基于降雨资料的雨量预警指标阈值求解模型

为保证雨量预警指标阈值在有效周期范围内发挥预警作用,通过分析现有雨量预警指标阈值的确定方法,提出了基于区域临界雨量法-降雨灾害同频率法-R/S分析法的雨量预警指标阈值求解模型。将该模型应用于江苏省泰兴市降雨时间序列的分析,对最大日降水量时间序列进行阈值确定、趋势分析,并用指标阈值进行预警验证。结果表明,该模型的雨量预警指标阈值确定结果相较单一模型更为准确,且具有一定的时效性,可为农村基层防汛预报预警提供参考。     

基于优化ESMD-ICA的海面微弱目标检测

针对强海杂波背景下的海面微弱目标检测问题,提出基于优化ESMD-ICA的检测算法.利用小波模极大值去噪算法对信号预去噪,再采用优化ESMD-ICA去噪算法,最后用优化灰狼算法(GWO)改进的ELM模型对重构的去噪信号做预测.利用IPIX雷达实测数据验证新算法,实验证明:新算法在抑制海杂波前提下,未破坏信号的混沌性质,新预测模型的检测性能远胜于传统预测模型(BP神经网络).新算法在去噪效果、模型训练与检测时间以及检测器稳定性等方面均表现良好,有利于算法广泛应用于实际工程.     

大坝变形的XGBoost-LSTM变权组合预测模型及应用

为了实现更高精度的大坝变形预报,提出了一种大坝变形的XGBoost-LSTM变权组合预测模型,即首先引入XGBoost模型和LSTM模型对大坝变形分别进行分析预测,然后采用变权组合方法将二者的分析预测结果进行有机融合,进而得到最终预测结果。以某混凝土重力坝为例,首先通过与随机森林、ELMAN以及逐步回归分析各模型的对比研究,论证了XGBoost与LSTM应用于大坝变形预测的优越性;进一步地,XGBoost与LSTM的变权组合预测效果相较于各单一模型取得了较大程度的提升,且相较于二者的等值赋权组合提升优势更加显著,变形预测结果与工程实际情况更加吻合,具有较好的适用性和可推广价值。     

基于卡尔曼滤波、分形和LSTM的大坝变形趋势分析方法

为了实现对大坝变形趋势的合理分析,提出了一种融合卡尔曼滤波、分形理论和长短时记忆神经网络(LSTM)的大坝变形趋势综合分析方法。该方法利用卡尔曼滤波对原始观测数据进行降噪处理,采用分形理论中的R/S方法对大坝未来变形趋势进行定性判断和解析,通过对滤波后数据建立LSTM定量预测模型,结合定性和定量的分析结果,实现大坝变形趋势的综合评判。实例分析结果表明,该方法能够较好地分析大坝变形趋势,对大坝监测数据的随机性和非平稳性具有较好的适用性,趋势分析和预测符合工程实际情况,为大坝的变形综合分析提供了一种新方法。     

基于WA-LSTM-ARIMA的混凝土坝变形组合预测模型

针对混凝土坝变形实测数据序列的不规律性和预测精度欠佳等问题,基于复合建模思想提出一种基于WA-LSTM-ARIMA的大坝变形组合预测模型。首先通过小波多分辨率分析对原始监测序列进行多尺度分解,从中提取高频周期性分量、低频趋势性分量和高频随机性分量;然后将去噪处理后的随机分量与高频周期性分量融合得到综合高频序列,并使用LSTM进行建模预测,对于低频趋势性分量则应用ARIMA模型进行预测,将两组预测结果叠加后即可得到最终的坝体变形预测结果;最后通过工程实例证明该模型所得预测值与实测值拟合较好,与传统的静态模型预测结果对比表明,该模型的预测精度更高。     

完善会计电算化系统功能的思考

目前，许多企业已初步实现了财务会计电算化，这种会计电算化系统基本上只能提供原来由手工会计提供的一些传统会计报告，不能为现代企业经营控制和管理决策及时地提供有用的可靠信息，这就是我国企业会计电算化效率低下、效果不显著的普遍现象，也是会计界和会计软件开发...     

大坝变形实测数据的多重分形特征解析方法

为更好地分析大坝变形实测数据的波动特征进而评价变形的整体性态,以某混凝土重力坝的实测数据为凭,将多重分形理论应用于大坝变形性态分析中,利用MF-DFA、MV-MFDFA和A-MFDFA解析变形性态的多重分形特征及其非对称性。结果表明,无论是多测点或单测点,实测序列均具有明显的多重分形特征,并且这种多重分形特征具有明显的非对称特性;实测序列从多测点到单测点、从整体波动到局部趋势均表现出良好的记忆性和长程相关性特征,在水位等大波动因素的影响下,该坝坝顶水平位移发展良好,大坝整体状态稳定。