基于并联型灰色神经网络模型的隧道沉降量预测方法探讨

灰色预测方法和人工神经网络,在建筑物变形预测中有各自的优势和不足.为了提高预测精度,该文结合灰色GM(1,1)模型和BP神经网络模型的特点,构造并联型灰色神经网络模型(PGNN)对南京地铁隧道某监测点的沉降量进行预测.结果显示,PGNN的预测精度明显高于单一的灰色GM(1,1)模型和BP神经网络模型,证明了PGNN组合方法在地铁隧道沉降量预测中的有效性.     

基于WOA优化神经网络的斜坡道拱顶沉降预测研究

为了更准确地预测地下矿山中斜坡道拱顶沉降的趋势,并控制预测精度,以保障矿山安全。本文提出鲸鱼算法优化神经网络的斜坡道拱顶沉降预测方法。主要步骤为：首先采取邻点中值平滑处理的方法对原始数据进行处理,将处理好的监测数据作为输入样本对BP、Elman神经网络进行训练、测试;再利用鲸鱼算法对初始权值和阈值优化,最后通过不同模型输出预测值。通过仿真实验研究表明:鲸鱼优化后的BP、Elman神经网络模型相比优化前均能更准确地预测斜坡道拱顶沉降;WOA-Elman模型的决定系数为0.948,优于WOA-BP模型0.941,但WOA-Elman模型运行时间耗费671.214 s远超于WOA-BP模型307.226 s,WOA-Elman耗费了更多的训练时间换取了少量的精度提升,大幅降低了训练效率;结合工程实例实测值、预测值的分析比较,鲸鱼算法(WOA)优化后的BP神经网络表现出了更高效且准确的斜坡道拱顶沉降预测能力。     

基于GA-BP神经网络的采空区地表沉降预测模型

为了提高采空区地表沉降预测准确性,选择上覆岩层弹性模量、泊松比、内聚力、内摩擦角、开采深度、采高、矿体倾角和采场尺寸共8项影响采空区沉降的指标进行研究,通过遗传算法(GA)优化BP神经网络,构建了GA-BP神经网络采空区地表沉降预测模型,对采空区地表沉降趋势初步预测与分析。模型解算结果表明,相比传统BP神经网络预测模型,GA-BP神经网络预测模型在预测精度、拟合性能和收敛速度方面都有所提高。     

基于遗传算法优化BP神经网络的瓦斯浓度预测研究

为了提高瓦斯浓度预测的精度和稳定性,提出了将遗传算法(GA)与BP神经网络结合的预测方法。利用BP神经网络能以任意精度逼近非线性函数的优点,结合遗传算法的全局搜索能力,优化神经网络权值和阈值,建立GA—BP混合算法模型预测瓦斯浓度。实验结果表明,GA—BP算法与BP神经网络相比,具有较高的预测精度和较强的稳定性。     

应用遗传-神经网络方法预测软土路基沉降

理论方法预测软土地基沉降与实际存在较大的差距,使得预测结果很难达到设计要求,不利于指导施工.将现有的理论方法同现场观测信息相结合,对软土地基变形作出更为准确的预测,有利于指导和控制工程施工.采用遗传算法和BP最优化法相结合的算法来训练网络,用遗传算法来优化BP神经网络中权值;用龚帕斯曲线来分解沉降时序,通过沉降趋势线偏移量来训练网络.采用这种方法预测软土路基沉降取得了较好的应用效果.     

基于LVQ-GA-BP神经网络的煤矿瓦斯涌出量预测

针对煤矿瓦斯涌出量影响因素多、非线性、复杂性等特点,提出了学习向量量化神经网络(LVQ)与GA-BP神经网络相结合的方法。通过LVQ对诸多影响因素进行分类并选出主要影响因素,再用遗传算法(GA)优化BP神经网络的权值和阈值,构建煤矿瓦斯涌出量预测模型,并通过相关数据将建立的LVQ-GA-BP预测模型与BP神经网络进行了对比分析,结果表明通过这种方法平均相对误差为0.025 51,低于BP神经网络训练的平均绝对误差,网络收敛速度也显著提高了。     

基于GA-BP算法的气化配煤灰熔点预测

为了提高气化配煤煤灰流动温度预测的精度和稳定性,提出将遗传算法(GA)与误差反向传播神经网络(BP)相结合的预测方法,采用GA优化BP神经网路的权值和阈值,再用BP算法训练网络,结合仿真实验分析比较了GA-BP网络算法与常规BP神经网络方法的精度和稳定性。结果表明:GA-BP网络改善了BP网络容易陷入局部极小值和收敛速度慢的缺点,经GA优化的BP神经网络预测方法的预测精度高于BP网络算法,将其应用于气化配煤灰熔点预测有效可行。     

BP神经网络在钻孔扩底灌注桩沉降预测中的应用

利用实测的钻孔扩底灌注桩静载试验数据,用BP神经网络建立桩基沉降量的预测模型,并应用于实际工程的桩基沉降预测,获得了较好的效果.研究结果表明,BP神经网络预测模型可有效预测桩基沉降量,预测精度高,简便易行.     

液压支架顶梁疲劳寿命的改进神经网络预测

对液压支架顶梁疲劳寿命计算量大,耗时多而导致的顶梁疲劳寿命很难使用智能寻优算法进行优化的问题进行了研究。提出使用遗传算法优化了的BP神经网络对液压支架顶梁疲劳寿命进行预测的方法。首先选取对顶梁疲劳寿命影响较大的5个设计参数,使用ANSYS计算其80组参数水平下的疲劳寿命。再用遗传算法优化了的BP神经网络对前70组数据进行训练建立神经网络模型。最后用10组数据验证建立的BP神经网络疲劳寿命模型的预测精度。结果表明,遗传算法优化了的神经网络能快速估算出顶梁疲劳寿命,并且估算的疲劳寿命平均相对误差较低,仅为4.04%,完全满足工程实际要求。     

基于遗传算法因素筛选的BP神经网络在软土路基沉降数据处理中的应用

软土路基沉降与其影响因素之间存在着非线性关系,因输入自变量较多,用神经网络建模容易出现过拟合现象,导致网络模型预测精度降低。针对这个问题,提出用遗传算法对输入自变量进行压缩降维处理,同时对网络模型的权值和阈值进行优化。实例仿真表明:经降维和权值及阈值优化的BP网络具有较高的精度;预测效果优于GRNN网络模型和单纯BP网络模型;用于软土路基沉降预测是可行的。     

混联二自由度机械臂的运动学研究

提出了一种混联机械臂,该机械臂是串并联混合机构,具有串联机构工作空间大和并联机构承载能力高的优点,可以实现较大活动空间内对重物的搬运仓储。对该机械臂进行了自由度分析,得到该机械臂的自由度为2,具有平面内的一个移动和一个转动自由度。基于几何解析法分析了该机构的运动学正反解,并且给出了5组正反解分析数值算例,验证了正反解分析的正确性。     

影响横轴式掘进机截割机构振动特性的因素分析

在横轴式掘进机截割机构横向截割的刚体动力学模型基础上,利用计算机模拟方法获得其在不同参数下的振动特性曲线,并分析了截割头质量、悬臂质量、液压系统刚度及阻尼变化对掘进机截割机构振动特性的影响,为研究横轴式掘进机的振动特性,改进机器设计创造了条件.     

矿柱流变对采空区顶板稳定性的影响

为研究岩石流变特性对采空区长期稳定的影响,基于Reissner厚板和流变力学理论构建了矿柱-顶板流变力学模型,并推导出顶板沉降位移关于流变时间的关系式;依据不同边界条件将顶板破坏过程划分为固支、固支-简支、简支和内部破坏四个阶段。研究结果表明:所建立的流变力学模型可用于对采空区稳定时间的预测,并为采空区及时处理提供参考。     

煤矿提升机齿轮箱振动分析

提升机作为煤矿中的重要设备,其故障率对于煤炭的安全高效生产有着极为重要的作用。在详细分析了煤矿提升机工作环境和工作特性的基础上,建立了提升机齿轮箱振动的数学模型,分析了速度和载荷变化情况下的提升机齿轮箱振动的特点,分析了变工况条件下齿轮箱故障信号的分布特征,为变工况条件下提升机齿轮箱的故障诊断提供了一定的理论基础。     

煤中镜质组反射率的测定

介绍了煤中镜质组反射率的测定原理及在测定过程中应注重的问题,从镜质组富集程度的差异性、样品处理、镜质组颗粒鉴别、测试条件和技术方法等方面探讨了其反射率测定的影响因素,并概括论述了煤中镜质组反射率在生产实践中的确定煤级、指导炼焦配煤等实际应用。     

合同与侵权责任竞合时诉讼请求权的选择

合同责任与侵权责任是民事法律关系中两种重要制度，二者的构成要件不同，责任承担方式不同。当发生合同责任与侵权责任竞合时，如何选择适当的诉讼请求权，具有十分重要的意义。     

复杂管类零件空间尺寸加工误差分析

介绍某柴油机排气过渡管的加工工艺,分析空间尺寸较多的复杂管类零件的加工工艺及角度误差对空间尺寸的影响。通过角度在公差范围内的微量调整,解决了排气过渡管由于毛坯铸造及加工时找正存在的误差而造成气口处壁厚不均的问题。     

某高速公路岩石单轴抗压强度结果的不确定度评定

依据JTG E41—2005《公路工程岩石试验规程》,结合工程项目实例,对岩石单轴抗压强度进行了试验,对试验结果采用JJF 1059—2012《测量不确定度评定与表示》进行分析与评定,了解测试中造成误差的因素,结果显示影响该项目单轴抗压强度试验的主要因素来源于样品的不均匀性和压力试验机的测量。