基于有监督机器学习基坑变形预测模型的比较与分析

影响深基坑变形因素繁多,位移预测问题呈高度非线性和模糊性,为探究目前基于有监督机器学习软计算（Soft Computing Method,SCM）法深基坑位移预测模型的精度性能,对基于支持向量机（Support Vector Model,SVM）位移预测模型、基于随机森林（Random Forest,RF）预测模型、基于反向传播（Back Propagation,BP）神经网络预测模型、基于径向基（Radial Basis Function,RBF）神经网络预测模型、基于Elman神经网络预测模型和长短期记忆（Long Short-Term Memory,LSTM）神经网络预测模型进行了实际深基坑工程一至三天位移预测试验。试验验证了基于有监督机器学习软计算法模型预测深基坑位移的可行性,展现了人工神经网络（Artificial Neural Network,ANN）算法的优越性,并得出了Elman预测模型适用于预测一天和两天深基坑位移预测,而BP预测模型适用于预测三天沉降任务的结论。     

基于机器学习的供热系统热负荷多步递归预测

为预测供热系统的短期热负荷动态概况,提出一种基于机器学习的热负荷多步递归预测策略,该预测策略是对热负荷单步预测模型的拓展。介绍热负荷多步递归预测的流程,该流程可分为4个步骤:数据预处理、数据集划分、模型训练和模型评估。数据预处理细分为特征选择、特征工程和特征变换。在模型训练步骤中,介绍2种机器学习模型:支持向量回归(SVR)和极限梯度提升(XGBoost)。分别利用这2种机器学习模型建立了热负荷单步预测模型,根据建立的单步预测模型,采用提出的多步递归预测策略,可以实现对短期热负荷的动态概况预测。选取某实际供热系统的热源首站的运行数据用于案例分析。结果表明:在预测精度和预测稳定性方面,基于XGBoost的热负荷多步递归预测策略均优于基于SVR的热负荷多步递归预测策略;二者在各时间步长上均未产生明显的误差累积;该热负荷多步递归预测策略可以准确预测供热系统短期热负荷的动态概况。     

基于机器学习方法的区间组合预测模型优化

随着数据量的不断增多,对于预测精度的要求也越来越高。引入了机器学习中的损失函数和梯度下降算法,与传统的线性规划求解组合系数方法相比,简化了计算步骤,在保证精度的同时也提升了算法对大量数据的处理能力。最后通过实例表明,基于机器学习方法的区间组合预测模型能够有效地提升预测精度。     

高强混凝土强度预测的高斯过程机器学习模型

高强混凝土强度与其影响因素之间存在着复杂的非线性关系,针对现有方法的局限性,建立了基于高斯过程机器学习的高强混凝土强度预测模型.该模型采用高斯过程机器学习方法对少量试验样本的测试结果进行学习,就可以建立高强混凝土强度与其影响因素之间的复杂非线性映射关系.研究结果表明:高强混凝土强度预测的高斯过程机器学习模型是可行的,具有预测精度高、适用性强、参数自适应化且易于实现的优点.     

境外光伏场区不同造价估算模型的对比研究

随着境外光伏规模不断扩张，光伏发电项目作为新能源项目的代表性项目，对应的造价测算也逐渐有了新的要求。在光伏发电项目筹建与决策初期，由于工程缺乏细部参数，决策者进行项目估算时，往往毫无头绪。本文首先分析影响光伏造价的几个主成因，并以几种典型的机器学习预测模型为基础，分析如何利用现有案例数据训练预测模型，对境外光伏造价利用不同的估算模型进行分析。     

机理计算与机器学习结合的空调负荷预测

文章提出了一种机理计算与神经网络学习相结合的在线负荷预测方法。利用Python建立了统计学预测模型、支持向量机预测模型、随机森林预测模型。并通过将溧阳某一建筑实际空调负荷数据逐步输入模型之中模拟建筑的实时运行,对1年内和1年后的泛化能力进行分析。模拟结果表明,随着实际负荷数据的逐步增加,通过在线学习逐步完善性能,可以快速建立建筑的空调负荷预测模型。机器学习预测空调负荷的方式扩大了负荷预测的使用范围,提高了冷冻站智能化运行的水平。     

机器学习研究思路和途径的探讨

机器学习是机器人工程领域最活跃,最有潜力的方向之一。本文概述了机器学习当前研究的方向:符号机器学习、集成机器学习、增强机器学习、统计机器学习,梳理了各自的理论基础。在此基础上,以统计机器学习为重点,就其一致性、收敛性、推广性以及构造算法的原则四个核心方面进行了综述,最后提出几点思考和建议。     

基础沉降变形的灰色预测方法与电子表制作(Ⅰ)——预测原理与工程概况

为了便于进行基础沉降变形灰色预测模型电子表格制作,首先介绍了建立灰色预测模型的基本步骤,然后介绍了预测模型精度的检验方法和合格沉降变形预测模型的使用方法,最后简要介绍了预测实例工程的概况,提出了GM（1.1）预测模型,并对实测结果与预测结果进行了比较。     

基于随机森林的税务热线服务质量预测研究

本文以A市12366税务热线为例,从税务热线客服本身的特征与行为出发,引入机器学习中的随机森林算法,构建服务质量预测模型。实验结果显示该模型的拟合优度为86.30%,而用来对比验证的多元线性回归预测模型的拟合优度仅为36.3%。其次,通过对服务质量进行事前预测与把控,不断地优化影响因素,从而有效地提高A市税务热线服务质量。研究发现,通过优化工作经验、实际接听量以及工时利用率等因素可以有效地提高服务质量。     

数据挖掘中机器学习的应用

本文在介绍机器学习发展历程的基础上,指出了机器学习在数据挖掘中的特性。以GSM网络户外移动终端定位为例,利用三个阶段的定位算法,提高了定位的精度与速度。     

高架桥上BRT公交车火灾事故调查的思考

通过对一起高架桥上BRT公交车火灾事故的详细勘察和缜密调查,分析提出制定特殊火灾事故调查应急预案的重要性,探讨如何建立重大火灾事故多部门尤其是刑侦部门协作配合机制,以及从火灾事故调查中总结经验教训,提出改进措施和建议。     

对混凝土裂缝自愈合的研究

阐述了混凝土裂缝产生的原因以及混凝土裂缝自愈合的机理,并对混凝土的自愈合技术进行了深入的研究,结合该领域存在的问题,对其在未来的发展进行了展望,以期为该问题的研究提供借鉴。     

基于ANSYS的水平受载桩桩身受力性能的研究

基于ANSYS有限元软件,建立了钢筋混凝土管桩模型,对成层土中桩身处承受水平荷载的基桩受力性状进行了计算机数值模拟,通过对桩身位移和应力变化曲线的分析,得出了水平荷载下桩身位移和应力的变化规律。     

浅析“辛以润之”

"辛以润之"是中药药性理论的重要组成部分,一方面,"辛润"是"辛散"功效作用于脾、肺、肾而依次派生出的功用变易,是天地阴阳、五行五脏之间紧密联系的体现;另一方面,对"辛润"的运用不该只局限于治疗"肾苦燥",而更应将其追溯到"发越脾气"与"从阳引阴"上去,以使其对临床用药的指导意义更加深刻、广泛;最后,对于药物性味的合理运用与理解应该与药味之间的相互配伍、中药归经理论结合起来,使其得以互相为体为用,从而更好地发挥功效。     

燃气表跳字分析

分析了燃气表滑阀与滑座、输出轴、计数器对产生跳字的影响,提出了解决方法。     

浅析MVRDV的密度实践

对MVRDV 的理论进行了探索,指出MVRDV 建筑事务所热衷于研究城市空间扩张与自然空间发展的关系及城市空间和建筑本身的密度实践,并通过对MVRDV 案例的分析,论述了提高建筑密度的手法和优化城市空间的理念。     

同层分户排水刍议

住宅楼分户排水可基本杜绝以往管道穿楼板导致的"跑、冒、滴、漏"和随意往管道投垃圾而导致堵塞下层管道(尤其是底层排水横管)等弊病,有效解决卫生间"臭味"问题.     

基于PSIM的光伏电池的仿真

指出光伏电池是光伏发电系统的主要元件,对其特性的研究有着重要的意义,介绍了利用PSIM软件建立光伏阵列的仿真模型,并对仿真效果进行了分析,得出该模型仿真精度高,能够准确地反映其物理特性,为光伏发电系统的仿真分析提供了依据。