钢纤维自密实混凝土疲劳寿命预测不确定分析的证据理论方法

针对钢纤维自密实混凝土疲劳寿命预测中存在诸如材料参数、试验数据、模型不确定等各种不确定性来源,造成疲劳寿命预测困难、预测不准确等问题,本文建立了基于S-N曲线的混凝土疲劳寿命预测不确定性模型,考虑模型参数的认知不确定性,提出了一种基于证据理论的混凝土疲劳寿命预测不确定性分析方法。选取0.5%钢纤维掺量的钢纤维自密实混凝土弯曲疲劳试验数据,采用证据理论和微分演化算法来完成各级应力水平下不确定性的量化和传播;通过与实际疲劳寿命和概率理论方法的预测结果进行比较分析,验证了该方法对钢纤维自密实混凝土疲劳寿命预测不确定性分析的有效性和可行性。     

基于概率的不确定时态信息的表示模型

时态信息表示和推理是时态数据库的研究重点之一,现实生活中很多时态信息是不确定的,现有的时态数据库模型在处理不确定时态信息方面仍存在较大困难.本文提出一种用概率的方法表示不确定时态信息的模型,用于描述各种具有确定或不确定时态信息的事件,定义了各类时态对象(如时间点、时间区间)以及它们之间的关系,并给出了不确定时态推理的例子.     

加工时间不确定的船体分段空间调度方法

针对调度过程中存在的不确定性因素及调度对象存在关联约束关系,提出了一种加工时间不确定的船体分段空间调度方法.以旁板这一类分段关联件的加工时间的变动作为不确定影响因子,建立了船体分段在不确定环境下的空间调度模型,目标为最小化由不确定因素造成分段提前、拖期的时空占用成本.该模型考虑了船厂实际生产过程中的随机加工时间以及分段和关联件的约束关系,结合某船厂的实际生产数据进行实例验证,结果表明,该模型能对加工时间不确定条件下的船体分段空间调度给出较优的调度解,而且在空间调度解的质量和模型应用范围等方面更贴近船厂现实生产情况.     

机会约束规划理论在有源配网规划中的应用

分布式电源的大规模接入会给配电网带来多种不确定性,为了能够有效处理有源配电网规划这一复杂问题,将不确定规划理论引入其中。首先,综述了不确定性规划的理论方法,详细介绍了三种规划模型的建模机理和数学模型;进而,将不确定规划方法与典型分布式电源的出力特性相结合,建立有源配电网的不确定规划模型,提出随机机会约束规划方法。     

一种改进的概率关系模型及其应用研究

为了解决概率关系模型(Probabilistic Relational Model,PRM)中投影不合理的缺点,针对PRM模型存在的缺陷对其进行了改进.把概率关系数据库中的元组进行了有效的划分,分为相互独立元组和互不相容元组,并且给出了改进后不同类型元组的投影操作.此外,在传统的房屋中介管理系统中应用了概率关系模型.该...     

利用神经网络扩充数控机床可靠性数据

针对数控机床可靠性研究过程中可靠性数据收集周期长、费用较高的问题,提出了基于人工神经网络理论和算法的数控机床可靠性数据扩充方法。在对收集的少量可靠性数据进行初步分析的基础上,对人工神经网络网络进行训练,并应用训练后的神经网络对原始可靠性数据进行扩充。扩充后的可靠性数据与原始可靠性数据具有相同的失效分布规律。对扩充后的可靠性数据通过应用最小二乘法和K-S检验法进行分析,可以确定数控机床可靠性数据分布模型。以9台某型号数控车床3个月的可靠性数据为例证明该方法能够在可靠性数据较少的情况下实现对数控机床可靠性数据分布模型的确定,同时分布模型的拟合更加准确。     

机会约束规划理论在有源配电网规划中的应用

综述了不确定性规划的理论方法,详细介绍了3种规划模型的建模机理和数学模型,进而将不确定规划方法与典型分布式电源的出力特性相结合,建立了有源配电网的不确定规划模型,并提出了随机机会约束规划方法.     

基于椭球模型的岩坡稳定非概率可靠评价研究

在考虑影响因素的不确定性条件下, 快速有效地评价岩坡的稳定状态成为目前研究的热点。传统概率可靠方法评价要求数据充足且服从某种概率分布, 工程中难以实测大量数据支持, 从而阻碍了该方法的推广应用。本文针对以上不足, 结合平面滑动型岩坡在只需确定变化范围的前提下应用椭球模型表达不确定影响因素的变异性质, 采用相应的非概率可靠指标评价了岩石边坡的稳定状态, 与蒙特卡洛模拟法计算结果的对比显示两种评价结果一致。基于椭球模型的非概率可靠评价方法所需数据量小, 计算简便快捷, 在岩坡稳定问题的评价中具有一定的适用性。       

粗支持向量机分类建模方法

为了克服样本模式的复杂性、噪声的影响以及信息的不完整性问题,利用粗糙集和支持向量机(SVM)的优点,把粗糙集理论用于二分类球形SVM,提出一种称为粗支持向量机分类建模方法.粗糙集具有刻画不确定、不完整数据和复杂模式的能力,分类结果能够体现出数据的不确定性,但是它不仅不具备良好的学习能力,而且也不能保证分类模型具有良好的推广能力;SVM具有良好的推广性能,但是对不确定数据的建模能力较差.本文把分类结果分为正域、边界域和负域,由此来判断不确定数据样本的分类结果的不确定性程度.通过调整参数来调节边界的宽度和允许建模的在野点样本的比例,提高分类模型的灵活性.仿真结果说明了算法的有效性.     

数字高程模型不确定性对地形参数和TOPMODEL的影响

数字高程模型(Digital Elevation Model,DEM)是基础数据,数据本身不可避免地存在不确定性.不确定性会随着传播而累积,从而影响DEM应用结果的可靠性.从DEM不确定性传播的角度,利用蒙特卡罗模拟技术研究了DEM不确定性传播对坡度、上坡集水面积、地形指数和TOPMODEL模型的影响,发现DEM不确定性传播对坡度、上坡集水面积和地形指数有一定的影响,对上坡集水面积影响最大,对地形指数影响最小;但DEM不确定性传播对TOPMODEL模型影响甚微.