基于ANFIS-GM的心墙堆石坝变形预测

本文提出采用自适应网络模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)优化灰色理论模型(Grey Model,GM)的建模方法来研究预测大坝变形。ANFIS-GM模型综合考虑了由于资料不完备、考虑因素不全面而产生的灰色特性和各影响因素与大坝变形之间存在的模糊特性。该模型相比于GM模型不仅考虑了大坝变形的灰色特性,而且还考虑了水位变化速率、填筑速率与大坝变形的模糊关系。通过心墙堆石坝沉降变形的实例分析,表明该模型比GM模型误差更小。同时,该模型具有处理小样本,自组织、自学习、自适应,模糊推理的综合能力。     

考虑时间影响的神经网络组合模型对心墙堆石坝变形的预测研究

大坝变形通常是由于多种复杂耦合因素而致,并且是具有高度的灰色性和模糊性的不确定性系统。由于多因素影响下的大坝变形问题没有确定性数学物理关系公式解决,而组合模型能够充分利用各子模型的有用信息,较单一模型更能够反映大坝变形的复杂性和不确定性,是更为科学预测分析大坝变形的方法。目前国内外学者缺乏对于大坝变形的组合预测模型的研究并且没有考虑时间因素对组合模型权重影响;针对此问题,本文以灰色模糊模型(ANFIS-GM模型)和遗传神经网络模型(GA-BP模型)作为子模型,采用考虑时间影响的神经网络模型作为组合模型权重的求解方法,对大坝变形进行预测。通过西南某心墙堆石坝的实例分析表明:该模型能综合其子模型的优势,获得更高的精度,同时也比未考虑时间影响的最小误差平方和组合模型具有更高的精度,它比最小预测误差平方和组合模型精度平均高10.50 mm。     

孙家栋院士的航天人生

孙家栋自称像卫星一样旋转不停作为我国著名航天技术专家、人造卫星技术和深空探测技术的开创者之一,孙家栋将自己的全部心血倾注于中国航天事业,参与创造了中国航天史上的一次又一次辉煌。     

Mechanism of biaxial pre-stress method on welding residual stress and hot cracks controlling

Based on the conventional uniaxial pre-tensile stress method during welding, this study presents a new method of welding with biaxial pre-stress. With the help of numerical simulation, experiments were carried out on the self-designed device. Except for the control on residual stress and distortion as-welded, the experimental results also show its effect on the prevention of hot cracks, thus this method can make up for the disadvantage of the conventional pre-stress method. Hot cracks     

考虑时间影响的神经网络组合模型对心墙堆石坝变形的预测研究北大核心CSCD

大坝变形通常是由于多种复杂耦合因素而致,并且是具有高度的灰色性和模糊性的不确定性系统。由于多因素影响下的大坝变形问题没有确定性数学物理关系公式解决,而组合模型能够充分利用各子模型的有用信息,较单一模型更能够反映大坝变形的复杂性和不确定性,是更为科学预测分析大坝变形的方法。目前国内外学者缺乏对于大坝变形的组合预测模型的研究并且没有考虑时间因素对组合模型权重影响;针对此问题,本文以灰色模糊模型(ANFIS-GM模型)和遗传神经网络模型(GA-BP模型)作为子模型,采用考虑时间影响的神经网络模型作为组合模型权重的求解方法,对大坝变形进行预测。通过西南某心墙堆石坝的实例分析表明:该模型能综合其子模型的优势,获得更高的精度,同时也比未考虑时间影响的最小误差平方和组合模型具有更高的精度,它比最小预测误差平方和组合模型精度平均高10.50 mm。