泥石流危险范围预测模型及在昆明东川城区的应用

结合泥石流危险范围模型实验数据,运用多元回归分析方法探讨了泥石流危险范围预测,并进行了误 差分析。以昆明市东川城区后山3条泥石流沟为例,运用该模型对其危险范围进行了预测分析,为东川城区泥 石流防灾提供了科学依据。     

风电功率超短期多步预测误差评估及分析

超短期风电功率预测误差分析有助于改进预测精度,进而降低风电不确定性对电力系统带来的不利影响.以LSTM模型为例,对超短期多步预测的误差特性进行分析.首先,对超短期风电功率预测误差进行静态特性分析,研究了预测误差随预测步长的动态变化特性;然后,提出了数值天气预报在超短期风电功率预测中的误差占比定量评估模型;最后,提出了一种综合考虑形状和时间损失的神经网络损失函数,降低由于输入信息不足引起的时滞和幅值误差.结合吉林省20个风电场的实测数据,对风电功率多步预测误差特性进行全面分析,为风电功率多步预测模型的评估、修正提供了参考.     

共振柱试验机试验误差分析

针对常规土类试验和刚性试件试验,建立了固定-自由式共振柱试验机的动剪切模量误差、应变误差和阻尼比误差计算公式,得到了几种主要影响因素和其对试验误差影响程度的定量认识.分析发现:试件动剪切模量相对误差与测试频率本身标准值无关;试件类型的不同对动剪切模量相对误差的影响可忽略不计;对于常规试验,频率的相对误差和高度的相对误差对动剪切模量相对误差影响较大,同比条件下是其他参数的两倍;对于刚性试验,频率的相对误差和修正值的相对误差对动剪切模量相对误差影响较大;应变相对误差与试件类型无关,测试频率相对误差的影响较其他参数的影响大两倍;阻尼比相对误差是个很敏感的参数,对于常规试验小应变时误差较难控制,对于刚性试验误差控制难度更大.     

基于门控循环单元与误差修正的短期负荷预测

针对负荷预测模型迭代训练过程中存在误差积累的问题,提出结合叠式双向门控循环单元（SBiGRU）、完整自适应噪声集成经验模态分解（CEEMDAN）和误差修正的组合预测模型. 建立SBiGRU模型学习在气温、日期类型影响下负荷序列的时序特征,误差特征体现在SBiGRU模型预测产生的误差序列中;使用CEEMDAN算法将误差序列分解为数个本征模态函数（IMF）分量与趋势分量,对每项分量再次建立SBiGRU模型进行学习与预测,并对各分量的预测值进行序列重构,得到误差的预测结果;对预测结果进行求和以修正误差. 模型评估结果表明,组合模型的预测准确精度为98.86%,与SBiGRU、BiRNN、支持向量回归等方法相比,该模型具有更好的精度.     

煤巷掘进突出预测指标研究

针对煤巷掘进煤与瓦斯突出严重,预测指标不可靠等问题,对新密矿区大平煤矿16121下巷掘进工作面预测指标进行了试验研究.通过现场连续测定瓦斯涌出初速度q,钻屑量S值,钻屑解吸量△h2和煤体温度T等指标,对比分析指标间关联、指标数值区间分布特征、预测可靠敏感程度等,得出了该矿区煤巷掘进突出预测敏感指标及其临界值,并提出了影响突出危险预测指标可靠性的几点认识.     

基于动态数据驱动的突发水污染事故仿真方法

提出基于动态数据驱动的误差修正方法.结合城市供水水质安全预警系统仿真分析服务功能的建立,阐述动态数据驱动的突发水污染事故预测误差修正基本原理,以正向建模、模型封装与调用、初始仿真和模型修正等为主线研究技术实现的方法.研究模型边界更新法、模型参数更新法、模型结果校正法3种实现模型校正的技术.采用2个试验例子进行有效性验证.试验结果表明,由于引入了反馈机制,水质污染演化模拟仿真结果得到了实时修正,减少了不确定因素对仿真输出的影响,结果的准确性和可靠性得到了提高.     

基于概率加权通信社区SIR模型及信息扩散预测方法研究

针对当前电信网如何有效刻画敏感信息传播特性及对信息扩散进行预测的难题,提出了基于概率加权通信社区信息传播模型及扩散范围预测方法,该模型基于复杂网络传播动力学,考虑了电信网通信社区中用户之间的关系紧密程度、不同的用户类型以及社区中结构等因素对于信息传播的影响.采用该模型并通过扩散过程推演方法进行仿真,仿真结果中可以准确得到各类个体随时间演化的变化趋势.     

改进粒子群算法的两阶段梁式结构损伤识别

针对实际工程监测时损伤识别误差大的问题,提出一种基于改进粒子群算法的两阶段识别方案。第1阶段利用D-S证据理论融合算法进行损伤定位;第2阶段利用改进的粒子群算法,对定位结果进行修正,同时准确定量损伤。仿真算例和实验分析结果表明：由于第1阶段损伤定位减少了可能损伤单元的数量,第2阶段基于改进粒子群算法的搜索范围减小,能更准确地识别多损伤和小损伤的位置和程度,且抗噪性能良好。     

卡尔曼预测在干扰对齐中的应用

分析了K用户干扰信道中,收发端的噪声和信道的时变特性对干扰对齐实际性能的影响,并提出一种基于卡尔曼预测的信道状态信息修正方法,以改善干扰对齐的性能.该方法利用信道的时域相关特性对信道增益进行跟踪预测,并通过预测值对估计值进行修正,从而提高发送端获取信道状态信息的精度.仿真结果表明,所提出的修正方法降低了信道增益估计值的均方误差,有效地改善了干扰对齐的性能,提升了系统的和速率.     

基于最小熵分析的泥石流危险度可拓学评价

选取流域面积、流域最大高差等16个影响因素对泥石流危险性进行评价。通过最小熵分析理论分析各因素对泥石流性质的影响程度,消除因素间的相关性。根据各因素对泥石流系统的贡献率,优选出主要影响因素,并确定其权重。在物元理论、可拓学理论和关联函数运算的基础上,建立了泥石流危险度评价物元模型。通过对实际泥石流沟进行进行危险度等级关联度计算,对泥石流沟危险性进行了可拓学评价,将评价结果与文献评价结果对比分析,认为泥石流可拓学评价结果能较准确的反映泥石流的危险度水平,同时说明,在泥石流危险度评价领域,运用最小熵分析原理进行因子优选和确定权重有一定的合理性。     

小区间浴盆形火灾事故预测

基于传统灰色预测模型预测剧烈波动型火灾数据误差较大的缺陷,使用泰勒公式将灰色预测模型的原始数据序列展开,并展开拉格朗日型余项,以此修正传统的灰色预测模型,改进了传统的灰色预测算法。使用Matlab软件编程,分别采用传统的灰色预测算法和改进的灰色预测算法,针对小区间浴盆形火灾事故,选取三组数据进行预测。结果表明,修正后的灰色预测模型改善了传统灰色预测模型预测浴盆形火灾事故稳定性差、误差大、精度低的不足,预测曲线符合浴盆形曲线特征,与原始数据曲线特征具有较高的一致性。改进的灰色预测模型与传统的灰色预测结果相比,三组数据的平均相对误差分别降低86.59%、55.32%、55.70%。改进的灰色预测模型预测结果在精度、相对误差、关联度三方面都能满足要求。     

基于改进支持向量机的瓦斯涌出量预测

为了克服瓦斯涌出量预测传统模型存在泛化能力弱和预测精度低的缺点,基于改进粒子群优化支持向量机建立一种非线性的煤矿瓦斯涌出量预测新模型。用改进的粒子群优化算法对支持向量机的惩罚因子与核参数进行寻优,选取最佳参数,以最佳参数对给定的训练样本进行学习训练,得到系统输入输出之间依赖关系的估计,再由这种关系对未知输出做出预测,进而建立起新型支持向量机预测模型。仿真实验结果显示,与普通粒子群优化的支持向量机相比,改进算法可使预测值的最大误差降低3．86％,平均误差降低4．27％,即新模型能够克服传统预测模型人为选取参数的盲目性以及神经网络的过学习问题,从而提高瓦斯涌出量预测的精度。     

Bayes判别分析法在泥石流预测中的应用研究

泥石流是山区典型的具有严重危害的地质灾害现象,若能实现对其提前预测预报将是十分有意义的.然而影响泥石流的因素错综复杂,本文综合考虑沟道纵比降、前期降水量、固体物质贮量三个必备因素对泥石流产生的影响,基于Bayes判别分析理论,利用泥石流资料作为训练样本,建立了泥石流预测的Bayes判别分析模型.预测结果表明,该模型结果与实际情况吻合良好,说明该模型在泥石流预测中具有良好的实用性和有效性.     

基于改进的模态分解和组合预测模型的短期负荷预测

短期负荷预测是电网调度计划重要的支撑依据,同时短期负荷预测的预测精度也是电网系统安全稳定运行的基础和前提。文中提出了基于改进的模态分解和组合预测模型(EEMD-组合模型)的预测思想,实现对短期电力负荷的精准预测。首先利用改进的模态分解实现对历史序列分解,挖掘不同频段序列的负荷特性以及与影响因素的关联关系,然后针对不同频段的序列使用不同的预测方法,最终集成整体预测结果,并使用均方根误差和平均相对误差进行测后评价,同时与其他预测模型进行对比。结果表明EEMD-组合模型可以很精准地预测未来负荷变化情况。     

高山峡谷区山洪沟口泥沙堆积特征数值试验

山洪泥石流是高山峡谷区一种常见的自然现象，其运动过程通常伴随剧烈的沟道侵蚀，并在沟口形成显著的泥沙堆积体。由于高山峡谷地区山高谷深，难以通过实地调查及模型实验等传统的研究手段追踪沟床泥沙受山洪泥石流冲刷的运动过程，无法揭示山洪泥石流挟带泥沙的堆积形态及堆积体中泥沙粒径分布特征，易产生对灾害影响范围估计不足导致的区域人员伤亡和财产损失。为探究山洪沟口泥沙堆积形态和粒度特征，以概化的高山峡谷区山洪沟为研究对象，采用耦合的计算流体力学（CFD）与离散单元法（DEM）数学模型，模拟了受到不同流变特性山洪泥石流冲刷的泥沙颗粒在沟口的堆积过程，重点分析了山洪泥石流体积浓度对堆积区中不同粒径泥沙颗粒堆积发展过程的影响。结果表明：泥沙堆积体的发展速度随着山洪泥石流体积浓度增加呈现先增加后减小的趋势，过高的体积浓度促使堆积体形态发生改变。泥沙平均堆积距离随时间变化可以分为高速增加、初次减速、增速恢复和稳定发展4个阶段。随着粒径的增大，泥沙与堆积体中心的平均距离也增大但堆积分散程度减小。泥沙颗粒的分散程度随时间变化过程与泥沙粒径和体积浓度密切相关，可以使用具有三个参数的幂函数对这个过程进行预测。泥沙颗粒粒径的增大加快其在堆积体中的分散速度而山洪泥石流体积浓度的增大使泥沙颗粒的分散速度先增加后减小。本研究可为进一步理解山洪泥石流堆积致灾机理提供科学依据。     

基于ARIMA-ANN的大坝安全监控模型

坝体的变形能反映建筑物的运行状况,受各种复杂因素影响,坝体变形监测数据是一个不平稳的时间序列.基于传统时间序列不能解决非平稳数据,使用自回归求和滑动平均序列建立模型,结合工程实例进行坝体变形监测数据的拟合与预测,并用BP神经网络进行误差预测,得到最终预测值.经过实际大坝的数据建模检验,建模方法可行,预测结果精度高,在大坝安全监测中具有较好的实用性.     

灰色模型GM(1,1)的平滑改进及其应用

灰色预测法能够对含有不确定因素的系统进行预测,而由于整个宏观系统就是一个灰色系统,因此可以考虑用灰色预测模型对宏观经济指标进行预测。在灰色模型GM(1,1)基础上,提出对原始数列进行平滑改进的方法,并用实例证明改进后的灰色模型预测结果比传统灰色模型预测结果误差更小,精度更高。     

改进的离散灰色模型在中长期负荷预测中的应用

将离散灰色模型（DGM）引入到负荷预测中来解决负荷增长速度过快时预测精度变差的问题．通过研究灰色预测中存在的初值敏感性问题以及原始数据的预处理问题,对离散灰色预测模型进行改进．通过典型的实例研究离散灰色模型及其改进模型在中长期负荷预测中的应用．结果表明,离散灰色模型在中长期负荷预测中是适用的,且它的改进模型在实际预测中具有更高的预测精度．     

电价与负荷的相关性分析及其在电价预测中的应用

为解决传统电价预测模型需要对周末等电价波动较大预测日单独建模,以及模型不加区分地引入负荷因素影响预测精度的问题,提出了利用电价与负荷的相关系数判定是否将负荷因素引入粒子群-BP神经网络模型的新方法,将相关系数作为输入样本的阈值,判定是否在模型输入样本中引入负荷因素.在电价变化平稳、电价与负荷相关性较弱时,在电价预测模型中不引入负荷因素,解决了粒子群-BP神经网络模型由于非关联输入样本过多而影响学习效率、导致预测精度降低的问题.仿真结果表明,新的预测模型对电价相对平稳和波动较大的预测日预测精度明显提高,可用于电力市场的短期电价预测.     

钢筋混凝土梁长期变形的计算

钢筋混凝土受弯结构的长期挠度预测对于评价其全寿命周期的可服役性和安全性具有重要意义。文章传统的经验法难以考虑所有的影响因素,为了能够准确预测钢筋混凝土结构的长期挠度,本文使用稀疏多项式混沌展开（polynomial chaos expansion, PCE）模型预测钢筋混凝土结构的长期挠度,并对影响结构挠度的参数进行全局灵敏度分析。使用实验数据集建立和评估稀疏PCE模型,与常见的代理模型（RBF、SVR和Kriging）和常见的机器学习模型（BP神经网络）进行比较,采用十折交叉验证算法对模型进行训练和检验。结果表明,稀疏PCE模型在预测钢筋混凝土结构长期挠度方面均优于常见的代理模型和机器学习模型,其相关系数R²、相对平均绝对误差(RAAE)、相对最大绝对误差(RMAE)和均方根误差(RMSE)分别为0.970、0.108、0.537和0.062。稀疏PCE模型的RMSE值远远优于经验方法。最后,基于稀疏PCE的全局灵敏度分析结果对影响结构挠度的参数进行了重要性排序,其中,瞬时或即时测量的挠度 a(i) 、跨深比 l/h 、龄期 t'混凝土强度 f_c' 重要性程度较高,且依次递减。稀疏PCE模型可用于钢筋混凝土结构长期挠度预测,并且可量化评估影响钢筋混凝土结构长期适用性的关键因素。