贝叶斯正则化神经网络在深基坑变形预测的应用

针对传统BP神经网络在深基坑施工开挖变形的预测,基坑的安全性判定仅利用监测的最终数值而无法全面服务于深基坑工程,提出了一种遗传算法(Genetic Algorithm, GA)和贝叶斯正则化算法(Bayesian Regularization, BR)组合优化传统BP神经网络的预测模型,在优化预测模型中加入了影响深基坑安全稳定的客观因素及人为主观因素,进一步提高了BP神经网络全局优化能力以及泛化能力.研究结果表明：该组合优化方法对深基坑地表沉降和水平位移变形预测的平均相对误差分别为0.32%和0.59%,表现出较高的预测精度.该组合优化模型首次在深基坑变形领域验证了应用的可行性,为深基坑变形预测提供了新的思路和方法.     

给水厂混凝剂智能投加模型构建与应用

选取华东地区某给水厂生产中积累的数据建立加药量预测模型,以求在给水厂中实现混凝剂的智能投加。在数据清洗时,针对水厂运行实际情况,结合局部离群因子（LOF）算法、K最近邻插补（KNN）算法与平滑滤波算法对随机误差进行处理。同时在建模前使用灰色关联度分析评估了各原水指标与混凝剂加药量的联系,对联系较为紧密的原水指标进行混凝机理的分析。模型选用BP神经网络,并使用贝叶斯优化算法对模型的参数寻优,建立了多个模型进行评估,其中最优模型在测试集6万个样本上的平均绝对误差为3.66 L/h,结果表明最优模型能够准确预测混凝剂加药量。在此基础上,展望将建立的智能投加模型应用于水厂加药系统中,帮助水厂加药系统的智能化改造方案的实施。     

文物保护单位火灾应急处置能力评估方法研究

文物保护单位参观场所内人员密集、易燃物间距小、消防疏散通道相对狭窄、消防基础相对薄弱,一旦发生火灾极易引发人员踩踏、文物损坏等事故。考虑到提升文物保护单位管理机构的火灾应急能力对快速控制火情、降低文物损失具有重要意义。本研究构建了文物保护单位火灾应急处置常见流程,分析了应急处置能力的影响要素及其相互关系,建立了贝叶斯网络,并以B文物保护单位管理机构为例,找出了应急处置薄弱环节,为B单位提升火灾应急处置能力提出建议。     

条件概率及其应用

条件概率是概率论中最重要的概念之一,文章着重分析了条件概率的概念、特点以及在实践中的应用。文章对有关条件概率的几种形式作出分析,对不同形式的条件概率应用作出相应的解答。     

重载铁路桥梁服役性能评估

从竖向刚度和平顺性二方面入手,考虑徐变、钢筋锈蚀等不同因素对时变刚度的影响,建立桥梁静活载产生的弹性挠度变形模型和恒载产生的长期挠度变形模型.将弹性挠度值和长期挠度值分别作为对竖向刚度和平顺性评估的指标,应用贝叶斯推衍模型,以先验模型为基础,融合t0时刻的工程检测数据,对t0时刻上述指标进行更新推衍并与允许值对比;以更新后的先验模型为基础,通过分析其变化趋势及与允许值间的关系,实现对重载铁路桥梁服役性能随运营时间演变的评估和预测.通过在工程实测中的应用表明评估结果与实际情况符合较好.     

基于相关向量机的赖氨酸反应过程参数软测量

针对支持向量机(SVM)计算复杂度高、参数不容易确定等局限性,提出一种基于相关向量机(RVM)的赖氨酸反应过程关键参量的软测量方法.根据过程经验,确定发酵液的溶解氧浓度、pH值、二氧化碳释放率、氧吸收率和葡萄糖流加速率为辅助变量,利用相关支持向量机的拟合与泛化能力,建立了赖氨酸反应过程基质浓度、菌体浓度、产物浓度等不可直接测量参量的软测量模型.基于L-赖氨酸反应过程开展的试验研究表明:所建立的相关向量机软测量模型拟合精度高、泛化能力强,较好地满足了赖氨酸反应过程的控制要求.     

贝叶斯公式应用教学的一种新设计

文章对贝叶斯公式的应用教学进行了设计,举一反三,灵活运用了现代教学方法,突出了"用概率"的思想。     

基于朴素贝叶斯分类算法的股指预测研究

预测大盘指数的涨跌幅度在股票投资中具有重要的意义。大盘指数的涨跌既与国家的宏观经济政策有关,也与大盘指数自身运行状态有关。结合朴素贝叶斯分类算法和股票大盘指数涨跌的影响因素建立了大盘指数分类预测模型,以上证指数为例进行了实验,结果表明分类预测模型有效,准确性较高。     

基于体制转换的图模型方法及其在证券市场的应用

提出了新的基于体制转换模型的图模型方法.首先给出精度矩阵参数化方法,且通过MCMC方法给出算法设计,然后将该图模型方法应用于我国上海证券市场,研究五大行业板块之间的动态条件相关性.实证结果表明:两状态图结构恰好体现高、低不同的条件相关性,且状态持续的概率较大.     

两阶段的贝叶斯模型选择与筛选试验分析

针对非正态响应的部分因子试验设计,当筛选试验所涉及的因子数目较大时,提出了一种两阶段的贝叶斯模型选择方法.首先,运用蒙特卡洛(MCMC)方法模拟广义线性模型各参数的后验分布,并根据各参数大于零或小于零的后验概率考察各变量的显著性,得到初始的当前模型与候选模型;其次,利用贝叶斯模型评估准则DIC对当前模型与候选模型进行逐步迭代优化,筛选出显著性因子,得到了具有最佳短期预测性能的模型;最后,实际的工业案例说明此方法能够有效处理非正态响应部分因子试验中显著性因子筛选问题.