基于DE优化SVR的锂离子电池剩余容量预测

在分析了支持向量机回归算法(SVR)对剩余容量模型非线性回归基础上,针对SVR参数选择难的问题,提出了一种基于微分进化(DE)算法优化SVR的算法。DE具有强劲的全局搜索能力,将其应用到SVR的参数寻优当中去,可以寻找到SVR的最优参数。将该方法应用于锂离子电池剩余容量的预测模型,并将生成的模型和基于粒子群优化(PSO)算法的SVR锂离子电池容量预测模型比较。仿真结果表明,基于DE优化的SVR剩余容量预测的精准度高于PSO优化的SVR剩余容量预测精准度,为锂离子电池容量预测提供了一种新的方法。     

基于现场数据的TBM掘进速率研究

为了研究TBM掘进速率在不同地质条件下的变化规律,基于吉林引松供水隧道工程开敞式TBM现场掘进数据,将TBM刀盘破岩过程分为3个阶段：挤压阶段、起裂阶段和破碎阶段,并对破碎阶段应用统计回归方法,分析在不同岩石饱和单轴抗压强度、完整性系数的条件下,TBM刀盘贯入度与刀盘推力、刀盘扭矩的关系.研究表明,在特定施工条件下,刀盘贯入度随刀盘推力增大呈幂函数曲线增长,随刀盘扭矩增大呈线性关系增长,增长率与岩石饱和单轴抗压强度、完整性系数密切相关.进一步建立对于不同强度、完整性岩石的掘进机掘进速率模型,进行实际工程施工预测,预测结果的平均相对误差都低于16%,表明模型预测精度较高,可以为实际工程施工中操作参数的优化和不良地质条件的捕捉提供帮助.     

基于XGBoost的隧道掘进机操作参数智能决策系统设计

为了实现隧道施工的同质化,提出基于极端梯度提升算法（XGBoost）预测模型的隧道掘进机（TBM）操作参数的智能决策方法. 定义场操作系数指数（FOI）作为替代传统场切深指数（FPI）的围岩级别特征参数,使用XGBoost算法建立预测模型以实现对FOI的预测,对围岩级别进行预测、判断. 通过对优秀司机在特定FOI下TBM操作参数的选择,建立专家模型实现FOI与特定TBM操作参数的关联,实现TBM操作参数的智能决策. 使用引松工程的现场数据进行对比实验,结果表明,设计的TBM操作参数的智能决策系统能够实现对优秀的TBM司机操作参数决策的复现,相比于以FPI为特征参数的传统智能决策系统,新系统的推进速度和刀盘转速两部分的平均相对误差分别下降8.84 %和7.97 %.     

基于数据驱动的柔性立管骨架层多目标优化

骨架层是柔性立管的最内层结构，主要用于抵抗深水外压荷载。骨架层截面形状复杂，尺寸参数繁多，这种特殊截面对骨架层临界压溃载荷的准确评估和优化设计提出挑战。本文建立了骨架层有限元模型，开展了非线性屈曲分析，并对比有限元仿真结果与实验结果，误差仅为6.93%。基于有限元仿真结果，建立了数据驱动的高精度代理模型预测骨架层临界压溃载荷，并对骨架层截面的关键参数进行灵敏度分析，发现厚度对骨架层临界压溃载荷起着决定性影响，贡献占比达64.55%。以骨架层最大临界压溃载荷和最小质量为优化目标，采用多目标粒子群优化算法对骨架层截面关键参数进行多目标优化，得到帕累托最优解集。根据3组应用工况得到对应3组最优截面参数，优化截面的代理模型预测临界压溃载荷和有限元仿真临界压溃载荷误差均小于3.00%,验证了预测结果的准确性。     

基于图像质量分析的PM_(2.5)空气质量预测

为了提高空气污染物PM_(2.5)质量浓度预测的准确性,提出了一种基于图像数据预测PM_(2.5)质量浓度的方法.首先用手机或相机获取图像数据,然后用图像质量分析模型提取与PM_(2.5)质量浓度相关的特征向量作为输入,建立一个基于粒子群优化(particle swarm optimization,PSO)算法的支持向量回归机(support vector regression, SVR)(PSO-SVR)预测模型来估计PM_(2.5)的质量浓度.实验结果表明,与SVR模型和用遗传算法(genetic algorithm, GA)优化的支持向量回归机(GA-SVR)模型相比,PSO-SVR模型在预测准确性和实施效率方面具有更好的预测性能.     

NSVR硬岩隧道掘进机刀盘扭矩预测分析

为了避免硬岩隧道掘进机（TBM）刀盘受困,提出TBM刀盘扭矩的非线性支持向量回归（NSVR）预测模型来指导TBM掘进施工.结合吉林引松供水工程现场掘进大量数据,研究TBM刀盘扭矩与掘进参数间的相关关系,得到刀盘扭矩与围岩类别、刀盘转速和推进速度具有明显相关关系：随着围岩强度由强到弱,推进速度对刀盘扭矩的影响逐渐变弱,刀盘转速对刀盘扭矩的影响逐渐变强.基于这种相关关系,建立刀盘扭矩NSVR预测模型,并将该模型应用于吉林引松隧道工程,对按1：1划分的19 854个训练样本和19 854个测试样本的刀盘扭矩进行预测.预测结果表明：训练样本集和测试样本集的平均相对预测误差分别为11.3%和12.9%,测试样本集中相对预测误差高于60%的有516个测试样本,占测试样本集总数的2.6%.各项数据表明,在给定刀盘转速、推进速度和围岩类别条件下,建立的刀盘扭矩NSVR预测模型具有较高的预测精度.     

PSO—SVR在果酒生物活性物质预测中的应用

针对BP神经网络和遗传算法对果酒生物活性物质预测存在速度慢和精度低的缺点,建立了基于支持向量回归机（SVR）的果酒生物活性物质预测模型。鉴于支持向量机模型的精度和泛化能力很大程度取决于不敏感损失系数ε、惩罚系数C和RBF核函数的宽度系数7三个参数,模型采用粒子群算法对三个参数同时进行优化,实现了果酒生物活性物质的非线性预测。仿真结果表明：基于PSO—SVR算法的果酒生物活性物质预测模型性能优于所比较的BP神经网络模型和支持向量回归机模型,能有效提高果酒生物活性物质的预测精度和稳定性。     

基于VMD-PSO-SVR模型的短期负荷预测

准确的短期负荷预测结果可以为电网内机组的调度提供基础,制定出合理的调度方案,从而提高电网运行效率。作者提出了短期电力负荷预测的VMD-PSO-SVR组合模型。首先,对原始负荷数据进行预处理,组合各类特征构建负荷数据集,利用VMD对负荷数据集进行分解,降低数据的非光滑性;其次,利用SVR算法对分解后的每个IMF分量进行单独预测,并使用PSO算法对SVR算法的超参数进行优化,提高SVR算法的预测精度;最后,对所有IMF分量所对应的预测结果进行叠加处理,从而获得最终预测结果。实验结果表明,该模型MAPE为1.55%,RMSE为38.56 MW,优于其他预测模型。     

基于局部线性嵌入和支持向量机回归的TBM施工参数预测

依托吉林引松工程开展隧道掘进机（TBM）施工参数预测研究,提出TBM施工数据分段提取算法,提取上升段前30 s的总推进力、刀盘转速、推进速度、刀盘扭矩、刀盘转速电位器设定值、推进速度电位器设定值、贯入度、贯入度指数(FPI)、扭矩切深指数(TPI)9个参数作为输入;通过局部线性嵌入（LLE）完成对上升段数据特征的降维;基于支持向量机回归（SVR）建立TBM施工控制参数（推进速度、刀盘转速）和负载参数（总推进力、刀盘扭矩）预测模型. 分析是否结合前一掘进循环的FPI、TPI指数进行预测对预测效果的影响. 结果表明,上述方法在推进速度、刀盘转速、总推进力、刀盘扭矩的预测中均取得了较好的预测效果,平均预测绝对百分比误差均小于15%,验证了该预测方法的有效性,该方法可以为TBM现场施工提供指导.     

响应面模型在艇型多目标优化中的应用

针对潜器的艇型优化,研究了试验设计、响应面模型技术和多目标优化算法.选择了决定回转体艇型的6个参数,将阻力数值计算结果进行数据回归,建立阻力、体积与型值的二阶多项式响应面模型.然后将阻力最小与体积最大作为回转体艇型优化的两个目标,研究了多目标遗传算法,并给出了 Pareto 最优解集.结果表明,在艇型优化过程中采用近似...     

适应复杂多变地质隧道双结构TBM研制与应用

川藏铁路隧道建设面临着高原高寒、地形高差大、地质条件复杂等方面严峻挑战，应用全断面隧道掘进机（Tunnel Boring Machine）是高效建成川藏铁路隧道的有效途径之一，但常规TBM已无法满足复杂地质多变隧道施工要求。为保障TBM安全、高效施工，提出了一种适应极端复杂地质环境的新型双结构TBM，首先，探讨了不良地质下传统TBM的适应性，分析了敞开式TBM在极端复杂地质环境下隧道变形机理；进一步地，针对不良地质下敞开式TBM施工痛点，基于常规敞开式TBM结构，开展了预留超前地质预报接口、主机结构增强、强化支护能力和清渣能力、释放地应力、安全防护措施等一系列创新性设计，并建立了常规地质“网-喷-锚”敞开支护和不良地质“钢管片-辅推”封闭支护的双结构支护体系；最后，依托于色季拉山项目，评价了双结构TBM在不良地质条件下的适应性，现场整体掘进率表明，应用效果良好。对于解决TBM复杂地质条件下施工有一定的借鉴意义。     

基于马尔可夫过程和深度神经网络的TBM围岩识别

为了实现隧道围岩的实时识别,基于马尔可夫过程和深度神经网络模型,提出将先验围岩信息和掘进参数结合,作为深度神经网络输入的隧道掘进机（TBM）围岩实时识别方法. 根据施工现场地质勘探资料,用马尔可夫过程的隧道围岩分类方法预测隧道沿线的围岩分布概率;将该围岩分布概率作为先验围岩信息,结合TBM掘进参数作为神经网络输入,真实围岩类别作为输出,训练深度神经网络以实现对TBM前方围岩的实时识别. 使用工程现场数据进行对比实验,结果表明,所设计的深度神经网络模型的围岩总体识别率高于96%. 相比于仅将掘进参数作为输入,当结合先验围岩信息和掘进参数作为输入时,模型围岩识别率提高6%以上.     

TBM隧道综合超前地质预报及其在阳灵隧道的应用

超前地质预报对于实现隧道施工的信息数据化,灾害防治的有效化,施工支护的经济化等方面具有不可代替的作用。对比分析钻爆法中的超前地质预报方法在隧道掘进机(tunnel boring machine, TBM)特定的施工环境下使用的有效程度,提出综合“长短距离、物探钻探、声波电磁、重点平时”的TBM隧道施工下的超前地质预报体系的构想,并基于水平声波剖面法(horizontal sonic profiling, HSP)声波反射法、钻孔过程监测系统(drilling process monitoring, DPM)超前钻探、瞬变电磁仪等方法,利用三维正演计算的理论研究,进而压制了单一超前地质预报方法的多解性和误差叠加性,从而提高预报的精确度和可靠性。基于本研究的电磁响应规律以及去除电磁干扰研究,指导宜兴阳灵隧道瞬变电磁法的实际工程应用,并对预报结果进行总结对比,从而为今后工程提供借鉴参考。     

TBM隧道综合超前地质预报及其在阳灵隧道的应用

超前地质预报对于实现隧道施工的信息数据化,灾害防治的有效化,施工支护的经济化等方面具有不可代替的作用。对比分析钻爆法中的超前地质预报方法在隧道掘进机(tunnel boring machine, TBM)特定的施工环境下使用的有效程度,提出综合“长短距离、物探钻探、声波电磁、重点平时”的TBM隧道施工下的超前地质预报体系的构想,并基于水平声波剖面法(horizontal sonic profiling, HSP)声波反射法、钻孔过程监测系统(drilling process monitoring, DPM)超前钻探、瞬变电磁仪等方法,利用三维正演计算的理论研究,进而压制了单一超前地质预报方法的多解性和误差叠加性,从而提高预报的精确度和可靠性。基于本研究的电磁响应规律以及去除电磁干扰研究,指导宜兴阳灵隧道瞬变电磁法的实际工程应用,并对预报结果进行总结对比,从而为今后工程提供借鉴参考。     

基于隧道掘进机掘进过程的岩体状态感知方法

针对现有技术无法预先、实时获取隧道掘进机（TBM）掌子面岩体状态参数的问题,提出基于TBM掘进过程监测的岩体状态感知方法. 以吉林引松供水工程TBM施工隧道为依托,分析TBM掘进过程中掘进参数的变化规律,建立TBM掘进参数与岩体参数数据库,研究TBM设备参数和在掘岩体参数之间的相互关系. 分别采用分步回归和聚类分析的方法建立岩机关系模型,利用监测TBM掘进参数实时感知岩石强度、体积节理数和围岩等级等参数. 以石灰岩和花岗岩地层为例,对TBM在掘岩体参数的预测值与实际值进行对比. 结果表明,利用提出的岩体状态感知方法预测的岩石抗压强度UCS和体积节理数与实际值的误差小于18%,预测当前围岩等级与实际岩体状态基本一致,验证了研究结果的准确性.     

采用BP-ANN和改进SVR的进水BOD软测量模型

进水水质条件是研究和优化管理污水处理厂所需的关键要素,及时获取进水水质数据至关重要.针对污水厂关键性水质指标BOD5不易直接检测、滞后强的特点,分别采用BP神经网络(BP-ANN)、网格搜索算法(GS)优化支持向量回归(SVR)、粒子群算法(PSO)优化的SVR和遗传算法(GA)优化的SVR 4种方法,通过利用其他进水...     

TSP隧道地震勘探在高速铁路隧道中的应用

介绍了TSP203隧道地震勘探的基本原理,分析了TSP系统探测的详细流程．以沪昆客专长昆段位于湖南芷江境内的姚家隧道为工程实例,利用TSP技术对其进行超前地质预报．在进行现场数据采集、数据处理、图像分析的基础上,对姚家隧道DK380＋350．DK380＋370里程段进行了地质情况预测．最后将隧道实际开挖后掌子面的地质揭露与TSP超前地质预报结果进行对比,验证了预报的准确性．