MGM(1,n)-ARMA模型在大坝监测系统中的应用

针对大坝监测系统监测过程中受到各种随机因素干扰的情况,详细地讨论了灰色预测MGM(1,n)和MGM( 1,n)-ARMA模型的基本内容及建模过程,成功地将MGM(1,n)-ARMA预测模型应用于大坝变形的预测预报.实践证明,MGM(1,n)-ARMA预测模型由于考虑了各变量相互关联、共同发展的关系,并建立了ARMA模型时残差进行了拟合修正,提高了灰区间的白色度,预测效果比传统的MGM(1,n)模型效果好.因此,MGM(1,n)-ARMA预测模型在大坝变形的预测预报中比MGM(1,n)预测模型具有更高的应用价值.     

基于GM-ANN组合模型的大坝变形监测数据分析方法

大坝变形监测数据由于受水位、温度、时效等多因素影响,呈现一定的趋势性和波动性。引入时间序列分析模型和方法,合理分析大坝变形监测数据序列特征,精确预测大坝变形状况,是大坝安全监测的重要内容。重点针对"贫信息"、"小样本"情况下的大坝变形监测数据序列,将灰色模型(GM)与人工神经网络(ANN)模型相结合,研究了分析和预测大坝变形监测数据的方法,并进行工程实例验证。首先利用灰色模型拟合和预测实测样本数据,然后将灰色模型残差作为人工神经网络模型的学习样本进行训练和预测,最后将上述结果进行综合得到大坝变形的预测值。应用文中所述方法对某实际大坝变形监测数据的建模检验表明,本文给出的GM-ANN模型预测精度高于GM(1,1)模型,具有较好的实用性。     

基于布谷鸟搜索算法优化LSTM的大坝变形预测

对大坝变形进行合理分析和准确预测是确保大坝安全运行的重要手段.大坝变形监测数据具有趋势性、周期性、随机性和非线性等特性,现有的机器学习模型大都基于大坝变形监测数据的非线性特点进行构建,而忽略了监测数据还具有趋势性和周期性的线性特征.提出了一种大坝变形预测模型,通过采用布谷鸟搜索算法(CS)对长短期记忆人工神经网络(LSTM)进行优化,再基于物联网传感器的实时监测数据,使用局部加权回归的周期趋势分解方法(STL)将数据分解成趋势分量、周期分量和余项分量,采用优化后的LSTM模型对趋势分量和余项分量分别进行预测,并通过简单周期估计方法进行计算,将3个分量的预测结果求和后得到最终变形预测结果.试验选取浙江利山水库开展变形预测研究,结果表明：STL-CS-LSTM模型的水平和沉降变形预测精度都高于其他模型,水平位移预测精度由高到低依次为LSTM模型、支持向量回归模型SVR和人工神经网络模型ANN,沉降预测精度由高到低依次为ANN模型、LSTM模型、SVR模型.     

基于融合型WNN的大坝裂缝开合度预测模型研究

大坝的裂缝开合度监测是大坝安全监测中重要的项目之一。因此,大坝裂缝开合度预测的准确性对大坝安全监控十分重要。外界诸多因素都会对大坝裂缝开合度造成一定的影响,导致情况非常复杂。为了提高大坝裂缝开合度预测的精度,尝试将融合型WNN(小波神经网络)应用于大坝裂缝开合度预测,并将该模型应用于某混凝土大坝的裂缝开合度预测中,并与BP神经网络模型、松散型WNN模型及传统的多元回归模型预测结果进行对比。结果表明,融合型WNN用于大坝裂缝开合度预测精度更高,效果更好。     

基于实时跟踪的ARIMA大坝安全监控模型

为了保证大坝安全监测的准确性并提高模型的预测长度,将差分自回归移动平均模型(ARIMA)结合实时跟踪算法,建立基于实时跟踪的ARIMA大坝安全监控模型,利用ARIMA拟合性好的特点对大坝监测数据进行拟合建模,并使用实时跟踪算法的等维递补思想提高大坝变形监测的预测长度,工程实例表明,基于实时跟踪的ARIMA大坝安全监控模型精度较高,对于数据信息挖掘能力强且具有较长的预测长度,具有很高的工程应用价值。     

基于Kalman-ARIMA模型的大坝变形预测

大坝变形预测是大坝安全监测系统的关键组成部分,对监控大坝的安全运行起着关键作用。然而,大坝变形监测数据易受到随机干扰噪声的污染,影响变形预测的精度。故提出了Kalman-ARIMA模型,即先根据卡尔曼滤波法剔除观测数据中的随机干扰噪声,然后利用ARIMA模型对经过滤波后的数据进行建模并作预测。结合某大坝的位移监测数据资料,利用Kalman-ARIMA模型预测了该大坝的位移,并与仅利用ARIMA模型预测的位移值作对比,结果表明,Kalman-ARIMA模型能够有效地降低预测值与真实值之间的误差,可以应用于大坝变形预测。     

大坝实测服役性态抗噪预测模型

大坝变形、渗流、应力应变等服役性态的原型监测数据序列,多具有非线性特征且易受噪声污染。为基于原型监测数据,通过构建大坝服役性态预测模型,高效合理地拟合和预测大坝非线性服役性态,需高度重视模型抗噪能力和泛化能力的提升。源于此目标,综合应用小波、支持向量机(SVM)、粒子群算法(PSO)等工具,开展了大坝实测服役性态抗噪预测模型的构建方法和应用研究。在对大坝服役性态原型监测数据小波消噪处理的基础上,借助支持向量机,建立了大坝实测服役性态预测模型;考虑模型精度受SVM惩罚因子及核函数参数影响显著的特点,引入PSO算法,实现了支持向量机参数的寻优。将文中方法应用于某实际大坝变形实测性态预测模型的构建,结果表明,所构建的抗噪预测模型较传统统计回归模型,在预测能力方面有一定的优越性,且对样本数量方面的要求可适当放宽,体现出较强的工程实用性。     

基于分形插值与支持向量机混合模型的大坝变形分析

大坝变形分析是研究大坝变形规律和保证大坝安全的重要组成部分。基于大坝变形时间序列的分形特征，同时考虑到分形插值在大坝变形时间序列拟合和预测时的分数维特点，以及外延序列越远、预测精度越差的缺点，引入支持向量机算法对分形插值模型进行优化。针对大坝变形时间序列特点，通过优化垂直比例因子和核函数，建立了分形插值和支持向量机混合模型。以某混凝土重力坝引张线8号测点水平位移为例，建立了分形插值和支持向量机混合模型，对变形时间序列进行拟合和预测分析，计算结果表明混合模型具有更高的精度，可以应用于大坝变形分析中。     

基于灰色神经网络-加权马尔可夫链的大坝变形监控模型及预报研究

大坝蓄水初期监测资料有限且波动性大,坝体结构处于适应变形的危险阶段。基于这种情况,结合灰色理论、神经网络和加权马尔可夫链理论的优点,构建灰色神经网络-加权马尔可夫链的大坝变形监控模型并对某碾压混凝土坝蓄水初期水平位移进行预测。结果表明,该模型解决了样本数据少、波动性大的问题,拟合效果较好,预测精度较高。     

改进的PSO-SVM模型在大坝变形预测中的应用

支持向量机(SVM)由于理论基础完善,在处理高维度非线性问题中,表现出了许多特有的优势。因此,支持向量机模型在处理大坝变形预测问题时具有明显的优越性,且常采用粒子群(PSO)算法对SVM模型的惩罚参数C和核函数σ进行寻优,但是标准的PSO算法存在早熟收敛以及易于陷入局部极小值等缺陷。引入柯西分布函数和密度函数,根据函数变化的性质对标准PSO算法中粒子位置和速度的更新公式进行改进,有效提升了算法的寻优性能。运用改进后的PSO-SVM模型对水布垭面板堆石坝的面板挠度变形进行预测分析,并与SVM模型、标准PSO-SVM模型的预测结果进行对比,结果显示,改进的PSO-SVM模型的拟合效果和预测精度都更加优秀,为进行大坝变形预测工作提供了一种性能优良,精度较高的预测模型。     

基于最小最大概率机的客户需求分类技

针对复杂产品客户需求中类别数多且数据量大的分类问题,利用最小最大概率机的概率信息和样本间隔信息,提出采用启发式方法解决编码设计问题.在算法中将一个减少了迭代次数的分类器视为弱化了的分类器,同时保留分类器的间隔属性和几何特性,并利用高维映射将分类器输出映射到特征空间,在弱化阶段大量减少了整体的迭代次数而在合成阶段利用非线性映射来提升性能.通过对叉车产品客户需求的数值试验证明算法具有较好的分类效果,降低了对二类分类器的精度要求.     

基于MEMS的压电泵及其研究进展

基于MEMS的压电泵是集驱动部件、工作部件和控制部件于一体的便于集成的微型泵,它采用压电晶体作为其驱动部件材料。根据其工作原理和结构的差异,压电泵主要分为压电薄膜泵和压电超声泵。介绍了压电泵的单腔体结构和多腔体结构,而多腔体结构的压电泵是今后研究的一个主要方向。由于压电泵具有尺寸小、结构简单、响应快等优点,在许多需要微流量控制的场合中具有广阔的应用前景。重点总结了压电泵国内外的最新研究现状,展望了压电泵的主要发展方向,提出了压电泵研究的主要问题,对压电泵的研究具有指导意义。     

基于红外热成像树上板栗机器识别研究

针对普通视觉系统无法分类识别的特点,将红外热成像技术引入到树上板栗的机器识别检测当中,建立了果园树上板栗红外热成像系统。记录了白天树上板栗果实与冠层温度变化情况,发现下午2:00~4:00之间,二者温度差异最为显著,最大温差可达3℃。研究了正常板栗果、坏死果以及空心果的红外辐射差异,发现坏死果表面温度最高,正常果次之,空心果温度最低。最后对获取的热图像进行温度校正、阈值分割、特征提取、目标标识。结果表明,树上板栗的有效识别率在85%以上。     

软土地基上堤坝沉降与稳定分析研究

根据软土地基上筑坝方式 ,分析了软土地基上堤坝固结与稳定计算方法 ,提出了适合这类地基的合理的筑坝方式及固结与稳定计算方法。     

多孔混凝土研究综述

在对多孔混凝土进行简单概述的基础上,对多孔混凝土的应用和国内外发展现状进行详细阐述,并进一步分析了多孔混凝土研究中存在的问题,提出其今后的研究方面,为更好地实现多孔混凝土的环保功能提供参考。     

基于CarSim的整车操稳性研究

悬架的K&C特性对整车操稳性具有重要影响。基于悬架K&C试验台对试验车辆进行台架试验,根据拟合范围对试验数据进行后处理拟合。基于CarSim软件建立整车参数化仿真模型,分析不同关键参数的赋值对横摆角速度以及车身侧倾角的影响,得出整车操稳性的主要影响参数以及相应的影响规律,为工程实践中的悬架设计、整车底盘匹配提供一定参考。     

对高校依法治校工作的思考

近年来,随着教育法制建设的逐步完善,各地依法治校工作有了一定程度的进展,创造了一些好的经验和具有地方特色的依法治校工作思路。但从总体上看,学校的法治观念和依法管理的意识还比较薄弱;依法治校的制度和措施还不健全,依法治校还没有完全成为学校的自觉行为,与依法治国基本方略的要求还有一定的差距。     

智能移动设备的数控系统研究

将智能移动设备引入到车间数字化制造环境.研究了一种能够支持协同制造和系统集成的数控系统.建立了数控系统模型,定义了功能模块,按其运行模式建立了原型系统,解决了数控系统的人机接口、程序编译、程序处理、参数设置和修改等关键问题.这种具有移动获取信息功能的数控系统,能够实现车间系统集成,具有良好的开放性,支持系统跨平台无缝集成,支持人机协同制造,支持基于互联网的协同制造和全球制造.     

基于神经网络的汽油机爆震的诊断

爆震是汽油机的一种不正常燃烧状态,严重爆震会使汽油机各项性能全面下降,甚至损坏发动机。但是汽油发动机工作在爆震边缘时将获得最佳动力性和经济性。本文提出了一种基于小波变换和神经网络的汽油机爆震识别方法,利用小波变换提取爆震特征,通过改进了的BP神经网络对汽油机爆震有无以及强度进行识别。     

基于GIS的地下水矿化度分布特征研究

以德州市武城县为研究区,采用3S技术,布设采样点,于2011年进行两次野外采样,基于室内试验得到地下水矿化度数据,并结合1972年地下水矿化度数据,利用ArcGIS软件进行反距离加权空间插值处理,分析了该地区地下水矿化度时空变化特征。研究结果表明：研究区地下水矿化度空间变异趋势明显,数值为自东南区域的>1～2g/L逐渐增加到西北区域的>4～5g/L。地下水矿化度年内季相变化显著,春季矿化度均值为2.628g/L,冬季为1.748g/L。地下水矿化度较之1972年总体呈现下降趋势,平均降幅为1.52g/L。该结果对研究区盐渍化土壤的水盐调控及地下水资源合理开发利用具有重要意义。