基于蚁群算法优化支持向量机的边坡位移预测

由于复杂工程地质条件和环境因素的综合影响,边坡变形呈现复杂非线性演变特征。借助支持向量机(SVM)可有效解决小样本、高维数、非线性等问题的优点,对边坡实测位移进行数据挖掘,预测边坡变形趋势。为了避免人为选择支持向量机模型参数的盲目性,提高模型预测精度和泛化能力,引入改进的蚁群算法(ACO)对模型参数进行寻优,结合位移时序滚动预测方法,建立了适合边坡变形预测的ACO-SVM模型。将该模型应用于2个边坡的位移预测,研究结果表明,ACO-SVM预测精度高,模型建立正确。与遗传算法、粒子群算法优化SVM的预测结果相比,ACO-SVM模型预测精度更高,具有更强的泛化能力,预测结果更加合理,在边坡变形预测中具有一定的工程应用价值。     

多组群教学优化算法-神经网络-支持向量机组合模型在径流预测中的应用

采用5个标准测试函数对多组群教学优化(MGTLO)算法进行仿真验证,并将仿真结果与基本教学优化(TLBO)算法、混合蛙跳算法(SFLA)、差分进化(DE)算法和粒子群优化(PSO)算法的仿真结果进行对比。利用MGTLO算法搜寻基于广义回归神经网络(GRNN)、径向基神经网络(RBF)、支持向量机(SVM)模型单元的组合模型的最佳模型参数和组合权重系数,提出MGTLO-GRNN-RBF、MGTLO-GRNN-SVM、MGTLO-RBF-SVM、MGTLO-GRNN-RBF-SVM 4种组合预测模型,以新疆伊犁河雅马渡水文站和云南省某水文站年径流量预测为例进行了实例分析,并将预测结果与MGTLO-GRNN、MGTLO-RBF、MGTLO-SVM和GRNN、RBF、SVM 6种单一模型的结果进行对比分析。结果表明:MGTLO算法寻优精度优于TLBO、SFLA、DE和PSO算法,具有较好的收敛速度和全局极值寻优能力;组合模型融合了MGTLO算法与GRNN、RBF、SVM模型单元的优点,在预测精度、泛化能力等方面均优于单一模型;MGTLO算法能有效优化各组合模型的相关参数和权重系数,MGTLO-GRNN-RBF-SVM模型预测精度最高。     

RBF与GRNN神经网络模型在城市需水预测中的应用

针对需水量预测具有受诸多因素影响的复杂、高维和非线性等特性,本文基于RBF与GRNN神经网络算法原理,构建RBF与GRNN神经网络需水预测模型,将模型应用于城市需水预测中,并与基本BP神经网络模型以及灰色GM(1,1)需水预测模型的拟合、预测结果进行了对比分析.结果表明:①RBF与GRNN神经网络模型有着较高的拟合、预测精度,平均相对误差均在5％以内,表明研究建立的RBF与GRNN神经网络模型应用于需水预测是合理可行的,模型泛化能力强,预测精度高,算法稳定,与基本BP网络算法相比,RBF与GRNN网络模型还具有收敛速度快、调整参数少和不易陷入局部极小值等优点,可以更快地预测网络,有着良好的应用前景.②相对而言,RBF与GRNN神经网络模型预测精度要优于基本BP网络和灰色GM(1,1)模型.     

免疫粒子群算法与支持向量机在枯水期月径流预测中的应用

针对支持向量机(SVM)最佳算法参数难以确定以及基本粒子群算法(PSO)易陷入局部极值等不足,提出免疫粒子群算法(IAPSO),利用IAPSO算法搜寻SVM学习参数,构建IAPSO-SVM预测模型,并与PSO-SVM、GA-SVM模型作为对比,以云南省某水文站枯水期月径流预测为例进行实例研究,利用实例前43年和后10年资料对模型进行训练和预测。结果表明:IAPSO-SVM模型对实例后10年枯水期1-3月月均径流预测的平均相对误差绝对值分别为3.32%、6.52%和6.55%,精度优于PSO-SVM和GA-SVM模型,表明IAPSO-SVM模型具有较高的预测精度和泛化能力。IAPSO算法利用浓度选择机制及免疫接种原理,改进了基本粒子群优化算法的全局寻优能力和收敛速度,具有较强的全局寻优能力。利用IAPSO算法优化得到的SVM学习参数可有效提高SVM模型的预测精度和泛化能力。     

果蝇优化算法与支持向量机在年径流预测中的应用

针对支持向量机(SVM)学习参数难以确定的不足,利用果蝇优化算法(FOA)搜寻SVM学习参数——惩罚因子和核函数参数,提出FOA-SVM预测模型,并构建基于粒子群优化(PSO)算法、遗传优化(GA)算法搜寻SVM学习参数的PSO-SVM和GA-SVM模型作为对比,以云南省董湖站年径流预测进行实例研究。结果表明,FOASVM模型预测精度优于PSO-SVM和GA-SVM模型,具有较高的预测精度和泛化能力。     

基于不同核函数的SVM用于径流预报的比较

为提高径流预报的预测精度,分别采用基于RBF、ERBF的核函数对碧流河水库的年径流量建立了SVM回归模型。径流预报结果表明:基于ERBF核函数的SVM回归方法的预报误差、均方误差均比基于RBF核函数的SVM回归方法的结果小,径流预测精度也高于基于RBF核函数的SVM方法的结果。     

基于粒子群优化算法的RBF神经网络在闸墩裂缝宽度预测中的应用

针对RBF神经网络选取网络参数及结构不当导致网络收敛慢的问题,采用粒子群算法优化RBF神经网络参数,建立了基于粒子群优化算法的RBF神经网络模型(PSO-RBF神经网络模型),对双台子河闸闸墩混凝土表面裂缝宽度进行了模拟和预测。结果表明,与单一的RBF神经网络模型相比,PSO-RBF神经网络模型预测精度更高。用训练好的PSO-RBF神经网络模型预测了2015年5月21日~6月14日闸墩混凝土表面裂缝宽度,发现该闸墩混凝土表面裂缝宽度呈周期性变化且有变大的趋势。     

基于支持向量机(SVM)的祁连山典型小流域日降水-径流模拟研究

及时准确的日径流预测在流域水资源的合理规划、利用及管理中具有十分重要的作用。本文以支持向量机(SVM)模型为基础,以祁连山典型小流域-排露沟流域为研究区域,建立了流域日降水-径流模型,对流域未来1~7 d的日径流量进行了模拟预测。为检验SVM模型的有效性,模拟结果与人工神经网络(ANN)模型预测结果进行了对比。结果表明:SVM和ANN均表现出了很高的精度;但相比于传统的ANN模型,SVM模型的预测精度显著提高。表明SVM模型在半干旱山区小流域径流预测中有更好的适用性,可以用于流域中长期日径流预测,是资料有限的条件下中长期日径流预测的有效工具。     

不同组合小波神经网络模型对径流预测的适用性

针对水文时间序列的非平稳性特征,以长江三峡宜昌站1904~2003年年平均流量为例,分别建立了小波分析（WA）与BP神经网络和径向基函数神经网络（RBF）耦合的预测模型,探究了两种组合模型的预测效果,并与传统的单一人工神经网络模型对比;并采用5种常见的预测性能评价指标分析预测效果。结果表明：组合模型预测成果的精度较单一模型显著提高;组合和单一模型中RBF网络模型均优于BP网络模型;小波径向基函数神经网络组合模型具有较优的预测精度和泛化能力,是提高预测精度的有效方法,在径流预测中具有可行性。     

基于ABC-SVM的土石坝变形监测模型

针对土石坝变形具有较强的非线性特征,传统统计模型预测精度不高,误差较大的问题。引入支持向量机模型(SVM),并采用人工蜂群算法(ABC)对支持向量机的关键参数惩罚因子C和核函数参数σ进行寻优,提高模型的拟合和预测精度,建立ABC-SVM模型应用于土石坝变形监测。实例验证分析表明:与传统多元回归模型和SVM模型相比,ABC-SVM模型预测精度高、泛化能力强。利用ABC-SVM模型对土石坝变形进行预测效果良好,可在大坝安全监测领域推广应用。     

ABAQUS在深基坑设计及施工中的应用

以大连地铁某车站基坑开挖为研究背景,综合考虑深基坑降水、开挖、内支撑架设及预加轴力等施工过程,以大型有限元软件ABAQUS为平台,采用相应的数值模拟技术对支护桩系统简化,对施工过程进行合理模拟,建立能够反应实际开挖施工的有限元模型,对各个施工过程进行计算;将有限元计算值与实际开挖过程中的监测值比较分析,验证模拟方法的正确性,得到支护系统的变形及内力随开挖过程变化的规律:支护桩最大水平位移随开挖深度的加深向下移动呈凸形,内支撑轴力在架设后一层时发挥作用最大。研究得到了基坑的数值计算方法的建模思路,可为类似基坑工程提供参考。     

基于LIB-SVM的公路软基沉降的预测研究

由于地基实际工后沉降与初始设计沉降往往存在很大差异,因此,需要通过分析现场实测沉降 资料预测后期沉降。为了进一步提高公路软基沉降预测的准确性,将ＬＩＢ－ＳＶＭ模型应用于地基沉降, ＬＩＢ－ＳＶＭ通过交叉验证选取的最优参数组合克服了传统ＳＶＭ模型参数选择的盲目性。根据实例,将 ＬＩＢ－ＳＶＭ模型预测值和指数模型预测值与现场量测值进行了对照。结果表明,ＬＩＢ－ＳＶＭ模型比指数 模型有较高的预测精度,该方法在沉降的实际预测中具有可行性。     

围堤填筑对深厚软土地基既有群桩基础的影响研究

以某围堤穿越深厚软土区大桥群桩基础为工程实例,采用三维有限元数值计算手段,分析工程实施过程中附加荷载施加对既有桩基工作环境影响。研究结果表明①大面积堆载对桩基产生不利影响,并显著受控于桩-土摩擦系数,鉴于工程中取值较困难,通过对比数值计算桩周负摩擦力与原位试验地基土侧摩阻力标准值,确定本工程桩-土摩擦系数在0.2～0.3;②填筑会对邻近桩基产生负摩擦力,进而增加基桩轴力,但不引起桩身破坏;③对称而均匀的填筑可最大程度降低桩基不均匀沉降及附加荷载向地基深部水平向的扩散,基桩弯矩影响可控;④群桩中各基桩空间分布不同,附加荷载引起同一承台下基桩-土变形协调存在差异,对桥桩安全监测应具有针对性。该研究成果可有效克服规范法的一些局限,对于指导实际工程方案的制定以及工程施工过程中合理布置监测措施有一定参考价值。     

格栅状搅拌桩复合地基静载试验数值模拟研究

目前关于格栅状搅拌桩复合地基工作性状的研究工作相对较少,对其变形机理不甚了解。在兴隆水利枢纽格栅状搅拌桩复合地基现场载荷试验成果的基础上,考虑桩-土之间的相互接触,建立考虑搅拌桩-土共同作用的三维有限元模型,数值模拟复合地基群桩现场试验的实际加载过程。通过对比口字型群桩试验与数值模拟的P-S曲线,验证了数值方法及参数取值的正确性;分析了桩身轴力、桩间土的竖向应力及桩侧摩阻力等变化规律,研究了桩体与土体的荷载分担过程关系,获得桩身轴力及摩阻力分布规律;根据竖向平衡方程,推导得到平均桩端阻力和侧阻力,研究可为工程设计提供参考。     

基于随机森林模型的需水预测模型及其应用

为解决需水预测模型精度问题,尝试基于随机森林模型的分类和回归功能构建需水预测模型。以苏州市需水量预测为研究实例,首先应用随机森林模型的分类功能将需水预测因子分类,经计算发现第一产业比例、人口、灌溉面积、万元产值用水量和国民经济生产总值为最重要的解释变量。在此基础上,用随机森林模型的回归功能对需水进行预测,同时采用相同的训练数据建立基于BP神经网络和RBF神经网络的需水预测模型,通过对比3个模型的预测结果,发现随机森林模型能有效预测需水量,且精度较高。     

钢支撑支锚刚度对基坑围护结构的影响研究

为研究钢支撑支锚刚度对基坑围护结构的影响,文章以福州地铁潘墩站深基坑工程为背景,运用控制变量法,通过理正深基坑计算软件对不同钢支撑支锚刚度工况下深基坑进行计算分析,得出不同钢支撑支锚刚度下支护结构最大侧向位移、内力、基坑周边地表沉降及支撑轴力变化规律。研究结果表明:钢管内支撑刚度从200MN/m 2增加到600MN/m 2,钻孔灌注桩侧移量减小,地表沉降量降低,钻孔灌注桩迎土侧弯矩、背土侧弯矩呈减小趋势,钢支撑轴力增大,钢支撑对背土侧地下钻孔灌注桩的约束大于迎土侧。适当增加内支撑刚度可控制周边土体变形。     

兰州某地铁车站深基坑开挖变形特性及环境影响分析

针对兰州城区工程地质水文条件复杂的问题,为了研究该地区地铁车站深基坑开挖过程中支护结构的变形受力特点和对周边环境的影响,以迎门滩站深基坑工程为典型案例进行分析。该车站基坑所在区段属黄河漫滩区,地铁穿过地层主要为卵石土,水位5～8 m。该基坑围护结构采用钻孔灌注桩+钢管内支撑体系。采用PLAXIS 3D有限元分析软件对该基坑建立三维有限元计算模型,土体本构模型采用土体硬化(HS)模型,依据工程实际开挖工况进行分部开挖计算,根据计算结果对桩撑式支护结构的变形和受力及基坑周边地表和地下管线的变形进行了分析。结果表明:围护桩的变形量、地表沉降量和管线位移量会随着基坑开挖深度的增加有逐渐累积的趋势,但在架设内支撑并施加预应力后,这些变形量的增速会减缓甚至变形量会减小。内支撑施加预应力之后自身轴力会有较大增加,之后基本保持不变,对其他内支撑轴力的影响较小。各变形量均在控制范围之内,满足设计和环境要求,表明该深基坑采用的钻孔灌注桩+钢管内支撑支护体系设计合理。研究成果可为后续黄土地区类似地铁车站深基坑工程建设提供一定的参考依据。     

砂土中根式抗拔桩模型试验研究

根式抗拔桩是一种在桩身设置根键的新型变截面基础形式,合理的布置根键可以在提高基础承载力的同时降低工程造价。为了提高根式抗拔桩在工程中应用的效率和可靠度,基于模型试验方法,通过对普通抗拔桩和根式抗拔桩的对比分析,开展砂土中竖向上拔荷载作用下2组试桩的承载特性试验,测得不同荷载等级下桩身上拔位移、桩身轴力、桩侧摩阻力,并研究其分布规律。结果表明:根式抗拔桩承载力较普通抗拔桩大约提高57%;桩身轴力在有根键处变化显著,桩身侧摩阻力发挥由上向下传递,并在根键上下处达到极值。因此,在保证根键强度不受破坏和根键易于安装的条件下,尽量将根键位置设置在靠近桩底,是提高根式抗拔桩承载能力的有效方法之一。     

Wave force on composite bucket foundation of an offshore wind turbine

A new analytical expression for calculating the wave force on a composite bucket foundation is obtained. Based on the diffraction theory, the analytical solution of the wave pressure and the wave force on the composite bucket foundation is accurately derived by assigning reasonable boundary conditions. Experiments for the wave pressure on the bucket foundation with a scale of 1:60 under different wave conditions in the wave flume are designed and conducted. The analytical results agree well with the experimental data, and the theoretical approach can accurately predict the wave force on the large-scale structures. The wave pressure distribution on the composite bucket foundation is presented and the influence of the wave height, the water depth and the wave period on the wave force on the composite bucket foundation is investigated. This study provides a quite accurate method to calculate the wave force on a composite bucket foundation, which gives a good framework for future studies of the wave force on other large-scale structures with complex boundaries.