基于改进PSO-LSSVM的TBM掘进速度预测研究

隧道掘进机（TBM）对于地质条件的高度敏感性以及TBM设备高度智能化和最终实现无人驾驶,对精准预测TBM掘进速度均提出了更高要求.为了未来实现TBM智能化控制,采用线性递减惯性权重对粒子群算法（PSO）进行改进,并把改进的粒子群算法和最小二乘支持向量机（LSSVM）相结合,建立了改进的PSO-LSSVM掘进速度预测模型.基于美国纽约Queens NO.3隧道的153组实验获得的岩体参数和现场实测掘进速度,采用SPSS软件进行了相关性分析,验证了参数的适用性,采用改进的PSO-LSSVM模型进行掘进速度预测,并通过与传统LSSVM模型和PSO-LSSVM模型进行对比发现：采用线性递减惯性权重改进的PSO-LSSVM预测模型的决定系数在训练集和测试集中均达到0.95及以上,均方误差在0.01以内,明显优于传统模型.本文所建模型在TBM掘进速度预测中有明显的精度优势,可辅助TBM智能化施工.     

基于LS-SVM的TBM掘进参数预测模型

针对目前TBM数据挖掘能力和掘进参数优化预测分析的不足以及对未来TBM实现无人驾驶的展望,将最小二乘支持向量机（LS SVM）机器学习应用到TBM掘进参数预测中,从吉林引松工程TBM掘进数据中提取掘进上升段的刀盘扭矩、刀盘推力、总推力、推进速度这4个重要参数建立LS SVM预测模型,预测4个参数在稳定段的均值,并讨论了模型训练集大小、参数选取等对预测性能的影响。结果表明,以原始数据中均匀提取的样本、RBF核函数和10折交叉验证建立的LS SVM模型可以较为准确地预测稳定段中上述4个参数,验证了LS SVM机器学习预测TBM掘进参数的可行性。     

基于集成Dropout-DNN模型的盾构掘进速度预测方法

为了提升土压平衡盾构机的掘进速度预测精度,提出一种集成Dropout-DNN模型的盾构掘进速度预测方法。依据济南地铁R1线盾构隧道段工况数据,将数据集划分为五份,并选取刀盘转速、刀盘扭矩、总推进力、螺机转速、土仓压力这五个参数为输入参数,分别建立了五个Dropout-DNN模型并进行集成实现了盾构掘进速度的预测,进一步对不同的预测方法进行了对比分析。研究结果表明：各Dropout-DNN模型预测精度具有一定的差异性但基本良好,其决定系数均大于0.6、平均绝对百分误差均小于10%,而集成的Dropout-DNN模型决定系数为0.695、平均绝对百分误差小于5%,可见集成模型预测精度较高;基于BP神经网络、DNN模型实现的盾构掘进速度预测模型其决定系数分别为0.502、0.566,可见提出的集成Dropout-DNN模型预测精度提升明显。     

基于改进信息熵值分析的TBM掘进参数研究

复杂地质条件下的TBM掘进参数的有效预测可以对TBM施工进行针对性的指导,基于深圳地铁10号线孖-雅双护盾TBM区间实际掘进参数,建立了一种基于改进信息熵值分析的TBM掘进参数预测模型,通过前序参数的熵值权系数自适应调整来预判后续TBM参数值,模型以TBM推力和扭矩样本参数进行训练并以实际工程数据进行验证,通过残差分析和相关性分析得出的预测值和实际值相符,说明该模型具有较好的非线性映射能力,基于改进信息熵值分析的TBM掘进参数预测模型能直观反映TBM装备载荷地质适应性规律,可为TBM施工掘进参数设置提供参考,提前预判规避不良地层施工风险.     

基于机器学习的TBM破岩效率预测模型研究

在TBM施工中经常会遇到复杂地质环境,导致TBM自身设备参数受到干扰,因此有必要针对相应条件下TBM滚刀破岩效率变化规律展开分析研究。相较于传统钻爆法,TBM拥有掘进迅速,破岩时间短的优越性。因TBM的这一突出优越性,所以保障TBM破岩效率已成为研究的关键问题之一。本文依托重庆轨道交通十号线二期工程,以项目所在地采集的花岗岩为研究对象进行室内试验,基于二维节理岩体试验,引入机器学习的方法,基于优化的BP神经网络,建立TBM滚刀破岩效率预测模型,并对模型预测结果准确性进行验证。结果表明,本文预测结果准确度高,适用于TBM破岩效率预测,为TBM滚刀破岩效率预测方法研究提供了理论参考。     

TBM掘进参数与不同岩性地层相关性分析

为了研究TBM掘进参数与不同岩性地层的相关性规律,以新疆某引水工程为背景,针对典型岩性地层选取了300 m掘进参数数据,采用数理统计方法分析3项掘进参数与6种岩性地层的相关性. 通过分析6种岩性地层下刀盘转速、总推力与推进速度之间相关性,提出6种岩性地层下的掘进建议. 结果表明:各种岩性地层中推进速度、总推力的平均值差距较大,且有较大波动;刀盘转速波动不大,平均值差异较小;硅质岩、安山岩和凝灰岩地层下,总推力、刀盘转速和推进速度不相关;糜棱岩和砂岩地层下,总推力、刀盘转速和推进速度正相关;碎裂岩地层下总推力与推进速度负相关.     

灰色组合预测模型应用研究

道路交通事故预测是道路交通安全研究的一项重要内容,它的目的是为了掌握交通事故的未来发展状况,对交通安全措施的可行性和实施效果进行合理评价,有效地控制各影响因素,达到减少交通事故的目的．可构建适应道路交通系统多属性特点的道路交通事故预测模型：灰色预测及其改进模型、神经网络预测模型、灰色神经网络组合预测模型．实证结果表明,灰色组合预测模型能够充分发挥各单一模型的优点,同时弱化了单一模型的缺点,比单一模型的预测结果更理想,精度更高．     

高瓦斯矿井掘进通风瓦斯浓度预测模型研究

为了对不同瓦斯涌出量和通风配置下的高瓦斯矿井掘进通风瓦斯浓度进行准确预测,文中在对掘进工作面瓦斯浓度的各种通风影响因素分析基础上,设计了两种掘进通风瓦斯浓度预测神经网络模型。利用MATLAB软件及煤矿现场获得的实测样本数据,建立了瓦斯浓度BP和RBF神经网络预测模型。通过预测结果对比分析可知,RBF神经网络预测模型能够对掘进通风瓦斯浓度进行准确地动态预测,为不同掘进阶段、不同瓦斯涌出量下的掘进通风方案选择提供了一定的理论依据。     

复合地层小直径隧道掘进机掘进速度区间预测

合理准确预测隧道掘进机(tunnel boring machine,TBM)的掘进速度是实现TBM智能化控制的关键问题之一,复合地层小直径TBM施工的不确定性较常规地质条件更强,而传统预测方法对施工过程的不确定性考虑不足。在此通过引入区间预测方法,提出基于4种不同Bootstrap方法结合KELM-ANN模型的TBM掘进速度区间预测模型,并以南水北调安阳输水隧洞工程为例,选取142组工程实测数据验证区间预测模型的有效性。研究结果表明:基于Rademacher分布建立的模型预测结果优于其他3种方法,不仅可以得到较好的点预测结果,还可以构造出较为清晰可靠的区间将掘进速度实测值完全包络在内;随着置信水平的提高,区间可容纳的不确定性和风险也逐渐上升,通过变化区间宽度,能较好地量化和解释TBM施工过程中的不确定性因素对掘进速度的影响。研究结果可为TBM掘进性能预测和掘进参数优化提供参考。     

引黄工程连接段TBM隧洞施工质量控制

详细阐述了全断面隧洞掘进机掘进技术要点和质量控制方法。在引黄连接段7^#洞TBM的施工中该质量控制方法得到了进一步的完善和发展，从而加快了施工进度，确保了成洞质量，取得了较好的经济效益。     

基于PSO-BP的钻井机械钻速预测模型

机械钻速预测是优化钻进过程、提高钻井效率的关键技术,现有的计算模型主要建立在物理实验和理论分析的基础上,缺少对钻井工程实测数据的应用,导致计算精度难以满足复杂的现场需求.基于此,提出一种人工智能算法与BP(back propagation)神经网络相结合的钻井机械钻速预测模型.首先,利用小波滤波方法对实测数据进行降噪处理,并依据互信息关联分析优选输入参数降低模型冗余.其次,利用粒子群优化(particle swarm optimization,PSO)算法实现对BP神经网络初始权值、阈值的优化,建立机械钻速预测新模型,并将PSO-BP新模型与标准BP、BAS(Beetle Antennae Search,天牛须算法)-BP及GA(genetic algorithm,遗传算法)-BP等三种模型进行对比分析.最后,根据实际工况对PSO-BP钻井机械钻速预测模型进行模型评价.结果表明,PSO-BP机械钻速预测模型不仅具有良好的预测精度,而且为钻进过程中提高机械钻速提供科学的参考.     

战术弹道导弹再入段机动突防仿真研究

研究了战术弹道导弹 ( TBM)再入段采用机动突防方式时攻防对抗的有关问题。通过构建攻防对抗仿真系统 ,较为系统地研究和探讨了 TBM再入点参数对其突防能力的影响和防御系统如何提高拦截效率的技术途径。     

TBM弹道预测及其误差分析

为了分析地球旋转对弹道预测的影响过程,以战术弹道导弹关机后任意一点为基准点,录取该点的坐标和速度矢量,基于所建立的坐标系,通过坐标转换及中段弹道参数计算,有效地简化了预测状态的过程,计算出基于战术弹道导弹关机后任意一点的弹道预测模型,通过该模型,可以在发现来袭战术弹道导弹后,预测该导弹在其后任意时刻的三维坐标.采用射程大干1 000 km的弹道数据进行仿真,对弹道预测的误差进行分析,验证了地球旋转对TBM弹道预测的影响.     

原油高温结垢速率测定和预测模型研究进展

综述了原油高温结垢的室内测定和预测模型的研究现状,重点回顾分析了预测模型的发展历程。室内实验和模型预测是研究原油高温结垢速率的重要方法。常用室内结垢实验装置分为搅拌式和回路式,通过实验可快速获取大量有效数据,但是实验数据往往存在缺陷,无法直接应用指导现场换热器防垢。结垢预测模型需要反映原油高温结垢的化学反应本质,体现原油物性、温度、流速等重要因素以及不同过程对结垢速率的影响。目前结垢预测模型,包括已经取得巨大成果的临界模型,大多属于半经验公式,其精度和适用性始终有限。更精确的模型必须基于对结垢机理的进一步研究。由于能够成功描述非线性系统特征,人工神经网络模型也将是另一种十分有前景的预测技术。     

焦炭质量预测模型

随着高炉大型化、富氧喷吹技术的发展,焦炭在高炉中的骨架作用愈加重要,钢铁企业迫切要求提高焦炭质量,为此需建立一组准确的焦炭质量预测模型,以更好地指导炼焦生产.在分析总结了国内外焦炭质量预测模型的基础上,对小焦炉实验数据进行了分析与回归,通过线性加修正的方法建立炼焦配煤数学模型,得到了焦炭灰分、硫分、机械强度(M40,M10)和热性质(CRI,CSR)的预测模型.通过实际生产进行了验证,模型的预测值与实测值间的误差均在6%以下,能很好地满足实际生产需求,为焦化厂快速准确得到配煤方案提供了理论依据.     

缝隙连接渗透率对钙离子传输的影响

已建立的渗透性模型主要基于连接蛋白的开关特性,却忽略实际蛋白间的差异,在应用上存在局限.从连接蛋白生物特征多样性的角度引入渗透率这一缝隙连接类型参数,对渗透性模型进行改进,分析渗透率对分子通信的时延、传输距离等参数的影响.选取钙离子为传输粒子进行仿真,实验结果验证了模型的准确性,在发送、传输条件一致的前提下,渗透率越高,接收钙离子波的幅度越大,对应的传输距离越远.     

冲旋钻钻速影响因素研究

分析了钻速（ＲＯＰ） 与泵量、立管压力、冲击频率以及钻柱和液柱共振之间的关系．指出,ＲＯＰ随冲击频率的增加而快速增加,但这种增加并非线性关系,存在一最优冲击频率范围,使钻速保持较高．共振对系统振幅有较大影响,因而直接影响到钻速的变化,既有利,又有弊,使得钻速的变化呈波动状．泥浆性质（粘度、密度,弹性） 对冲击频率有一定影响,它会降低冲击频率,研究认为,尽管有诸多影响冲旋钻钻速的因素,但冲旋钻的钻速比常规钻速要提高很多,是有前途的高效快速钻井方法．     

平台导引头隔离度模型辨析

通过对隔离度的产生机理进行研究,对比分析了基于惯性基准和基于弹体基准的隔离度模型之间的区别. 在基于惯性基准的隔离度模型基础上分析了干扰力矩对平台导引头隔离度的影响,并设计滞后校正降低了干扰力矩引起的隔离度. 研究结果表明,与基于弹体基准的隔离度模型相比,基于惯性基准的隔离度模型对隔离度产生机理的描述更为合理;在导引头稳定回路上增加滞后校正可以有效降低干扰力矩引起的隔离度.      

地下储层建筑结构预测模型的建立

在露头研究、岩心分析的基础上 ,在双河油田建立了不同于 Miall划分方案的 6级界面系列 ,总结了 7种基本结构要素 (水下分流道、河口坝、水下溢岸、前缘席状砂、重力流、水下决口扇、湖相泥 )的特征及测井响应 .通过储层精细对比 ,建立了双河油田核三段 I- IV油组的储层建筑结构预测模型 ,总结了建立地下储层建筑结构模型的方法和基本步骤 .模型表明扇三角洲平面模型具有分带性 ,剖面模型则可分为分流河道型、分流河道与河口坝型、席状砂型、递变型 .建筑结构模型可用于建立储层精细流动单元模型或结合开发动态 ,据此可直接进行剩余油分布分析     

三种预测模型的比较与研究

通过对某地区自然灾害造成的损失数据的预测,针对灰色预测模型GM(1,1)预测精度问题展开了一系列研究.采用直线插值法将非等时距数据进行等时距变换.通过后验差验算线性回归模型、指数回归模型和GM(1,1)模型的预测等级,验算结果表明指数回归模型的预测等级与GM(1,1)的预测等级都处于最优级,线性回归预测等级为不合格.为进一步研究GM(1,1)和指数回归预测模型的预测精度,将两者的预测相对残差绝对值进行对比分析,结果表明GM(1,1)整体预测精度比指数回归模型略高.