基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

不同重构土壤材料配比的土壤改良和苜蓿生长效应研究

针对西部露天矿区土地生态修复中表土稀缺和土壤贫瘠难题,从充分利用矿区当地常见的原材料出 发,利用风沙土、红黏土、煤矸石、玉米秸秆及腐植酸为原料,按照不同配比混合后进行室内盆栽试验,研究不同配比下 紫花苜蓿生长特性、土壤理化性状和生物学特性的差异,优选适宜于该地区的重构土壤配比。 结果表明:利用风沙土、 红黏土、煤矸石、玉米秸秆及腐植酸重构土壤具有可行性;不同重构土壤配比均可显著改善土壤物理结构,增加土壤 养分含量,提高土壤微生物活性,进而促进紫花苜蓿生长,但不同配比之间存在明显差异;与纯风沙土(CK)相比,不同 重构土壤配比下紫花苜蓿生物量、根长、根直径和根表面积分别提高了 19. 05% ~ 624. 76%、17. 99% ~ 131. 80%、 17. 72% ~ 239. 20%和 33. 01% ~ 650. 45%。 相关分析结果表明:紫花苜蓿生物量与基质理化性状和微生物活性存在协 同效应。 综合来看,风沙土与红黏土按 1 ∶2 复配,同时添加 15%煤矸石、5%玉米秸秆及 0. 05%腐植酸,土壤重构效果 最佳。 该研究为矿区土壤重构及降低土地生态修复成本提供了理论依据。     

基于声发射原理的矿井掘进机故障诊断技术研究

针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断.     

铜包铝母排作为轨道车辆接地产品的应用分析

本文对比了不同工艺生产的铜包铝接地块的相关实验参数,综合分析比较认为采用固液融合工艺生产的接地块与采用爆炸焊工艺生产的接地块性能非常类似,采用固液融合工艺生产的接地块也可以用于轨道交通车辆的接地系统。     

基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。