矿山岩层运动非线性动力学反演预测方法

根据非线性动力学观点，提出了岩层运动预测的反演建模方法。研究表明，由于岩层运动的内在非线性机制，进行长期预测将会有较大误差，而对岩层运动进行短期动态新息预测是实现可靠预测的可行途径。文中的方法对煤爆、岩爆等动力现象的预测研究具有一定的参考价值。     

地下水动态预测的径向基函数法

地下水系统是一个复杂的随机系统 ,根据地下水位与其影响因素之间存在的映射关系 ,本文建立了一个RBF人工神经网络模型 ,并将其用于地下水位的动态预测。实例表明 ,该方法预测精度较高 ,具有一定的推广价值。     

非平稳性地下水动态序列分析及预测

参数模型将非平稳时间序列分离成趋势成分、周期成分和随机成分, 分别建立参数方程, 叠加后可用于非平稳时间序列的预测     

灌区地下水动态预报方法研究

灌区地下水动态受外界影响呈现季节性周期变化,本文选取３ 种较好反映季节性周期变化特征的时间序列预测法, 对宁夏河套灌区地下水动态进行预测预报。这３ 种方法各具特色, 有较高的模拟、预报精度和实用性。     

模型技术在地下水系统动态预测中的应用

本文根据模型技术的要求，提出了地下水系统动态预测的研究思路，作者将这一思路应用于某市地下水系统水位动态预测研究，起到了良好的效果。     

基坑变形预测的多元非线性回归方法

通过对江苏省环境监督管理中心综合楼基坑支护结构的深层水平位移、周边沉降、距墙背距离的适时监测,利用多元非线性回归方法对监测结果进行拟合,给出了比较精确的便于工程实际应用的三者之间的定量关系,最后利用这一非线性方程可以预测随着时间的推移基坑的变形情况,为信息化施工提供有价值的参考。     

大坝变形非线性智能组合预测方法研究

为同时利用不同大坝变形预测方法的特征信息,改进预测质量,提出了一种基于微粒群优化一支持向量机(PSO-SVM)的大坝变形非线性智能组合预测模型.选取几种不同原理的建模方法建立预测模型并预测,利用其预测结果建立组合预测模型,组合函数的拟合采用混合核函数支持向量回归算法.为提高SVM的学习、泛化能力,采用混合核函数,并用具有并行性和分布式特点的PSO算法优化选择SVM模型参数.实例分析表明,该模型较好地整合了不同建模方法的特征信息,避免了单一方法的偶然性,较单一预测模型、加权组合预测模型具有更高的预测精度和更小的峰值误差,为更准确地进行大坝安全监控提供了一种新的途径.     

用时空Kriging方法预测地下水水质的演化规律

研究了时空Kriging方法模拟预测地下水水质的问题,并给出了应用实例,实验结果证明,在一定条件下采用地质统计学方法比用有限元或有限差等数值方法更为有效。     

基于非线性灰色归类模型的岩爆预测方法

根据岩爆的非线性特征,选取岩爆的主控因子,建立岩爆预测的非线性灰色归类模型,把该模型应用于实例当中,并将分析结果与实际情况进行对比,结果表明,该模实用性强,具有良好的应用前景。     

建筑物沉降动态预测方法的研究

本文简述了时间序列分析的理论 ,并运用核理论 ,提出一套建筑物沉降建模方法 ,进行动态预测建筑物沉降的发展。通过例算 ,证明该种建筑物沉降动态预测方法的正确性     

结构倒塌触地振动效应非线性预测方法研究

拆除爆破已广泛应用在建筑物拆除施工中,但对于结构塌落体产生的触地振动效应,目前尚无成熟有效的预测和评价方法。本文运用非线性科学理论,建立了一个基于Volterra泛函级数的非线性预测模型,该模型可以在结构倒塌前即能预测塌落体触地诱发的触地振动效应,能够充分体现岩土介质在冲击载荷下的非线性力学响应特征。同时,针对Volterra非线性模型提出了基于独立脉冲荷载的简化识别方法。在实际工程中的应用表明,预测结果与实测结果吻合较好,并且应用简便,对预防和降低结构倒塌触地振动效应产生的危害具有一定的借鉴意义。     

基于非线性反演的井壁稳定随钻预测方法

常规井壁稳定预测方法计算量大、操作繁琐、适用范围有限,严重影响其实钻应用效果。通过考察声波速度、地震记录及井壁稳定参数之间的定量关系,建立起利用地震资料直接反演孔隙压力、地应力、岩石强度的模型。根据反演模型的非线性特征,结合井壁稳定参数的地质统计特性,运用随机地震反演方法预测待钻地层的孔隙压力、地应力、岩石强度,并根据反演结果进一步预测井壁稳定性。在实钻过程中,利用录井资料的实时分析和井壁稳定参数的分层地质统计模型,对钻头前方地层的井壁稳定性进行随钻预测。在川东北元坝气田的应用情况表明,本方法的综合性能相比常规方法有明显提高,具有较强的随钻预测能力。     

基于非线性特征工程的短期建筑能耗预测方法

建筑自动化技术的广泛应用产生了大量的建筑运行数据。这类数据存在复杂的非线性关系、噪音多、冗余度高,因此建模分析难度较大。采用近100组不同类型建筑的实测数据为研究对象,对其短期能耗进行预测分析,进而形成具有普适性的预测方法。针对整体预测过程,设计了特征工程和预测模型建立两方面内容。在特征工程方面,研究了基于主成分分析和卷积自编码器的线性和非线性特征工程方法。在预测模型建立方面,比较了传统的线性回归、极度梯度提升决策树和神经网络算法。通过分析近100组不同类型建筑的实测数据,量化了相关方法在短期建筑能耗预测中有效性和可靠性。实验结果表明,基于一维卷积自编码器的特征工程方法可以有效提升模型的泛化性能,同时也可加快模型的收敛速度。     

基于机器学习的建筑结构非线性行为预测方法研究

人们对建筑结构非线性理论的研究越来越深入,然而由于非线性行为的复杂性与不确定性特点,导致其研究的难度也在不断加大.文章对于一个复杂的非线性系统,拟建一种基于机器学习的建筑结构非线性行为预测方法,并对此展开了深入地探讨与分析.     

基于遗传算法的BP神经网络模型在地下水动态预测中的应用研究

地下水系统是一个复杂的非线性动力系统,地下水系统的输出(地下水位)与输入(降水入渗、蒸发、人工开采等)具有非常复杂的非线性关系。神经网络以其强大的处理非线性系统的能力而在地下水水位预测中得到了广泛的应用,它与传统的统计分析模型相比,具有更好的持久性和适时预报性,且能用于解决同时存在多个自变量和多个因变量的地下水系统预报问题。但是由于网络输入存在多重共线性,导致网络泛化能力不高,降低了网络的预测性能;并且在求解时易陷入局部极小,且收敛速度慢。针对以上问题提出了基于遗传算法的BP神经网络地下水动态预测模型。先用遗传算法优化确定BP网络的初始权阀值,然后应用LMBP算法在这个解空间里对网络进行精调,搜索出最优解或近似最优解。这样既实现了两者的优势互补,发挥了神经网络广泛的映射能力和遗传算法的全局搜索能力,也加快了网络的学习速度,综合提高了整个学习过程中的逼近能力和泛化能力。本文以Matlab7为平台设计了计算过程和具体的实现方式,还以分布于元宝露天矿区的6眼监测并为例,分别采用基于遗传算法的BP神经网络模型和BP神经网络模型对研究区的地下水位进行了短期预测,从对比分析的结果来看基于遗传算法的BP神经网络模型明显优于BP神经网络模型,是一种预测短期地下水位比较理想的预测模型。     

防汛墙变形动态预测方法的研究

结合黄浦江行人隧道浦西竖井基坑工程,分别利用有限元动态施工反演分析方法和神经网络的方法,对由基坑开挖引起的防汛墙的变形进行了跟踪预报;计算结果表明神经网络的方法克服了反演分析方法的不足,综合考虑了黄浦江水位的变化对墙体变形的影响,从而达到有效控制防汛墙变形目的.     

建筑结构地震灾害损失的动态预测方法

建筑结构地震灾害损失的大小与地震发生的概率及强度、结构的抗震能力有密切的关系。根据地震发生概率及强度的随机性和结构的抗力随时间变化，提出了地震灾害损失动态预测的一般方法。     

从地下水动态看地下水系统的自组织现象

地下水动态是地下水系统对外部环境影响的综合态势，是地下水系统自组织过程的主要反映。作为远离子平衡的开放的地下水系统在其形成和演变过程中具有鲜明的自组织特性；循环组织我特性，自组织过程的有序性和层次性。在人为活动的影响下，地下水水位很小的变化，随时间的持续可能会逐渐累积增大，变成“巨涨落”，当其超过一定的阀值时，就会从根本上改变地下水系统的状态。     

西安城市地下水动态研究

对西安城市水文地质条件和多年地下水动态特征进行了综合分析研究.指出了多年持续超采承压水,导致了承压水位大幅度下降,由此诱发的水质恶化、地面沉降、地裂缝和地下水资源枯竭等危害,并提出了防治措施.