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.     

PSA-ANFIS方法的研究

矿山中的岩土工程灾害预测问题,是采矿工程领域亟需研究解决的重大课题.本文即针对这些问题,采用正交试验设计法和模式搜索算法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).进一步采用一多峰函数进行离散,构建了训练数据对、检测数据对和预测数据对,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均适合于解决矿山岩土工程灾害预测这一高度非线性的映射问题.     

ANFIS在水电站地下厂房围岩变形预测中应用

针对目前应用人工神经网络(ANN)方法预测地下洞室围岩变形时间序列的缺陷,提出一种将神经元网络和模糊逻辑有机结合的新型模糊推理系统——ANFIS(adaptive-network-based fuzzy inference systems),该系统采用反向传播算法和最小二乘法的混合算法分别调整前提参数和结论参数,充分地利用了神经网络的学习能力和模糊逻辑的表达能力,实现了回归模型的自适应调整.通过龙滩电站的实例应用可以发现,ANFIS预测系统较传统ANN方法具有简单、快速以及预测精度高等特点.     

紧邻基坑同步施工下坑间隧道的变形特性

摘要：
采用非线性平面有限元方法研究紧邻基坑同步施工下坑间土体与隧道的变形特性.将该方法运用到上海某基坑工程中的隧道位移预测,实测数据与有限元结果比较吻合,验证了其可行性.通过参数分析,讨论了基坑之间的距离、开挖宽度对坑间土体竖向位移的影响,并由此推算出了使得坑间地表土体平均竖向位移接近零的最优基坑间距与开挖宽度的关系.同时讨论了盾构隧道、明挖暗埋隧道与基坑的距离对于隧道竖向位移、支护结构侧移的影响.研究表明,开挖完成后,坑间盾构隧道的沉降比周围土体的沉降略小,而有围护结构的明挖暗埋隧道则表现为上抬,距离基坑越远,上抬量越小.
     

尤里卡沥青软化点人工智能软测量技术探索

人工神经元网络(ANN)应用于软测量是人工智能方法在石化过程中成功应用的热点，ANN不需要系统模型就能映射复杂非线性关系，特别适合炼油生产过程的建模与预测工作，研究了用ANN对尤里卡沥青软化点进行软测量的方法，和现用的吴羽公司kθ法相比，ANN方法测量精度高，具有学习能力和联想记忆能力，健壮性好，它与生产装置的DCS硬件相结合能够达到优化生产控制的目的。     

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.     

卡车路段行程时间的实时动态预测

分析了建立卡车路段行程时间预测模型传统方法的不足,考虑到高度非线性的露天矿运输系统有别于公路交通系统,针对卡车运行时间的随机性,采用多因子预测,阐述了应用人工神经网络(ANN)原理和方法对卡车路段行程时间预测的可能性和优越性,建立了预测模型的基本结构,描述了行程时间与其影响因素间的非线性映射关系,从而提出了基于人工神经网络原理的行程时间预测模型。     

新建并行道路对高铁桥墩位移响应的可靠性研究

为了研究软土地区新建并行道路对既有高铁桥墩位移的时变影响,以沪宁杭高速铁路某工程为背景,构建三维有限元模型并进行桥墩位移的参数敏感性分析,利用时变响应面法得到桥墩位移与敏感系数较大的土体参数的相关关系,根据响应面函数进行桥墩位移的概率分布计算,并评估桥墩位移的可靠概率。研究结果表明：桥墩位移对土体泊松比、回弹曲线斜率、临界状态斜率的敏感性系数较大;高铁桥墩位移响应面函数预测值与有限元模型计算值的相对误差在5%以内,响应面函数预测结果可靠;随着土体固结时间延长,桥墩最大横向位移不断减小,稳定后大部分桥墩的横向位移保持在2 mm以内;通过时变响应面函数拟合有限元计算结果,可以提高计算效率,获得考虑软土固结效应时既有高铁桥墩位移的可靠概率,为类似桥墩位移的预测提供一种较实用的方法。     

基于静力贯入的路基压实度确定方法

为了建立公路路基压实度检测的新方法,在研究静力贯入路基变形力学机理基础上,深入考虑路基土体变形的非线性特征,引进分级加载和地基沉降分析的分层总和分析的思想,结合增量广义虎克定律和Duncan-Chang模型,建立了以路基土体初始孔隙率、泊松比、粘聚力和内摩擦角等为参数的路基贯入荷载位移分析模型.基于上述静力贯入位移分析模型,根据实测路基静力贯入荷载位移曲线,引进自适应遗传模拟退火优化反演分析方法,建立了基于静力贯入试验的路基压实度检测方法,该方法不仅可以检测路基压实度,还可以测定路基土体其他物理力学参数,而且,该方法还具有检测速度快和效率高的特点.通过工程实例计算和与现有方法的对比分析,表明了本文方法的合理性与可行性.     

基于进化神经元算法的堡镇隧道软弱围岩施工弹塑性智能位移反分析

结合宜万铁路堡镇隧道的施工,将BP神经网络和遗传算法引入特长隧道软岩段的施工位移反分析,采用遗传算法自动搜索BP神经网络训练效果最优的参数,建立起反映围岩变形与岩体物理力学参数及初始地应力之间高度非线性、不确定的GA-BP智能模型,然后采用遗传算法在岩体物理力学参数和初始地应力取值范围内,搜索BP神经网络预测围岩变形与实测围岩变形最接近的参数组合,取得反演获得的岩体物理力学参数和初始地应力.从堡镇隧道应用结果来看,这种进化神经元算法反演结果可以满足隧道施工的需要,并为类似工程提供了借鉴.     

人工神经网络在镀锌钢板点焊性能估测中的应用

将人工神经网络引入镀锌钢板点焊的质量预测中,将实验得到的大量点焊规范参数与相应点焊接头质量的试验数据提供给神经网络学习,通过其非线性映射的泛化能力自动抽取所学习知识的特征,描述点焊规范参数空间与焊点接头质量空间的映射关系。结果表明,学习后的神经网络的预测曲线能够合理地预测焊接电流对镀锌钢板点焊的焊点熔核直径与拉剪强度的影响规律,恰当地反映点焊的基本原理,说明人工神经网络在镀锌板点焊性能估测中的应用是可行的。     

基于人工神经网络算法的某机场雾的模式识别预报

基于人工神经网络（ANN）误差后传算法（BP模型），通过对100个有雾天气个例和50个无雾天气个例进行模式识别训练，用前期（前日08、14、20时实测资料）的温、压、湿、风等要素指标建立起了某机场雾的ANN识别预报模型。该模型具有很好的拟合效果，独立样本的试验和检测结果均达到较为精确的预报效果，具有实际应用意义。     

基于径向基函数网络的宣城市空气质量预测

提出了一种应用人工神经网络进行空气质量预测的方法,即采用径向基函数神经网络进行短期的空气质量预测;并采用了主成分分析方法降低神经网络学习矩阵维数,浓缩预测信息,降维去噪.选取宣城市气象局2003年到2005年地面气象观测资料作为预测因子,宣城市环境保护监测中心提供的PM10、SO2浓度值作为预测对象,进行训练学习和预测验证.研究结果表明:将该方法应用于空气质量预测,效果良好,具有较强的实用性和推广能力.     

基于SVD_TLS及EKF算法的动态自组织模糊神经网络

提出了将奇异值分解总体最小二乘法(SVD_TLS)及扩展卡尔曼滤波(EKF)相结合的动态自组织模糊神经网络.首先给出了STD_DSFNN的结构及各层的含义;其次,用EKF算法学习非线性参数,SVD_TLS算法学习线性参数的同时提取重要模糊规则;最后,通过典型的Machey-Glass时间序列预测实例验证SVD_TLS及EKF相结合的动态自组织模糊神经网络(STE_DSFNN),同时与DFNN、ANFIS及UKF_DFNN相对比,结果表明STE_DSFNN网络结构更紧凑,具有更好的泛化能力.     

基于神经模糊推理系统的盾构施工地表沉降预测

盾构隧道施工引起的地表沉降,主要受盾构掘进参数和地层条件的影响,且各参数间关系复杂.已有地表沉降预测方法大都没有直接考虑掘进参数的影响,难以满足盾构快速施工超前预测预报和环境影响控制的需求.自适应神经模糊推理系统(ANFIS)是一种基于神经网络的模糊类智能模型,通过减法聚类数据细分技术自动生成模糊规则,使网络的节点和权值具有明确的物理意义,集成了神经网络数据自适应能力和模糊系统知识表达性能,特别适合于多元非线性系统的预测预报.结合北京地铁14号线东风北桥站至京顺路站区段工程实测数据,选取埋深、洞顶覆土标贯值、土仓压力、推进速度、刀盘转速、扭矩、盾构推力,以及同步注浆量为输入变量,建立了地表最大沉降量预测模型.计算结果表明,该模型计算量小,泛化能力强,计算精度高.研究成果为盾构施工地表沉降预测预报提供了新的技术方案.     

关于泛化神经网络与支持向量机的研究

人工神经网络(ANN)的泛化特性是神经网络最重要的特性,同时也是最不容易保证的特性。本文对改进泛化的神经网络算法以及新兴的机器学习算法——支持向量机算法进行研究,并分别用BP神经网络、改进泛化能力的神经网络、支持向量机对人体脂肪测试实例进行仿真预测分析,结果表明,支持向量机比神经网络、改进泛化神经网络具有更好的预测(泛化)能力,是人工神经网络的替代方法。     

电磁兼容的人工神经网络预测技术分析

电磁兼容预测是实现电子设备或系统电磁兼容性(electromagnetic compatibility,EMC) 的必要步骤.提出了应用人工神经网络对电磁兼容问题进行快速预测的方法.通过选择有效的电磁干扰参数作为输入预测因子,用误差反向传播的神经网络 (back propagation,BP)构造输入预测因子与敏感设备骚扰响应之间的映射关系,并用电磁场数值计算方法获得的训练样本集和测试样本集对构造好的BP网络进行训练,建立了基于BP网络的电磁兼容快速预测模型.最后以导线间的串扰问题为预测算例,表明了该方法的有效性.     

基于一致性估计的车用动力蓄电池组SOC修正法

目前车用动力蓄电池组荷电状态(SOC)的估计方法在应用时都将电池组看作一个整体,而忽略了组中单体电池之间的差异对整组SOC估计的影响.提出一种基于单体电池一致性估计的车用动力蓄电池组SOC修正方法.此方法采用了自适应神经模糊推理系统的基本原理,通过对模糊逻辑规则库的离线自适应训练,构建了可用于车载电池管理系统(BMS)的SOC一致性模糊推理系统.通过仿真或者试验验证表明,该方法能够在电池组SOC一致性发生变化的情况下,作出较为准确的判断并结合传统的整组SOC估计结果进行修正.说明通过该方法建立的模糊模型经过神经网络自适应学习后具有较好的泛化能力.