于主成分分析的BP神经网络预测模型.首先运用主成分分析对影响房价指标重新组合生成新的综合指标,然后采用非线性预测能力非常强的BP神经网络对其进行建模,并对房价进行预测.仿真结果表明,基于主成分分析的BP神经网络的房价仿真值与历史值的系统总误差只有0.52%,可作为房价预测的一种行之有效的方法.     

基于混合威布尔分布的水稻插秧机的可靠性分析及剩余寿命预测

为了更准确描述水稻插秧机的失效规律,提高可靠性分析的准确性,对某型水稻插秧机的故障数据进行分析,采用两参数混合威布尔分布对水稻插秧机进行建模。以残差平方和最小为优化目标,建立参数估计优化模型,利用改进粒子群算法对其进行求解,然后采用K-S检验法对模型进行检验,对比单一威布尔模型、混合威布尔模型与水稻插秧机失效数据之间的拟合程度,得出使用两参数混合威布尔模型评估水稻插秧机可靠性的合理性,在此模型的基础上计算得到水稻插秧机的平均无故障工作时间为161.75h,中位寿命为147.14h,特征寿命为191.31h,且在可靠度为0.6时,预防性维修周期为115.19h,最后在混合威布尔分布模型的基础上计算出剩余寿命-可靠度的关系,可定量分析插秧机在一定使用时间下的剩余寿命,从而进行预测性维护。     

尾矿坝浸润线时空混沌模型及反分析

为了描述平行尾矿坝坝轴方向浸润线的演化并描述其非线性动力特性,以浸润线高度与坝体高度的比值作为状态变量,引入基于反应扩散过程的耦合单峰映象格子模型;提出了运用最小二乘法进行反演,求取模型中非线性强度a及耦合强度ε,进而确定浸润线时空模式的方法.对银山铅锌矿尾矿坝浸润线实测数据进行分析,结果表明耦合单峰映象格子模型能够较好地描述平行坝轴方向浸润线的非线性动力特性;通过反演方法可以得到浸润线的时空模式,并进而判断浸润线状态,为采取安全措施提供理论依据.     

基于灰色系统理论的大连城市建设用地需求预测

建设用地既是城市发展的基础,也是区域实现城市化的基本物质保障,而城市建设用地需求量的预测则是城市土地利用的重要依据.基于灰色系统模型对城市建设用地驱动因子进行关联分析,建立GM(1,1)模型和灰色线性回归模型对大连市各个类型建设用地规模及城市建设用地总规模做出预测.认为大连市建设用地规模的变动受到人口、经济和社会等各个方面因素影响,非农人口数量的增加是影响大连城市建设用地增长的最主要因素.预测结果显示,2012—2020年大连市各个类型的建设用地呈现平稳增长趋势,城市建设用地总规模呈现较大幅度变动,但其增长的范围仍在土地利用规划控制目标范围以内.     

大坝混凝土施工期温度预测与控制灰匣模型

针对大坝混凝土施工条件多变，随机因素、干扰多等特点，提出将热学机理模型和参数经验识别相结合的灰色预测法，对大坝混凝土的温控防裂措施进行动态管理。阐述灰匣模型的构成、原理和算法，介绍模型的计算机应用软件，并给出了某拱坝浇注块的计算实例。     

AR模型应用于振动信号趋势预测的研究

振动信号的趋势预测是设备状态监测与故障诊断中的一个重要内容。论文提出采用时间序列ＡＲ模型进行趋势预测。将现场测得的非平稳振动序列通过ＡＲＩＭＡ模型和标准化处理,转化成标准正态平稳时间序列。模型参数估计使用了方法简单、参数估计无偏、精度高的最小二乘法。通过现场实测数据进行验证,计算结果表明ＡＲ模型能够很好地拟合振动信号时间序列并取得了一定的预测精度,可以达到预测要求。     

快速施工条件下基于变形法的混凝土坝应力分析

为提高混凝土坝的施工速度,可以采用厚浇筑层和短间歇期的快速施工方法。基于中国西南某大型碾压混凝土重力坝的快速施工过程,根据其施工期和初运行期的实测应变,采用变形法计算了混凝土应力,成果较好地反映了快速施工条件下混凝土坝施工期和初运行期的应力发展过程,对类似工程的施工有一定的参考价值。     

一种基于资源状态预测的资源调度模型

网格资源管理系统在进行任务请求与资源的匹配调度时,应考虑资源的网格环境以及资源的当前工作状态的问题.提出了一种基于资源状态预测的资源调度模型,结合资源状态和距离计算资源的共享开销,并作为任务资源匹配调度的依据,从而为任务请求分配“最好”的共享资源.     

基于多重不确定性因素的施工导流风险分析

通过分析施工洪水过程中的洪峰流量、洪量和历时的不确定性及导流建筑物的水力参数的不确定性,确定施工洪水过程和导流建筑物泄流能力的模拟计算模型。运用Monte-Carlo方法模拟计算施工导流系统渡讯各时段的状态参数,得到上游围堰堰前水位的分布函数,在此基础上确定导流系统的风险。     

基于偏最小二乘与神经网络耦合的储层参数预测

将偏最小二乘回归(PLS)与神经网络(NN)耦合,建立了储层参数预报模型.利用偏最小二乘对影响储层参数的诸多因素进行分析,提取对因变量影响强的成分,从而克服了变量间的多重相关性问题,降低了神经网络的输入维数;同时,利用神经网络建模可以较好地解决非线性的储层参数预测问题.计算实例表明,本耦合模型的拟合和预报精度优于独立使用神经网络模型的精度.     

基于实时监控的碾压混凝土坝仓面施工仿真可视化分析

结合系统仿真技术、实时监控技术、数据库技术和可视化技术,开展碾压混凝土坝仓面施工仿真可视化分析研究,构建仓面施工精细仿真模型。该模型不仅可以通过仿真计算获得详细的仓面施工进度信息,而且实现了可交互的仓面施工三维动态可视化分析。研究成果已应用于西南某碾压混凝土坝工程。     

Research on the railway construction process quality model based on the state space method

In the ISO9000“input-output”process model,the concept of process quality is difficult to get the cor-rect interpretation. From the“white box”theory of process,this paper puts forward the scientific mea...     

基于PSO-LSSVM的复杂试验不确定度分析

提出一种结合粒子群优化（PSO）算法和最小二乘支持向量机（LSSVM）模型的复杂试验不确定度分析方法。以汽车座椅的安全带拉伸试验为对象,研究汽车座椅安全带拉伸试验的主要影响因素及其概率密度函数参数,采用拉丁超立方方法进行试验设计,并进行安全带拉伸试验有限元仿真。运用PSO-LSSVM建立安全带拉伸试验的数学模型,并与B...     

无单元法在混凝土面板堆石坝应力分析中的应用

常规有限元法在单元的合理划分和混凝土面板受力变形的准确计算方面有较大困难,为此该文将无单元法应用于混凝土面板堆石坝的应力分析。在几何条件或应力变化比较强烈的区域使用无单元法,而几何条件或应力变化不太大的区域使用有限元法。计算结果表明:无单元法能够简单、灵活地对混凝土面板等薄层结构进行节点加密,能够避免有限元计算网格划分长宽比例过大的缺陷,从而可以改善计算精度;两种方法的耦合可以很好地发挥各自的优势。     

微型飞行器动力学模型的系统辨识

利用系统辨识方法建立了某型微型飞行器纵向及横向的动力学模型。首先给出了微型飞行器纵向及横向的传递函数模型结构,然后设计了辨识实验。通过设计数据采集装置采集试飞数据,基于该数据利用最小二乘系统辨识方法建立了微型飞行器纵向及横向的传递函数模型。最后通过交叉验证表明,该模型能够较好地反映微型飞行器纵向及横向的动力学特性。     

基于主成分分析的BP神经网络及其在需水预测中的应用

以甘肃省瓜州县为例,利用1988~2007年的总需水量数据,采用主成分分析法对影响水资源需求量的7个因子进行主要影响因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的年总需水量预测。结果表明:国内生产总值、工业总产值、农业总产值和大牲口数4个因子为影响研究区需水量的主要因子,将此作为主要因子构造BP神经网络的输入样本,确定网络输入节点数,建立瓜州县总需水量预测模型。模拟计算结果表明,基于主成分分析的BP神经网络模型取,预测结果的绝对误差小于±0.05×109m3。     

基于双阶段注意力机制的大坝变形深度学习预测模型

为提升大坝结构变形预测精度,采用完全自适应噪声集合经验模态分解(CEEMDAN)法将变形实测序列解耦为一系列具有不同时频特征的本征模态函数,使用小波阈值消噪对高频分量平稳化处理后进行重构,利用基于双阶段注意力机制的长短期记忆网络(DA-LSTM)模型对重构变形序列进行预测。实例验证结果表明,联合CEEMDAN算法和小波阈值消噪方法能够有效识别并清洗实测数据中的异常值,提升了测值对大坝运行性态的表征能力,同时DA-LSTM模型可以充分挖掘大坝变形的滞后性和增强网络的可解释性,据此构建的变形预测模型具有优良的稳健性。     

基于灰色马尔可夫模型的施工质量成本预测

针对随机波动较大的施工质量成本预测问题,结合灰色SCGM(1,1)预测模型和马尔可夫预测模型的优点,建立了灰色马尔可夫SCGM(1,1)预测模型,并以实例证明灰色马尔可夫预测模型对随机波动性较大的施工质量成本的数据列的预测,具有较高的准确性.     

基于小波包分析的网络流量组合预测模型

提出一个基于小波包分析的网络流量组合预测模型,将流量数据构成的原始序列进行小波包分解,并将分解得到的各近似部分和各细节部分分别单支重构成低频序列和高频序列.根据低频序列和高频序列的不同特性,分别采用自回归模型（AR）和线性最小均方误差估计（LMMSE）对未来网络流量进行预测,最后重新组合生成预测流量.通过对真实网络流量的仿真实验,结果显示该模型能够对网络流量进行比较精确的预测.