山岭公路隧道施工安全风险评估方法及其应用研究

由于山岭公路隧道施工安全风险大小与各安全风险影响因子之间存在非线性映射关系,引入混合核函数和粒子群算法,建立基于粒子群算法优化混合核极限学习机的山岭公路隧道施工安全风险评估方法.该方法依据山岭公路隧道地质与施工特征,建立隐含层节点特征映射混合核函数,采用粒子群算法对训练样本进行模型训练,同时对映射函数中混合核函数参数进行最小均方差寻优,获得山岭公路随道施工安全风险评估的混合核极限学习机模型并进行算例验证,结果表明所建模型可靠.     

模糊网络分析法在公路山岭隧道施工风险分析中的应用

公路山岭隧道施工过程中存在着许多不确定的风险因素,不仅具有随机性,还具有模糊性,目前已有的风险评价方法难以对其进行准确分析。通过建立集德尔菲法、模糊综合评判和网络分析法于一体的模糊网络分析法,将其应用于公路山岭隧道施工风险分析,在公路山岭隧道施工全过程分析基础上,建立公路山岭隧道施工风险评价指标体系。采用专家调查法对二级评价指标进行单因素评价,建立模糊关系矩阵,采用德尔菲法进行两两比较并用三角模糊数表示两两判断矩阵,基于网络分析法构造模糊加权超矩阵,通过计算超矩阵的极限矩阵求得权重向量,得到施工风险水平的评价。通过龙头岭隧道的实证研究,表明该方法是合理实用的,为今后类似工程的风险分析提供参考依据,保障施工安全,降低潜在损失。     

应用混合核PSO-KELM模型预测边坡位移

针对边坡位移预报的复杂性,提出一种预测边坡位移的混合核PSO-KELM模型:将极限学习机(ELM)方法用于对边坡位移时序预测的研究,按多核学习的思想,构造由径向基核函数和多项式核函数经加权而成的混合核函数,对新构成的混合核函数,综合了径向基核函数和多项式核函数的优点,并通过粒子群算法(PSO)对模型的参数进行优选,避免了人工操作的繁琐性。工程应用表明,在单步滚动预报时混合核PSO-KELM模型所得结果远优于标准SVM模型,较混合核PSO-LSSVM模型也有一定的提升;在多步滚动预报时,混合核PSO-KELM模型也可得到较满意的精度。     

公路隧道施工期围岩快速分类极限学习机模型研究

针对以往智能优化算法学习速度慢、对参数选择敏感等问题,引入极限学习机(ELM)方法用于围岩分类。在分类指标方面,结合快速性与准确性,制定快速分级参数标准,以公路隧道设计规范中的BQ法为基准,从以往及正在施工的隧道中收集对应的样本,从而建立了公路隧道施工期围岩快速分类的极限学习机模型。之后将正在开挖隧道工作面的快速分级参数,提供给模型进行判别,达到快速、精确分级目的。通过抚松隧道实际验证,该模型判断结果与实际施工情况吻合,可用于指导施工阶段的隧道围岩快速分级。     

基于极限学习机的电力短期负荷预测

本文首先对人工神经网络中的单隐含前馈神经网络和极限学习机(ELM)的基本原理和理论进行了概述,然后将极限学习机算法与粒子群算法结合,利用粒子群优化算法(PSO)对极限学习机的参数进行优化,将PSO和ELM的优点结合在一起,使其具备参数调整简单、可以在全局范围寻优、泛化能力强等特点,最后使用基于粒子群算法优化极限学习机的预测模型,在具体数据中进行算例分析,确定预测模型的可行性。     

隧道施工安全风险的模糊综合评判

厦门市快速公路某隧道工程施工条件复杂,安全影响因素多,安全事故危害大,在安全监控过程中建立有效的安全风险评价方法是确保施工安全的关键。本文基于模糊数学理论,针对该工程的施工特点,建立了隧道施工安全风险模糊综合评判模型。对该隧道工程的施工安全风险因素的辨识进行了深入的分析;确定各施工安全风险因素的权重;划分施工安全风险水平等级;建立隶属度函数,对风险因素进行模糊估计;并进行模糊综合评判。实践证明该方法能有效反映该隧道施工的安全状况,在隧道工程施工安全评估中具有一定的应用价值。     

布谷鸟搜索算法优化的多核极限学习机遥感影像分类

针对高分遥感影像分类结果存在的错分问题,本文提出布谷鸟搜索算法优化的多核极限学习机遥感影像分类方法。该方法利用具有学习能力较强的局部高斯核函数与泛化能力较强的全局多项式核函数组合成多核极限学习机分类模型,充分利用不同核函数的优点,通过布谷鸟搜索算法对多核参数进行优化,避免了参数计算错误导致的分类结果较差问题;然后,通过实验与单极限学习机、多核极限学习机进行对比验证。结果表明,布谷鸟搜索算法优化的多核极限学习机分类精度最高、模型训练速度快,可保证影像分类精度与速度的平衡。     

基于IPSO-RELM转炉冶炼终点锰含量预测模型

分析了影响转炉冶炼终点钢水中锰含量的因素,针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢,预测精度低等问题,提出了一种基于极限学习机(ELM)算法建模的新思路,并引入正则化以及改进粒子群优化算法(IPSO),建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM)的转炉终点锰含量预测模型;应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证,并与基于BP、ELM和RELM算法的三类模型进行比较.结果表明,采用IPSO-RELM方法构建的模型,锰含量预测误差在±0. 025%范围内的命中率达到94%,均方误差为2. 18×10~(-8),拟合优度R2为0. 72,上述三项指标均显著优于其他三类模型,此外,该模型还具有良好的泛化能力,对于转炉实际冶炼过程具有一定的指导意义.     

基于PSO-BP算法的隧道非线性位移分析模型

粒子群优化(PSO)算法是近年来发展迅速,并得到广泛应用的一种仿生全局最优化算法.与遗传算法相比,该算法具有操作简单、易于编程的优点.结合铜黄高速公路汤屯段大田连拱隧道施工,采用PSO算法对BP神经网络的权值进行自动优化,获得训练效果最好的BP网络模型参数以提高网络的泛化能力,建立起基于PSO-BP算法的大田隧道施工位移非线性智能分析模型,并采用此模型对后续施工隧道变形进行了预测分析.与实测位移对比表明,本文建立的PSO-BP模型平均预测相对误差仅为3.1%,可很好地作为隧道信息化施工的一种辅助方法,并为其他类似岩土工程提供借鉴.     

基于FAHP-ISPA-PCN耦合的隧道施工动态评价模型

由于风险具有一定的复杂性和不确定性,风险控制是隧道施工安全的关键。建立公路隧道施工风险评价指标体系及其评价标准,利用模糊层次分析理论(FAHP)建立隧道风险评价指标的权重求解模型;结合改进集对分析方法(ISPA)建立公路隧道施工风险评价模型,实现了隧道施工风险评价的半定量化;引入多元联系数的偏联系数(PCN)和集对势(shi)概念,建立FAHP-ISPA-PCN耦合的隧道施工风险动态评价模型。FAHP-ISPA-PCN模型实现了隧道两级风险评价指标模型的态势分析和发展趋势分析,完善了隧道施工风险评估。