考虑空间变异性的加高培厚堤防沉降预测与敏感性分析

为量化空间变异性对加高培厚堤防(加培堤)的最终沉降量和沉降稳定时间的影响,采用有限元分析法开展几何形状空间变异性和土体参数空间变异下加培堤的沉降预测,并利用现场监测资料验证了有限元模型的有效性。在此基础上,分析了加高高度、培厚厚度、孔隙比和渗透系数的空间变异对加培堤沉降预测的影响。结果表明,空间变异性对加培堤沉降预测有明显影响;对最终稳定时间的敏感程度依次为:渗透系数孔隙比加培宽度加高量;对最终沉降量的敏感程度依次为:培厚量孔隙比加高高度渗透系数。研究成果可为合理的不均匀沉降控制与路面铺设时间安排提供参考。     

基于灰色理论的高面板堆石坝沉降预测研究

基于灰色系统理论,建立了进行高面板堆石坝坝体沉降预测的GM（1,1）模型,并用该模型对公伯峡面板坝的坝体沉降进行了灰色预测,结果表明,运用该模型对高面板堆石坝的坝体沉降进行预测是可行的,预测结果也是较为合理的。     

基于灰色关联度和集对分析的城市用电量预测

以某市为例,收集整理了2004~2014年用电量及其影响因素的数据,运用灰色关联度对数据进行处理,选出关联度较大的影响因素,应用集对分析方法对用电量进行预测,并与实际值进行比对。结果表明,该方法应用于用电量预测计算简单,思路清晰,精度较高,可作为电力部门电力规划和调度的参考。     

基于长短期记忆网络的黄河小浪底水库高斜心墙堆石坝沉降预测模型及其预测精度分析

针对黄河小浪底水库高斜心墙堆石坝沉降预测精度低,无法准确反映大坝运行性态等问题,基于黄河小浪底水利枢纽主坝沉降监测数据,引入长短期记忆网络(LSTM)方法建立高斜心墙堆石坝沉降预测模型对主坝沉降进行预测,并对不同损失函数下模型优化过程进行分析,最终选定平均绝对误差作为损失函数.预测结果表明,LSTM方法各项指标结果均优...     

基于逐步回归分析—马尔可夫链模型的大坝变形预测

针对预测大坝变形准确性难度较大的问题,综合逐步回归分析和马尔可夫链的优点,采用逐步回归分析法对大坝原型观测资料进行分析,得到回归模型,并判别回归方程的有效性和精度,同时利用马尔可夫链确定位移时序的状态转移概率矩阵,通过划分残差状态、修正实测值与逐步回归模型拟合值的绝对误差与相对误差,建立了大坝变形预测的逐步回归分析—马尔可夫链预测模型(SRA-MC)。实例应用结果表明,模型的拟合值与实测值吻合良好,预测效果好,可见逐步回归分析—马尔可夫链模型在进行大坝变形预测时具有有效性,可应用于大坝变形预测分析及大坝安全监控预警中。     

改进的非等间距GM(1,1)模型在大坝沉降分析中的应用

由于影响大坝监测数据因素多,且数据存在非等间距离散的情况,利用传统非等间距GM(1,1)模型的建模原理,分析了数据拟合与预测精度低的原因,提出了优化背景值的改进非等间距GM(1,1)模型,根据两种模型对施工期堆石坝心墙的沉降观测数据进行拟合和预测。实例表明,改进模型精度较高,更接近观测值,可应用于工程实际中。     

基于灰色关联分析法的BP神经网络预测机械通风冷却塔出水温度研究

通过灰色关联度分析法对影响冷却塔出水温度的10项参数进行筛选,确定以进水温度、循环水量、冷却塔运行台数、环境湿度、环境温度、风机运行频率和风机运行台等7项权重占比高的因子作为输入层,根据Kolmogorov定理得出5个神经元的隐含层,以冷却塔出水温度为输出层,以100组实验数据为样本,进行三层结构的BP神经网络预测模型构建。结果显示：预测值与实验值吻合良好,相关系数为0.987 49,平均相对误差(MAE)为0.33%,均方根误差(RMSE)为0.014 5,该模型可以有效预测该实验冷却塔在不同条件下的性能特征。     

三峡库区白家包滑坡变形特征及位移预测分析

为降低白家包滑坡可能造成的危害,收集并分析白家包滑坡自2006年以来的专业监测数据及变形机制,确定降雨和库水位等外界因素是导致滑坡体变形的主要因素。为预测白家包滑坡在外界诱因下的位移发展变化趋势,采用灰色关联法计算滑坡位移与降雨量、库水位升降的关联性,利用BP神经网络算法预测白家包滑坡累计位移,并对比分析了实测位移与预测位移的差异。结果表明,库水位下降和降雨是诱发白家包滑坡变形的主要因素;BP神经网络算法预测效果较好,白家包滑坡在2014年10月~2016年10月的累计位移预测曲线呈台阶状变化,ZG324、ZG326测点的最大位移达到1 031、1 209mm。     

深圳市用水量预测及情景分析

以深圳市为例,将GDP、SSO、TSO、RP作为影响因子,构建了各影响因子的预测模型,利用蒙特 卡洛随机模拟方法定量分析了影响因子的不确定性水平,进而建立了BP神经网络用水量预测模型,预测 了2011～2015年深圳市用水量。结果表明,2011～2015年深圳市的用水量会保持缓慢增长,但增速会减 小并趋于稳定,预计2015年用水量会出现饱和,饱和点之后用水量将不会再增加。     

双碳背景下计及新能源大规模接入的电量趋势预测与分析北大核心CSCD

为了提高新型电力系统电量趋势预测的精度,文章提出了基于深度神经网络的新型电量趋势预测的方法。采用灰色关联分析深入研究了新能源接入、外部环境以及节假日对电量预测的影响,提出了用粒子群算法优化的Informer电量趋势预测方法。Informer模型采用概率稀疏自注意力机制和自注意力蒸馏机制,使其时间复杂度大大降低,有效地使用内存。通过建立Informer电量预测模型,并对模型的超参数进行优化,可输出最好的电量预测结果。通过算例分析对所提出的方法进行有效性验证,显示该方法具有较高的预测精度,适用于中长期电量趋势预测。     

通用曲线曲面拟合软件的研制及应用

介绍通用曲线面拟合软件中用到的一些主要技术和软件的主要功能，并以某台轴流式风机的QNH特性曲线为例，用该软件进行曲面拟合和二维插值，计算结果表明，用该软件进行的计算达到了较高的精度，完全满足工程需要。     

基于遗传算法的压气机性能曲线拟合方法研究

为了研究人工神经网络在压气机性能曲线拟合中的应用,分别利用BP神经网络、RBF神经网络、极限学习机以及BP-GA神经网络对某微型燃气轮机压气机的性能映射关系进行模拟,分析了不同网络模型在压气机特性曲线拟合上的优劣,以及样本容量对不同神经网络模型性能的影响。结果表明:BP-GA神经网络模型不仅收敛速度快,而且精度高;相比传统BP神经网络模型,其平均绝对百分比误差可控制在0.189%以内,训练时间可缩短至19.07 s;当样本容量较少时,传统BP神经网络模型不再适用,而基于遗传算法的BP-GA模型仍然保持较高的精度。     

最优组合预测模型在预压处理地基沉降中的应用研究

[目的] 为了提高预压地基处理沉降预测及固结度推算精度,提出了以原始累积沉降量时间序列为基础建立最优组合预测模型以及模型的精度评价方法。 [方法] 基于传统单一预测模型Compertz模型、灰色G(1,1)模型、Pearl模型,构建最优组合模型,以某天然气热电冷联产项目地基沉降监测时间序列,分别检验各单一模型以及最优组合预测模型(OCP模型)的可靠性与精度,并将三点法,图解法(Asaoka法)及经验双曲线拟合法的预测结果与最优组合预测模型(OCP模型)的计算结果进行了对比分析。 [结果] 研究结果表明：单一预测模型Compertz模型、灰色G(1,1)模型、Pearl模型以及最优组合预测模型(OCP模型)均满足“好”的精度等级要求;与常用的三点法,图解法(Asaoka法),经验双曲线法计算结果相比,最优组合预测模型(OCP模型)计算值更接近实际值; [结论] 在进行预压处理地基的沉降预测以及预压后地基土固结度计算和分析时,采用不同方法,能得出合理的评价指标值;最优组合预测模型(OCP模型)可为在预压处理地基施工控制提供一定的指导作用。     

分步曲线拟合的引风机传动模型

根据引风机静态性能曲线的特点,提出采用分步非线性曲线拟合的方法获得引风机的静态性能模型。分步曲线拟合的方法是将复杂曲面拟合问题,通过分步转换为曲线拟合问题,该方法具有初值易确定、拟合易收敛、操作简单和精度高的特点。获得静态性能模型后,通过风机相似率,将静态性能模型转换为引风机传动模型。该传动模型适合于引风机调速控制系统与状态监测的研究。     

用于电费结算的用户电量数据清洗与拟合方法

随着福建省电能数据采集系统的不断发展和改进,省内供电企业可以基于电力线宽带载波(HPLC)技术对低压用户的用电数据进行小时级采集,对高压用户的用电数据能够实现15 min级采集.由于网络信号不稳定、设备易出现故障等问题,导致部分用户的用电数据无法正常回传至采集系统,对用户的电费结算造成一定误差.为有效降低该类用户用电量...     

两种水泵性能曲线拟合方法的研究

采用基于最小二乘法的多项式拟合与改进的BP神经网络法分别对同一水泵性能参数进行拟合,并通过算例比较分析了两者拟合效果、精度。结果表明,改进的BP神经网络拟合曲线效果和精度较高,在样本数量不多情况下两者拟合曲线效果较接近。     

基于最小二乘曲线的水电站入流平滑处理

以双牌水电站为例,针对水库入库过程推算结果的锯齿现象,构造了入库流量与时间的多项式关系进行平滑模拟,并建立以水量平衡为约束的最小二乘曲线拟合模型求解。结果表明,该方法确保了模拟结果与原始过程计算周期内水量相等、误差权重系数具有相同最大值的特征,拟合效果、精度较高。