开采沉陷动态预计流变模型及应用

通过对采场覆岩移动变形规律进行研究，从流变力学角度，给出地表下沉时间位移函数，并结合实测资料对有关参数进行回归分析，运用推导公式与实测资料进行了结果对比，总结出符合大同矿区地表动态下沉经验公式。提出地表下沉推迟时间tr的概念，可作为划分开采沉陷剧烈程度的量化指标。     

基于灰色关联度分析和支持向量机 回归的沥青路面使用性能预测

沥青路面使用性能多因素预测是一个复杂的非线性问题,传统预测模型存在很多不足。为弥补传统模型的缺陷,建立一个高精度、长周期、多因素的预测模型,通过灰色关联度分析对各因素进行降维处理,选择与沥青路面使用性能关联度较大的影响因素进行支持向量机回归非线性预测,提出了基于灰色关联度分析和支持向量机回归(GRA-SVR)的沥青路面使用性能预测模型。最后选用广云高速实测车辙指数(RDI)值进行实例验证,并同GM(1,1)和PPI两种模型的预测结果进行了对比分析。结果表明:基于GRA-SVR建立的多因素预测模型具有很好的精度和可操作性,可在长周期过程中使用,为大数据养护决策提供了模型参考和依据。     

KPCA-LSSVM方法在视频时间序列预测中应用

为提高时间序列预测精度及降低预测过程中的计算复杂度,提出一种基于核主成分分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法.首先,将输入数据通过核方法映射至高维特征空间;然后,在特征空间上提取有效非线性主元;最终,通过LSSVM建立时间序列模型.为验证KPCA-LSSVM方法的有效性,将其应用于交通流及视频流预测中,在同等条件下,与单一的LSSVM及神经网络等预测方法进行比较.实验结果表明:基于KPCA-LSSVM建立的模型具有较好的推广性及较高的辨识精度.     

基于微震监测的地压活动规律和风险预测

 在介绍微震监测技术基本原理和系统组成架构基础上,以漂塘矿区为工程背景,借助统计学原理和地震学原理对其地压活动规律开展研究,分别从云图、地震参数时间曲线和地震统计b 值对矿山的448 中段进行风险评估,确认该中段特定区域为重点风险区域评估和预测区域。通过理论分析及实际结果表明,矿山地压活动与地下开采活动有着密切联系,开采活动是井下重要风险源之一。微震事件聚集区域与井下作业位置相对应,在时空上,微震事件活跃的高峰期与井下作业台班基本吻合。确定风险区域后,根据地震参数时间曲线分别设定观察期、预警期和危险期以减少损失。实践证明,微震监测系统可实现漂塘钨矿风险区域的岩体状态的全面监控,实现风险区域的监控和预警。     

基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

地连墙变形的神经网络多步预测研究

结合润扬长江公路大桥南汊北锚碇深基坑工程 ,提出并应用神经网络多步预测方法来研究地连墙施工变形的预测问题。系统介绍了基于时间窗口的神经网络多步滚动预测技术 ,并详细讨论了输入输出层的设计、隐层神经元数以及预测时间步长等一些基本预测技术问题。该预测方法应用于润扬长江公路大桥南汊北锚碇深基坑围护工程 ,取得了较好的工程效果。     

川东北宣汉-达县地区储层预测技术

川东北宣汉-达县地区以构造圈闭为主要勘探对象,钻探成功率低,为此开展了以储层预测技术为主导的构造-岩性复合圈闭勘探.通过山区地震数据高分辨率采集、处理、储层沉积相研究、储层测井响应特征、储层物性特征及储层层位标定、地震相研究、储层地震预测方法研究,确立了研究区内的三大储层类型及各类储层的研究方法,提出了川东北复杂储层预测以野外地震资料高分辨率采集为基础、多种特殊处理手段相结合,并以沉积相研究为指导的综合性研究思路,为川东北宣汉-达县地区储层预测方法研究提供了指导性意见,为该地区复杂储层勘探的深入与突破打了坚实的基础.     

Predicting the spread of nuclear radiation from the damaged Fukushima Nuclear Power Plant

Japan suffered a M9.0 earthquake and massive tsunami on March 11, 2011, which seriously damaged the Fukushima Nuclear Power Plant and caused a nuclear crisis. The spread of nuclear radiation from the power plant through the atmosphere and ocean was predicted with a short-term climate forecasting model and an ocean circulation model under some idealized assumptions. If nuclear matter were leaked in the near-ground layer of 992 hPa, the climate model results show that the nuclear radiation would cover North America 10 days after the initial leakage, with the concentration at the forefront dramatically reduced to 10 millionths of the initial model concentration at the source. The radiation would span Europe in 15 days and cover much of the Northern Hemisphere in 30 days. If the initial leakage was assumed to occur in the layer 5000-m above the ground, the radiation would cover Europe in 10 days and cover much of the Northern Hemisphere in 15 days. Moreover, under the assumption that the nuclear matter leaked in the 10000-m layer, the radiation would affect much of China after 10 days. The ocean circulation model indicates that the nuclear material would be slowly transported northeast of Fukushima and reach 150°E in 50 days, and the nuclear debris in the ocean would be confined to a narrow band. Compared with the spread in the ocean, the area affected by leaked nuclear radiation in the atmosphere would be very large. Atmospheric monitors in North America and Europe will be helpful for estimating the effect in China of any leaked nuclear material.     

基于Attention机制的LSTM股价预测模型

针对时间序列分析方法和神经网络对于股价预测具有一定局限性的问题,将基于Attention机制的LSTM模型应用于股价预测;以2014-01-02—2020-09-22日的上证工业指数、上证环保指数等相关数据为样本,在LSTM模型中引入Attention机制,使模型聚焦于重要的股价特征信息,预测股票第二日的最高价;实证研...     

弓型折流板换热器动态响应神经网络预测

采用ARX动态模型设计了一种用于换热器动态特性辨识及预测的人工神经网络结构模型,基于有限的实验数据将人工神经网络技术应用于以水、油为换热工质的弓型折流板换热器动态特性的预测当中.采用Levenberg-Marquardt算法对网络进行训练和测试,辨识和预测了换热器单侧流量扰动情况下油侧出口温度的响应情况及换热器油侧进口发生温度扰动情况下油侧出口温度响应情况,并与数值计算进行了对比,神经网络的预测结果好于数值计算.分析了神经网络模型的泛化能力.计算结果表明,人工神经网络对于复杂系统的动态辨识及预测是相当成功的,与基于数理模型的数值预测相比,有更好的预测精度,且模型的泛化能力也很强.