基于极限学习机算法的供水管网爆管识别研究

供水管网爆管具有定位难、影响范围广的特点,长期困扰着供水企业。针对供水管网爆管区域识别问题,综合考虑多种影响因素下的爆管工况,利用爆管特征值矩阵构建爆管样本数据集,采用极限学习机算法（ELM）建立爆管区域识别模型;应用K-means聚类算法分析节点水力变化特征的相似性,并在此基础上对管网进行监测区域划分与监测点布设,形成多种监测方案;综合爆管识别率等参数,分析ELM在不同监测方案以及在噪声影响下的识别性能。采用实际管网算例进行了爆管区域识别分析,结果表明：该模型可以进行有效的爆管区域识别,同时结合不同分区方案可以提高爆管识别率;监测点的增加可以减小压力监测数据的噪声影响。     

基于极限学习机的新型挡土墙安全性预测研究

挡土墙安全性能是水利工程设计和运行环节都需关注的重点问题,常规挡土墙设计存在过于保守的缺陷.墙体形态、工程材料、地基承载能力、墙后填土力学参数等对挡土墙整体安全性能影响错综复杂.文中以仰斜式新型挡土墙为例,基于前人计算的挡土墙相关安全系数结果,采用优化极限学习机,预测了相关安全系数.结果表明,优化后的极限学习机能够较好...     

公路隧道施工期围岩快速分类极限学习机模型研究

针对以往智能优化算法学习速度慢、对参数选择敏感等问题,引入极限学习机(ELM)方法用于围岩分类。在分类指标方面,结合快速性与准确性,制定快速分级参数标准,以公路隧道设计规范中的BQ法为基准,从以往及正在施工的隧道中收集对应的样本,从而建立了公路隧道施工期围岩快速分类的极限学习机模型。之后将正在开挖隧道工作面的快速分级参数,提供给模型进行判别,达到快速、精确分级目的。通过抚松隧道实际验证,该模型判断结果与实际施工情况吻合,可用于指导施工阶段的隧道围岩快速分级。     

基于极限学习机的电力短期负荷预测

本文首先对人工神经网络中的单隐含前馈神经网络和极限学习机(ELM)的基本原理和理论进行了概述,然后将极限学习机算法与粒子群算法结合,利用粒子群优化算法(PSO)对极限学习机的参数进行优化,将PSO和ELM的优点结合在一起,使其具备参数调整简单、可以在全局范围寻优、泛化能力强等特点,最后使用基于粒子群算法优化极限学习机的预测模型,在具体数据中进行算例分析,确定预测模型的可行性。     

基于加权极限学习机的SAR目标识别

提出了一种基础加权极限学习机的SAR目标识别算法。首先采用Gabor滤波器对图像进行特征放大处理,然后把处理后的特征采用主成分分析算法进行压缩,最后采用极限学习机算法进行分类识别,同时针对样本的噪声和离群点问题,提出了加权极限学习机的算法,实验结果表明本文的算法识别精度高,计算速度快,优势明显。     

基于极限学习机方法的边坡稳定性分析

为了实现对边坡安全系数的预测,选取了60组边坡稳定性影响因素和对应安全系数作为数据样本,利用极限学习机(ELM)建立了边坡的稳定性分析模型,指出实验结果与传统的BP神经网络和极限平衡法方法的计算结果非常接近,表明极限学习机可以用来进行边坡稳定性预测和判断。     

布谷鸟搜索算法优化的多核极限学习机遥感影像分类

针对高分遥感影像分类结果存在的错分问题,本文提出布谷鸟搜索算法优化的多核极限学习机遥感影像分类方法。该方法利用具有学习能力较强的局部高斯核函数与泛化能力较强的全局多项式核函数组合成多核极限学习机分类模型,充分利用不同核函数的优点,通过布谷鸟搜索算法对多核参数进行优化,避免了参数计算错误导致的分类结果较差问题;然后,通过实验与单极限学习机、多核极限学习机进行对比验证。结果表明,布谷鸟搜索算法优化的多核极限学习机分类精度最高、模型训练速度快,可保证影像分类精度与速度的平衡。     

不完备契约下的企业控制权对金融契约效率的影响

构造了不完备金融契约环境下,企业控制权对金融契约效率影响的博弈论模型。在加进控制权因素后,影响金融契约效率的因素不仅仅是投资者受益、管理者的努力水平、管理者的私人福利等,更重要的是金融契约的不完备程度.这个因素对金融契约效率的影响是通过对投资者、管理者努力水平和管理者的私人福利的影响实现的。可以利用金融契约的不完备性讨论融资行为影响的传导机制。     

轻质不燃墙板厚度和耐火极限的关系

本文介绍了轻质不燃墙板的性能和制作工艺流程。并通过试验得出墙板厚度和耐火极限的相关方程。