基于遗传算法的双线性模型在大坝安全监测预报中的应用

文章提出了实用自相关系数图确定双线性模型的自回归项,应用了基于遗传算法的一套建模方法。通过实例表明,由于双线性模型实际拟合和预测过程中产生的残差信息进行反馈矫正,保证了模型高的拟合精度和稳健的预测性能,与门限自回归模型比较,双线性模型比门限自回归模型具有更好的预测精度。     

基于统计模型与混沌理论的大坝安全监测混合预测模型

为解决传统统计模型在大坝安全监测领域应用中由于缺少对残差的分析而存在拟合精度高但预测效果欠佳的问题，在传统统计模型中增加残差预测项，并应用混沌理论对残差预测项的计算方法进行探讨，从而提出了一种新的混合预测模型，同时结合实测数据对此模型进行了检验。结果表明，新模型可提高预测精度并具有一定的实用性。     

大坝变形监测的BP网络模型与预报研究

建立有效实用的大坝安全监测模型,对于馆控大坝运行意义重大。针对目前国内外常用统计模型、确定性模型等的不足,提出将基于误差逆传播算法的BP神经网络模型用于大坝变形监测数据的拟合分析及其预测预报研究,最后以福建水口混凝土重力坝变形监测为例,对坝顶垂直位移实测值建立了BP网络模型,并将模型用于坝顶垂直位移预报,结果表明,BP网络模型的拟合和预报精度明显优于相应的统计模型。     

基于粗集知识推理的IDSS中的知识表示

 探讨在智能决策支持系统中的知识表达,讨论了属性在知识表达系统中的作用,决策表格形式的知识表达系统的性质、作用以及根据粗集理论(其基本观点是:人类的知识表现为对对象的分类能力)分析处理海量信息中信息的有用特征,通过分析、推理产生最小决策规则.     

S-粗集知识的动态推理与识别

利用数理逻辑中命题逻辑的形式, 给出知识系统受到外部属性干扰时, 干扰的逻辑推理结构, 知识的动态推理与识别, 提出知识的推理识别定理, S-粗集的推理识别定理, 知识的动态推理识别原理。 给出知识的动态推理与识别在知识动态识别中的应用。     

大坝安全监测自动化系统设计与研究

安全监测自动化是集工程建筑、传感器、测试仪表、微电子、计算机，自动化和通讯技术为一体的系统工程。介绍了岩土工程安全监测自动化系统的结构设计、软件配置、监测资料粗集模型以及大坝安全自动化监测系统的发展趋势。     

基于元素干扰S-粗集知识的推理-识别

利用数理逻辑中命题逻辑的形式,给出元素干扰与关系因子的逻辑推理表示,然后给出知识系统受到外部因素干扰时,知识的逻辑推理表示,以及S-粗集的逻辑推理表示,给出知识的动态推理与识别定理,S-粗集的动态推理与识别定理。解决了元素干扰对系统进行干扰时,S-粗集知识的动态推理与识别问题。     

大坝安全监测要素分析

分析了影响大坝安全的因素,介绍了大坝安全监测的目的、要求和方法,阐述了针对这些影响因素的各阶段的监测内容.     

大坝安全监测数据分析方法研究

大坝监测数据分析理论和方法的研究与应用已经取得了相当的进展,为保证大坝安全运行发挥了巨大的作用,本文基于笔者多年从事大坝安全分析的相关工作经验,以大坝安全监测数据分析为研究对象,探讨了安全监测数据分析的意义和内容,给出了安全监测数据分析方法,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行能有所裨益。     

大坝实施安全监测的方法探析

大坝安全监测是人们了解大坝运行性态和安全状况的有效手段。随着科学技术的发展、管理水平的提高及人们观念的转变,大坝安全监测的方法也随之改变。本文探讨了影响大坝安全的因素,并提出了相应的安全监测手段。     

基于粗糙集和D-S证据理论的交通拥堵预警

鉴于拥堵预警中的信息和知识具有随机性和不确定性、采集到的数据又常常包含着噪声的特点,利用粗糙集能够对数据进行分析和处理,D-S理论能够分析各种不完备信息的特点,提出了一种算法——基于粗糙集和D-S理论,计算交通可能发生拥堵的概率,为交通拥堵预警提供分析与支持.仿真结果表明该方法是可行而且有效的.     

一种多粒度覆盖粗糙集模型

多粒度粗糙集是粗糙集模型在多粒度及分布式环境中的一种重要的拓展形式,其主要思想是采用一族而非一个粒空间中的知识来对目标进行粗糙逼近。将多粒度的思想引人覆盖粗糙集模型中,采用一族而非单个的覆盖,提出了一种多粒度覆盖粗糙集模型。     

不确定信息的粗糙集表示和处理

随机性和模糊性是不确定性中最重要和最基本的2个特征。分析和比较了表示和处理不确定性知识的一些主要的拓展集合理论,并系统的介绍了基于粗糙集的不确定知识的表示和处理方法。系统讨论了粗糙集理论对经典集合论的拓展,用经典集合计算方法对粗糙集的核心算子进行了对比分析,同时对定义在信息系统上的粗糙逻辑也进行了分析。通过分析粗糙集理论在人工智能领域的几类典型应用案例说明了粗糙集在表示和处理不确定性问题方面的重要作用和优势。最后对不确定知识的表示和处理的一些有待进一步深入研究的关键问题进行了展望。     

基于可变精度粗集模型的增量式规则获取算法

为了获取最小决策规则集，当增加新样本时，传统的方法通常需要对决策表中所有数据重新计算，效率欠佳。从可变精度粗集模型理论出发，讨论了新增记录与已有条件属性等价类的关系及对规则集的影响，在此基础上提出了基于可变精度粗集模型的增量式规则获取算法。通过仿真实验表明，这种增量式算法是可行的。     

基于可变精度粗集模型的增量式规则获取算法

为了获取最小决策规则集,当增加新样本时,传统的方法通常需要对决策表中所有数据重新计算,效率欠 佳.从可变精度粗集模型理论出发,讨论了新增记录与已有条件属性等价类的关系及对规则集的影响,在此基础 上提出了基于可变精度粗集模型的增量式规则获取算法.通过仿真实验表明,这种增量式算法是可行的.     

基于RS-GP模型的边坡安全系数预测

鉴于边坡系统影响因素之间的高度非线性和不确定性,融合RS-GP模型的优势,提出了依据边坡稳定性影响因素类比计算边坡安全系数的方法.该方法通过学习样本的数据特征分析、计算属性的重要性及约简规则,降低了遗传规划预测模型的结构规模.人工神经网络(ANN)模型与RS-GP模型计算结果比较表明:该方法具有计算速度快、容错能力强及精度高等特点.     

基于模糊集和粗糙集理论的故障诊断方法的研究

概括介绍了模糊集粗糙集的基本理论,对基于它们的故障诊断方法进行比较,并提出在故障诊断方法中一些可能的研究方向。     

大坝安全监控中的不确定性信息初探

首先根据大坝安全监控研究对象不确定性的性质，将不确定性信息分为随机信息、模糊信息、灰信息、未确知信息以及盲信息等，并概述了这几种不确定性信息的表现形式及其处理方法；然后针对大坝安全监控信息采集和处理的特点，简述了不确定性信息在大坝安全监控中的具体表现形式；最后探索了不确定性信息在大坝安全监控领域中的应用前景，并提供了一种采用不确定性信息处理方法对大坝安全进行分析和评价的新的思路。     

一般关系下的变精度粗糙集模型

通过分析一般关系下基本粗糙集模型的不足,定义了一般关系下的多数包含关系,借助引入的误差参数α(0≤α＜1/2),给出了一般关系下的变精度粗糙集模型.在该模型中,当α=0时,退化为一般关系下的基本粗糙集模型(Z.Pawlak模型);当|Rs(x)|·α=k时(|Rs(x)|表示元素x后继邻域Rs(x)之基数,k为非负整数),退化为常见的程度粗糙集模型.通过它与一般关系下基本粗糙集模型(Z.Pawlak模型)的比较,可以看出,在引入误差参数α后,能够使尽可能多的有用信息被提取、挖掘.从而克服了基本粗糙集模型中由于要求绝对精确的包含关系而使大量有用信息丢失的现象,并讨论了所给模型的一些性质.最后,在所给模型基础上讨论了一种广义近似空间中集合的相对可辨性、近似依赖和属性约简.