基于SOFM神经网络模型的岩爆烈度等级预测方法

为简化岩爆烈度等级预测指标体系、解决预测分级模糊问题、利于工程人员分析预测结果,建立基于SOFM神经网络的岩爆烈度等级预测模型,并根据竞争层拓扑结构的不同将预测模型拓展成3个模型。将硐壁最大切向应力、岩石单轴抗压强度、岩石单轴抗拉强度作为模型输入向量,将40组国内外岩爆工程数据作为数据集输入3个模型进行训练、测试,3个模型在测试集上岩爆烈度等级预测正确率均达到90%。比较3个模型的聚类、测试及训练效果,得到竞争层神经元个数为16的预测模型最优。将最优预测模型的预测结果与可拓理论、Russenes判据、基于模糊C–均值算法粗糙集理论云模型的预测结果对比,基于SOFM神经网络模型的岩爆烈度等级预测方法优于其他方法,表明该方法具有一定可行性和实用性,为岩爆预测提供了一种新的方法和手段。     

润扬大桥南汊北锚碇深基坑工程施工变形智能预测与控制研究(I)

在对深基坑墙体位移时序规律分析的基础上，提出了基于MATLAB 5.3平台的神经网络多步预测模型，可以一次预测多步施工的变形，达到及早调整基坑施工参数，完成变形控制的目的。对润扬大桥北锚碇深大基坑工程的施工实例分析显示，预测值和实测值基本吻合，表明该预测模型具有较高的精度。     

润扬大桥南汊北锚碇深基坑工程施工变形智能预测与控制研究（Ⅰ）

在对深基坑墙体位移时序规律分析的基础上，提出了基于MATLAB 5.3平台的神经网络多步预测模型，可以一次预测多步施工的变形，达到及早调整基坑施工参数，完成变形控制的目的。对润扬大桥北锚碇深大基坑工程的施工实例分析显示，预测值和实测值基本吻合，表明该预测模型具有较高的精度。     

堆积层滑坡卸加载响应比基本原理及其应用

在系统分析降雨型堆积层滑坡位移与失稳动因与机制的基础上,首次提出卸加载响应比理论的基本原理.将降雨量的变化作为滑坡的卸加载参数,相应平均位移速率的变化值为卸加载响应参数,由此确定的位移卸加载响应比作为位移动力学参数,根据堆积层滑坡位移动力学规律论证了该位移动力学参数在滑坡预测预报的可行性和有效性,建立卸加载响应比预测模型.以新滩滑坡分析为例,运用卸加载响应比预测模型对新滩滑坡关键部位监测点A3、B3进行了卸加载响应比计算,发现这两点的卸加载响应比时序曲线均在失稳前发生突变,其突变时间与边坡实际失稳时间完全吻合.上述研究结果证明了卸加载响应比理论是可以应用于堆积层滑坡中短期预测预报的一种有效方法.     

基于LMD-PSO-LSSVM组合模型的深基坑变形预测

变形是造成基坑安全隐患的重要因素。为准确预测基坑变形趋势,提出一种将局部均值分解(LMD)、粒子群优化算法(PSO)与最小二乘支持向量机(LSSVM)组合的深基坑变形预测模型。通过 LMD 将时序样本分解为多个分量,利用PSO优化后的LSSVM模型对各分量建立非线性基坑变形预测模型,最后采用滚动预测的方法对各分量进行预测并将结果叠加得到时序样本的预测值。通过实际工程进行模型预测与分析。结果表明:该模型不仅反映出基坑变形本质特征,而且预测精度明显提高,将其运用于基坑变形预测研究中具有较好的应用性和可靠性。     

用于边坡变形分析与预测的PSO-Prophet模型

针对边坡变形分析与预测中周期项提取方法不确定性大和组合预测模型复杂度高的问题,构造一种基于PSO-Prophet的边坡变形分析与预测模型。将兼具时序分解与组合预测功能的Prophet模型引入到边坡变形信号处理中,并利用PSO算法优化Prophet的模型参数,以提高其适用性和预测精度。对某边坡监测点进行预测,在原始非等间隔时序中,PSO-Prophet模型的预测精度较Prophet模型提高了46%;在内插后等间隔时序中,PSO-Prophet模型、S-GSSVR模型、HP-ARIMA-LSTM模型和SSA-Verhulst-FS模型组合预测值的均方根误差分别为4.7,9.6,13.2和12.0 mm。实验结果表明,PSO-Prophet模型处理流程简洁,对受周期项影响较大的边坡变形时序具有较高的预测精度。     

使用需求参数对建筑大数据能耗预测影响规律初探

利用经典时间序列大数据预测模型(ARIMA)作为优化改造后的多参数预测模型,对建筑逐时能源消耗进行预测,研究建筑使用需求参数对建筑能耗预测的影响规律。在大数据预测模型中引入建筑使用需求参数,如室外环境、室内环境、人员参数等,研究不同参数的引入对能耗预测模型预测结果精度的影响。引入影响能耗参数之后,建筑逐时能耗预测精度有不同程度提升。其中,人员参数对于建筑能耗预测精度提升最为显著。多项参数同时引入模型时可将预测精度进一步提升。能耗预测精度影响程度排序为:人员参数室外环境参数室内环境参数。     

堆积层滑坡的地下水加卸载动力作用规律及其 位移动力学预测 ——以三峡库区八字门滑坡分析为例

 在系统分析水诱发堆积层滑坡位移与失稳动因与机制的基础上,深入研究并总结地下水在堆积层滑坡稳定性演化过程中的动力作用与动力响应规律和特点,发现水诱发堆积层滑坡的位移与失稳直接受地下水位变化量控制,且其位移规律与地下水位变化量存在对应关系。根据上述分析结论并运用加卸载响应比理论的基本原理,首次提出以月地下水位的变化量作为堆积层滑坡的加卸载参数,以相应月边坡位移速率或位移加速度作为其加卸载响应参数,并以此为基础建立和确定地下水位加卸载响应比位移动力学参数与位移动力学预测模型。同时,以三峡库区典型堆积层滑坡——八字门滑坡分析为例,运用地下水位加卸载响应比预测模型对该边坡的关键监测部位进行研究,并使用SZK1和SZK4监测点数据进行加卸载响应比计算,发现其加卸载响应比时序曲线变化规律与其稳定性动态演化规律相吻合。研究结果表明,可以运用地下水位加卸载响应比动力学模型对该类滑坡进行位移动力学预测预报。     

公路隧道滞留人员密度和疏散时间预测研究

为研究公路隧道突发火灾事故下滞留人员的密度与疏散时间,结合火灾应急响应时间与处置要求,引入交通波传播理论,考虑交通流状态、人员组成、车辆组成等因素,提出滞留人员密度计算方法,并以人员密度、大巴车疏散时间等为参数,构建人员疏散时间预测模型,分析不同交通流条件下的疏散时间,通过实例计算与数值仿真,验证了模型的有效性。结果表明：基于交通波理论提出的滞留人员密度计算方法,能准确地计算出隧道突发火灾事故后的人员密度分布,符合真实场景中的非均匀分布特征;采用人员疏散时间预测模型,能快速预测公路隧道人员疏散所需时间,预测结果与仿真结果基本一致。     

基于支持向量回归的锅炉出水温度时间序列预测

燃煤供热锅炉系统是一个非线性复杂系统,在实际应用中存在诸多优化问题.本文在分析锅炉系统工作过程及控制系统结构的基础上,结合锅炉参数的时序性特点,对时间序列进行相空间重构,构建训练样本数据对并建立基于支持向量回归的时序数据预测模型,从而实现对锅炉输出参数(出水温度)的预测.实际系统数据的仿真表明,该模型预测结果基本符合实际运行情况,可以为相关人员进行锅炉优化控制提供决策支持.     

基于LSTM多变种模型的岩爆微震参数预测研究

岩爆是深地工程和深部资源开采中必须要解决的核心问题之一。基于改进的LSTM神经网络,提出了用于时间序列预测的LSTM微震多参数预测模型,包括单变量时序预测模型和多元平行序列预测模型。并以峨汉高速大峡谷隧道微震监测数据对模型进行验证,同时与多项式回归方法结果进行对比分析。结果表明:单变量预测模型中堆叠式LSTM(S-LSTM)的预测精度最高;多变量预测模型中卷积LSTM(CNN-LSTM)对累积视体积和能量指数具有最好的预测效果,且余下几种LSTM模型仍可准确实现各参数演化趋势的预测,其精度均优于多项式回归分析方法。研究可为正确识别岩爆当前活动及未来状态的危险性提供理论支撑,为及时掌握岩爆未来活动状态提供重要依据。     

隧道拱顶下沉时序遗传算法神经网络预测模型

传统神经网络算法不可避免会出现局部极值问题,可能导致训练失败。因此,作者在分析了隧道拱顶下沉规律及其主要影响因素的基础上,采用基于遗传算法的神经网络建立了隧道拱顶下沉时序的预测模型。模型在綦万高速公路麒麟寺隧道施工中成功应用,结果表明采用基于遗传算法的神经网络能够有效避免局部极值问题,收敛速度较快,能对隧道拱顶下沉时序进行较为准确的预测。     

图书借阅量预测建模方法比较研究

本文研究了多变量回归、灰色系统理论、神经网络和遗传算法预测建模原理和步骤,以河南农业大学文法学院图书室图书借阅量预测模型构建为例,对四种建模方法的建模过程进行了优化和简化分析。用部分图书的年借阅量作为样本数据,预测了2013年这两种图书的借阅量,并与记录值进行了比较,表明遗传算法更适合于图书室小样本借阅量的预测。     

盐冻作用下混凝土力学性能研究及灰色预测

为探究混凝土的劣化规律,对混凝土的力学性能进行了预测,以试验室数据为基础,构建了各项力学性能指标的灰色GM(1,1)预测模型,预测各项指标的劣化规律。结果表明:以盐溶液作为冻融介质会加快试块的破坏,且不同盐溶液对试块的破坏程度存在一定差距;获得的灰色GM(1,1)预测模型精度满足要求,可用于预测灌区内混凝土建筑物的力学性能。研究成果可以为寒旱灌区混凝土建筑的寿命预测与后期维护提供参考,也可为不同类型混凝土的各项性能预测提供研究方法。     

基于变形预测和参数反演的山岭隧道围岩稳定性分析

隧道围岩变形与岩体力学参数之间存在复杂的非线性关系，是围岩状态改变最直观的表现，也是围岩稳定性综合判别的重要指标。提出一种基于变形时序预测和力学参数反演的山岭隧道围岩稳定性分析方法。首先引入Tent混沌扰动和自适应警戒调整机制，构建基于自适应混沌麻雀搜索算法优化极限学习机（ACSSA-ELM）的变形时序预测模型和力学参数反演模型，进一步采用三次样条插值和变分模态分解（VMD）对已开挖断面围岩实测变形预处理，利用变形时序预测模型采取窗口滚动单步预测的方式对已开挖断面围岩最终变形值进行预测，并用于力学参数反演模型中获取开挖段围岩的“修正”力学参数，基于数值模型正算结果和开挖段已测变形值预测开挖段围岩变形和变形速率，进而分析其稳定性。依托重庆市花阳隧道进行了方法的验证与应用，并对隧道ZK40+820断面围岩的稳定性进行了合理可靠的预测分析。最后对方法的使用条件和反演参数的准确性进行了讨论。     

办公建筑遮阳调节预测逻辑的探讨

遮阳设施的不同使用模式带来能耗和室内光热舒适的差异。鉴于众多的影响因素和人员行为的不确定性,遮阳调节行为的预测具有相当的意义和难度。建立适用于建筑性能模拟的遮阳调节预测模型是这一研究范围的重要目标。本文对前人研究中影响遮阳调节的关键因素、遮阳行为的实验方法和遮阳调节行为的预测模型进行了综述和讨论。在此基础上,将办公建筑中的人员划分为遮阳调节"消极"人和"积极"人,对前者的遮阳行为预测提出统计学预测模型逻辑,对后者构建模型所使用的参数的适用性进行了探讨,该预测逻辑可作为遮阳调节预测模型搭建的基础和框架。     

变时间步长在室行为预测模型研究

现有在室行为动态预测模型主要采用固定时间步长选取模拟节点,难以同时满足预测准确率和模拟效率的要求。针对该问题,提出一种适用于空调房间的变时间步长在室人数预测方法。该方法首先基于开关门事件选取变时间步长的模拟节点,再结合房间内CO_2浓度建立联合概率模型预测在室人数。为验证该方法可行性,基于实测数据建立了相应模型并与传统非均匀隐马尔科夫模型进行了对比。结果显示与传统方法相比,该方法可在将预测准确率提高近10%的同时将模拟次数由288次减少为66次,说明该方法可在显著提高预测精度的同时避免冗余模拟,从而大幅提高模拟效率。此外,该方法能准确预测用户最先到达时间,这对于建筑通风空调系统优化运行控制具有重要意义。     

非饱和土地区高速铁路路基沉降预测模型

准确、合理地预测线路工后沉降是高速铁路建设的关键,现场沉降观测数据表明不同饱和度地区路基沉降曲线线型变化较大,基于饱和理论的沉降预测方法在工后沉降预测中存在不能准确描述沉降规律,且存在预测值偏小的风险。基于实测沉降规律,提出了一个适用于非饱和土地区路基的沉降预测曲线模型。分析了预测曲线模型的特点,并基于最小二乘法给出模型参数的求解方法。结合兰新铁路第二双线LXS-15标段沉降数据,提出相关系数、偏差度、稳定度为模型有效性检验指标,结合施工完成2 a的实测资料,进行了在施工完成3个月及6个月所提模型与规范要求3种预测模型的对比研究;对3条不同饱和程度高铁路基沉降预测结果表明所提出的非饱和土预测模型具有较好的精度和广泛的适用性,为非饱和土地区高速铁路建设合理判断工后沉降提供参考。     

基于MGM(1,N)模型的浅埋暗挖下穿道路隧道实测规律分析

依据灰色理论方法 MGM(1,N)模型进行建模并推导获得新的运算背景值矩阵,利用该背景值改进了MGM(1,N)模型并与建立的三维隧道模型数值模拟结果进行了对比,改进的预测模型能够较好预测暗挖隧道围岩变形趋势,当围岩变形量值减小时预测收敛性较好。依托徐州地铁某下穿道路浅埋暗挖隧道工程,进行了现场实测规律分析;通过选取典型断面实测值和预测模型计算值进行验证,证明了预测规律和量值的准确性,特别是现场缺损实测资料或反馈实测监控时,预测模型能够起到很好的纠错和预防作用。将该模型应用于基于实测资料的隧道围岩收敛短期预测,较好地揭示了围岩位移演化的规律。     

时间序列方法及其在实际办公楼能耗预测中的应用

建立了基于时间序列分析方法的建筑能耗预测模型,对上海某办公建筑逐月能耗进行预测.采用CensusX12方法进行季节调整,建立ARMA时序模型,并对季节因子进行温度化处理.模拟结果表明,采用时间序列分析的方法来预测建筑能耗是一种有效方法.