结合灰色理论的人工神经网络方法 在水质预测中的应用

针对现阶段水质监测中存在的水质变化响应滞后问题,提出了采用灰色预测法、人工神经网络(BP神经网络、径向基神经网络、广义回归神经网络)以及两者组合的方法对水质动态预测进行研究。以太湖流域嘉兴斜路港监测断面为例,并依据后验差检验比值c及小概率精度p对模型预测效果进行了分析。结果表明,对年内预测,通过广义回归神经网络的动态预测值平均相对误差为0.61%,后验差检验比值小于0.65,小误差概率大于0.7;采用灰色结合广义回归神经网络的方法对水质pH值进行预测,平均相对误差仅有0.85%,后验差检验比值小于0.65,小误差概率等于1。研究结果还表明,对年际预测,灰色结合BP神经网络和灰色结合径向基函数神经网络的动态预测值平均相对误差分别为0.57%和0.80%,其后验差比值都小于0.5,小概率误差都为0.9,大于0.8。     

基于集成深度神经网络流量预测的动态网络切片迁移算法

针对5G网络切片(NS)场景下由于缺乏提前对物理网络资源进行感知而导致切片迁移滞后的问题,该文提出一种基于集成深度神经网络流量预测的动态切片调整和迁移算法(DSAM)。首先建立了基于计算、内存、带宽资源配置的网络总惩罚模型;其次,提出基于集成深度神经网络的流量预测算法预测未来网络流量情况,并根据流量类型的不同将其转换成对未来时刻物理网络的资源占用及切片的资源需求感知;最后,根据感知结果,以尽可能大地降低运营商惩罚为目标,通过动态切片调整和迁移策略将虚拟网络功能(VNF)和虚拟链路迁移到满足资源限制的物理节点和链路上。仿真结果表明,所提算法有效提高了切片迁移的效率和网络资源利用率。     

高赋水煤层钻孔有效抽采半径测定技术研究

针对顾北矿4-1煤层顶板围岩高赋水的情况,基于相对压力指标法的原理及方法,通过采取优化钻孔设计、施工注浆孔与测试孔交叉布置等措施,对4-1煤层瓦斯有效抽采半径进行了测定。     

限定记忆的GM-RBF瓦斯涌出预测模型

针对现阶段瓦斯涌出量预测中存在的样本数据库过饱和现象,提出了一种限定记忆模式的多维GM-RBF瓦斯涌出量预测模型;基于软测量思想引入了代谢因子,变一维瓦斯涌出量数据为多维辅助变量和主导变量,构建了多维动态数据集;对车集煤矿2612工作面的实例验证结果表明:限定记忆模式下的多维GM-RBF模型拟合曲线离散性最小,瓦斯浓度变化趋势和实际监测结果最为接近,对煤矿工作面瓦斯涌出量的预测具有更高的准确性。     

网络切片场景下基于分布式生成对抗网络的服务功能链异常检测

针对网络切片场景中,由于软硬件异常而导致服务功能链(SFC)异常的问题,该文提出一种基于分布式生成对抗网络(GAN)的时间序列异常检测模型(DTSGAN)。首先,为学习SFC中正常数据的特征,提出分布式GAN架构,对SFC中包含的多个虚拟网络功能(VNF)进行异常检测;其次,针对时间序列数据构建一种基于滑动窗口数据特征提取器,通过提取数据的两种衍生特性和8种统计特征以挖掘深层次特征,得到特征序列;最后,为学习并重构数据特征,提出时间卷积网络(TCN)与自动编码器(AE)构建的3层编解码器作为分布式生成器,生成器通过异常得分函数衡量重构数据与输入数据的差异以检测VNF的状态,进而完成SFC的异常检测。在数据集Clearwater上采用准确率、精确率、召回率和F1分数这4个性能指标验证了该文所提模型的有效性和稳定性。     

深部高瓦斯压力区域快速测压技术

基于深部煤层高地应力、高地温、高渗透压的特点,分析了目前深部区域测压所面临的问题,提出了以控制测压气室体积、套管带压固结与多步分段封孔和主动式补气测压为主要措施的深部测压成套技术,并在潘三矿进行了可行性试验分析。结果表明:套管带压固结与多步分段封孔技术能够有效封堵深部围岩裂隙,消除水压及深部煤层群的影响;主动式补气测压法大大缩短了深部高瓦斯压力区域测压时间,实验结果的误差也非常小。基于以上措施准确测定出揭煤区域7煤、8煤的瓦斯压力分别为2.9MPa和3.14MPa。     

低含水状态煤自燃倾向性实验研究

水分对煤自燃的影响十分复杂。应用TG-DSC技术,针对某一矿区对含水量较低状态下的煤样的氧化规律进行研究,测定其失重率、吸氧量、放热速率和放热量等参数,分析在较低含水状态下水对煤自燃倾向的影响。实验结果表明:含水量较低的情况对煤体的自燃有着促进作用,煤的自燃倾向性增加。当煤样的含水量超过一个临界值时,其吸氧量和放热量都会降低,煤的自燃倾向性降低。为防止煤的自燃倾向性的增加,煤体的含水量要保持在较高的程度。     

基于GM-RBF组合模型的空气质量预测研究

空气质量变化是受多元复杂因素耦合作用的结果,为提高空气质量预测精度,提出了一种改进的灰色神经网络组合模型。该模型首先对原始数据进行重构,实现原始数据一维到多维的变换,从而提高数据利用率,再利用灰色模型弱化数据随机性,通过RBF神经网络实现对空气各污染组分的非线性预测。实际应用表明:GM-RBF组模型拟合及预测结果与各指标浓度实际监测结果基本一致,总体变化趋势也高度吻合,对SO2、NO2、PM10、PM2.5、CO等指标的预测精度均在0.05以下,对波动性最大的O3浓度预测精度也达到了0.0631,也印证了O3属宁波市空气质量最主要污染物。由此可见,基于GM-RBF组合模型的空气质量预测体系增强了模型的泛化能力和数据利用率,精度更高,稳定性更好,能够满足空气质量准确预测的要求,为大气污染治理及环境保护方略制定提供参考依据。     

循环荷载作用下建筑垃圾土动力性能

国家基础设施建设不断推进,大量建筑垃圾随之产生。对建筑垃圾进行资源化利用,不仅经济环保,且可缓解环境压力。通过室内大型动三轴试验,对建筑垃圾土与砂土动力性能展开研究,包括动应力-动应变、时程曲线、动弹性模量、阻尼比和液化评估分析。试验结果表明：建筑垃圾土破坏动应力约为砂土的1.3倍,即建筑垃圾土的承载能力明显高于砂土。在循环荷载作用下,砂土超静孔隙水压力大约是建筑垃圾的2.5倍,因此建筑垃圾土发生液化可能性更小。建筑垃圾土动弹性模量远高于砂土,最高是砂土的1.3倍。建筑垃圾土动力性能均高于一般砂土,建筑垃圾土具有代替砂土用作道路工程填料的潜力。     

基于DEMATEL的安全工程实验室EHS安全管理体系研究

为解决国内高校实验室安全管理体系制度不完善、科学性不足等突出问题,以安全工程实验室为背景初步构建了EHS基本框架。在此基础上引入DEMATEL模型对实验室EHS管理体系进行量化评估,从而为EHS管理体系的科学构建提供了理论支撑和着手点。DEMATEL方法的引入更有利于后续EHS管理体系的科学制定,进而实现实验室安全管理工作的PDCA良性循环。