基于遗传算法的门限自回归模型在浅层地下水位预测中的应用

提出了建立门限自回归模型的一种简便通用的方法，用遗传算法可同时优化门限值和自回归系数．实例计算的结果说明了其可行性和有效性．该方法在各种工程时序预测中具有广泛的应用价值     

钢纤维自应力混凝土压力管道自应力计算方法

钢纤维自应力混凝土能大幅度提高压力管道的抗裂承载力。然而钢筋、钢纤维和自应力混凝土相互作用以及管道形状的影响使得混凝土的自应力计算很复杂。本文根据弹性力学理论，提出了不同截面形状（圆形和马蹄形）钢纤维自应力混凝土压力管道的自应力计算方法，并通过应变测量试验来验证，计算结果和试验结果符合良好。     

自密实混凝土工作性能试验方法综述

为全面系统地了解自密实混凝土工作性能试验方法,介绍了国内外常见自密实混凝土工作性能测试方法的基本原理、特点和适用范围,并对国内外相关标准中提及的自密实混凝土工作性能经验检验方法进行了对比,经调查发现,部分试验方法在仪器设备、试验步骤等细节上存在差异,影响试验结果的准确性和对比性。建议开展试验研究前仔细确认试验方法和仪器设备,严格按照标准规范的要求进行操作。     

基于大涡模拟和Newmark HHT方法的闸门垂向 自激振动数值模拟

当平底缘平板闸门部分开启且上下游存在水位差时,在一定的折算速度范围内闸门会发生强烈的自激振动,而且闸门底缘有漩涡产生。本文用基于流固耦合数值模拟方法研究了闸门垂向自激振动,通过采用大涡模拟和Newmark HHT方法对不同工况下闸门自激振动进行了计算,计算结果和实验结果吻合,通过数值模拟图像进一步揭示了闸门自激振动机理。     

杏林水库自溃坝的模型设计和观测仪器

本文介绍了杏林水库自溃坝模型设计、制造方法和观测仪器的应用，着重介绍了坝体侧向冲刷率Ｒ采用系列模型延伸公式的推导过程和“自溃坝溃决时间打印记录仪。”     

基于稀疏自编码支持向量机泵站故障检测

对多要素不确定性泵站故障进行有效检测,引入深度学习理论知识,提出了一种基于自稀疏编码的支持向量机泵站故障检测方法。结果表明:对于有限样本的情况下稀疏自编码的SVM方法泵站故障检测可获得较高的精度,并验证了方法的可行性、正确性及有效性;通过对比SVM、稀疏自编码的SVM、BP神经网络3种泵站故障检测方法,得出稀疏自编码的SVM在泵站故障检测中的优越性。为泵站故障检测提供了一种新的解决方法。     

自应力钢丝网水泥压力管自应力值测定和内水压试验

一、前言钢丝网水泥压力管内由于多向限制,特别是园周方向限制了自应力水泥砂浆的膨胀而产生预应力,称为自应力钢丝网水泥压力管。这次试验是通过内径为350毫米和800毫米的离心法生产的自应力钢丝网水泥压力管在水养过程中的应变测定和水压试验。对自应力钢丝网水泥压力管的自应力值,弹性模数及泊桑比进行了探讨,并推求了自应力钢丝网水泥压力管的强度计算方法。     

巨磁电阻直流电子式电流互感器智能化方法

巨磁电阻电流互感器作为一种新型有源电子式电流互感器，在实用化过程中所面临的关键问题是长期稳定与可靠运行水平的提高。文中提出了一种智能化巨磁电阻直流电流互感器的实现方法，首先在高压侧电路中嵌入自校准模块，实现巨磁电阻传感器输入输出特性的在线校准;针对输入输出特性中表现出的非线性问题，提出了自校正算法;最后提出了高压侧电路的自诊断方法，通过备用单片机的嵌入改善了高压侧电路的可靠运行水平。测试结果表明，自校准、自校正及自诊断等智能化方法的性能达到了设计要求，有助于改善巨磁电阻直流电流互感器的长期可靠运行水平。     

基于MICP技术的自修复混凝土研究进展

混凝土是一种应用广泛的建筑材料,但其在使用过程中,极易出现裂缝,尤其在水利工程中。混凝土裂缝不仅影响建筑的美观,而且会对结构的安全性产生不利影响。利用微生物诱导产生碳酸盐晶体(MICP)的技术可以制成自修复混凝土,这种混凝土能够在其自身出现裂缝时实现自我修复,从而提高混凝土材料的耐久性能,节约维修成本。对国内外文献中自修复混凝土的工作原理、制备方法、材料特性以及影响自修复效果的因素进行了总结分析。从工作原理上主要介绍了矿化微生物的选择和矿化过程;从制备方法上主要汇总了自修复混凝土采用的细菌固载方法;从材料性能上主要分析了自修复混凝土的微观性能和宏观性能;从修复效果上主要总结了修复剂成分、养护条件以及裂缝特征等因素的影响。根据梳理,自修复混凝土目前所能修复的最大裂缝宽度为0.97mm,最大深度为27.2mm,仍有大的发展潜力。基于目前的研究现状,文章提出了自修复混凝土进一步的研究方向,旨在为该项技术的发展起到一定的推动作用。     

小世界回声状态网络的风机变桨系统预警模型研究

提出一种基于自编码器的小世界回声状态网络的故障预测方法,以此来应对风电机组变桨系统可能产生的故障,提高故障响应速度。通过分析系统中的监测参数和数据,建立基于自编码器的小世界回声状态网络系统模型。实例表明该方法可在故障发生前提前作出预警,验证了方法的可行性,有效降低了机组的运维成本。     

年径流预测的遗传门限自回归模型

为有效利用年径流时间序列资料所隐含的时序分相依性这一重要信息，推进出用门限自回归模型（TAR）来预测年径流，并研制了TAR建模的一整套便通用的方方案，用所提出的改进遗传算法，可同时优化门限值和自回归系数，从而解决了TAR建模过程所涉及的大量复杂寻优工作这一难题，为TAR模型的广泛应用提供了强有力的工具。实例计算的结果说明这套方案是可行的和有效的；通过门限值的控制作用，TAR模型可以有效地限制模型误差，从而保证ATR模型预测性能的稳健性，提高预测精度，该方案具有通用性，在非线性时序预测中具有重要的理论意义和实用价值。     

遗传门限自回归模型的改进及其应用

 针对门限自回归模型在实际应用过程中预测效果差于拟合效果的情况，对门限自回归模型作了改进，即：在对时序x(i)拟合和预测时，AR式靠近i半个周期的观测值用门限自回归模型的拟合和预测的计算值代替；为了清晰直观地确定出延迟步数及门限区间AR模型的阶数，提出了通过绘制自相关系数图来确定。实例表明，该改进方法提高了遗传门限自回归模型的稳定性和实用性，模型在大坝安全位移监测预报中得到了成功的应用。     

门限人工神经网络模型及其在洪水预报中的应用

结合门限自回归模型与人工神经网络模型的建模思想，首次提出这两种方法的耦合模型，即门限人工神经网络模型，新模型的实质是一种分段非线性化的处理方法，是对现有门限模型分段线性化的很好改进。实例计算结果说明，新模型在洪水的预报中是有效的，在各种非线性时序动态预测中具有普遍意义和广泛的实用价值。     

基于四种方法的月径流预测研究

径流预测对于水资源的合理开发利用与统筹配置具有重要意义。根据黄土高原地区渭河支流-北洛河状头水文站和泾河张家山站的月径流资料,运用门限自回归模型、神经网络模型、方差分析外推法以及季节水平模型四种方法对其进行预测,观察模拟效果并比较各自优缺点。对于枯水期月径流,季节水平模型对于两站预测合格率均为100%;方差分析外推法对于状头站和张家山站预测合格率分别为90%,80%;门限自回归模型对于两站的预测合格率均为80%;神经网络模型预测两站汛期月径流合格率均为100%。表明季节水平模型适用于枯季月径流的预测,神经网络模型适宜于汛期月径流预测,并且精度良好。     

具有周期变化和下降趋势的地下水位的预测

应用门限自回归 (TRA)模型解决具有周期性变化和下降趋势的地下水位的预测问题 ,可以有效地利用地下水位资料所隐含的时序分段相关性 ,起到限制模型误差 ,保证模型预测性能的稳定性 ,提高预测精度的作用     

遗传门限自回归模型在感潮河段水位预测中的应用

应用门限自回归(TAR)模型建立了同时受潮汐和径流双重影响的长江下游感潮河段高桥水文站月水位TAR预测模型,建模过程中运用遗传算法来实现模型参数的优化.计算结果显示,门限自回归模型可以拟合感潮河段的非线性特性,拟合及预测精度均满足水文预报规范要求,遗传算法的引入简化了建模过程,提高了模型的预测精度并保证了其预测性能的稳定性.研究结果表明用遗传门限自回归模型预测感潮河段的水位是可行的,该模型在感潮河段其他水文要素的非线性时序预测中也具有广泛的实用价值.     

Comparison of Recurrent Neural Network,Adaptive Neuro-Fuzzy Inference System and Stochastic Models in Eğirdir Lake Level Forecasting

Accurate prediction of lake-level changes is a very important problem for a wise and sustainable use. In recent years significant lake level fluctuations have occurred and can be related to the climatic change. Such a problem is crucial to the works and decisions related to the water resources and management. This study is aimed to predict future lake levels during hydrometeorological changes and anthropogenic activities taking place in the Lake Eğirdir which is the most important water storage of Lake Region, one of the biggest fresh water lakes of Turkey. For this aim, recurrent neural network (RNN), adaptive network-based fuzzy inference system (ANFIS) as prediction models which have various input structures were constructed and the best fit model was investigated. Also, the classical stochastic models, auto-regressive (AR) and auto-regressive moving average (ARMA) models are generated and compared with RNN and ANFIS models. The performances of the models are examined with the form of numerical and graphical comparisons in addition to some statistic efficiency criteria. The results indicated that the RNN and ANFIS can be applied successfully and provide high accuracy and reliability for lake-level changes than the AR and the ARMA models. Also it was shown that these stochastic models can be used in the lake management policies with the acceptable risk.     

西藏拉萨河径流预测方法研究

本文介绍了人工神经网络模型、分期平稳自回归模型、一阶季节性自回归模型这三种径流预测模型的基本原理,并且利用西藏拉萨河拉萨站1956至1968年,1973年至2000年41年的月平均流量资料对月径流进行预测和比较,得出BP-人工神经网络模型是相对于其它两种方法更适合对拉萨河径流进行预测的方法。     

Prediction of Inflow at Three Gorges Dam in Yangtze River with Wavelet Network Model

A wavelet network model is developed to predict the inflow of Three Gorges dam in Yangtze River, China. The model makes use of the multi-resolution analysis of wavelet analysis and the nonlinear capability of artificial neural network. The short and long term input runoff of Three Gorges dam, such as annual mean discharge, seasonal mean discharge of 10 days period, daily mean discharge and annual maximum flood peak discharge, have been predicted with the wavelet network model (WNM). At the same time a kind of threshold auto-regressive model (TAR) has also applied for those predictions. The comparison of WNM with TAR has been executed. The results show that the accuracy of model predictions with WNM is generally better than that with TAR. The suggested wavelet network model is functional and feasible for runoff prediction.