首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 31 毫秒
1.
目的:土体压缩模量是影响岩土体结构变形的重要参数之一。本文旨在通过机器学习的方法实现对压缩模量的预测,并通过构建一个机器学习模型,得到塑限、液限、塑性指数、液性指数、比贯入阻力以及埋深这6个输入参数与压缩模量预测值之间的关系。创新点:1.构建一个机器学习算法框架以实现对土体压缩模量的预测;2.此框架包括梯度提升回归树(GBRT)和遗传算法(GA),并采用GA对GBRT超参数进行获取。方法:1.通过收集整理工程报告获取本次预测的数据集(样本211个);输入参数有6个,分别为塑限、液限、塑性指数、液性指数、比贯入阻力以及埋深;输出参数为压缩模量。2.采用GBRT算法识别输入变量与目标响应之间的非线性规律,并采用GA调整GBRT模型的超参数。3.模型训练完成后,对压缩模量进行预测。4.将测试集上的预测结果和传统方法进行对比分析并应用到一维基础沉降中。结论:1.本文提出的GA-GBRT模型可以较好地实现对土体压缩模量的预测;GA可以对GBRT算法的超参数进行有效标定。2.训练后的GA-GBRT模型在训练集和测试集上都表现良好;在训练集和测试集上的相关系数R值分别为0.82和0.91,说明模型可以对压缩模量进行准确预测。3.对输入变量相对重要性的研究发现,液性指标是本研究中最重要的变量,其重要性得分为0.313(总数为1);其他指标的重要性排序依次为:液限、塑限、塑性指数、比贯入阻力和埋深。4.对于地基沉降的预测,本文提出的模型在相关系数R值和Mann-Whitney检验结果上均优于经验公式。5.本文提出的GA-GBRT模型可以更经济、更快速地预测土壤压缩模量。  相似文献   

2.
利用人工神经网络强大的学习能力,提出了基于BP人工神经网络的建筑物沉降预测方法.以泉州市东海湾某实例工程1~12期的沉降观测数据为基础,建立网络模型.将13~16期建筑物沉降的实测数据和模型的预测数据进行对比,发现两者间的误差相对较小,证明BP神经网络预测模型具有较高的精确性和稳定性,且具有一定的工程应用价值.  相似文献   

3.
利用人工神经网络强大的学习能力,提出了基于BP人工神经网络的建筑物沉降预测方法.以泉州市东海湾某实例工程1~12期的沉降观测数据为基础,建立网络模型.将13~16期建筑物沉降的实测数据和模型的预测数据进行对比,发现两者间的误差相对较小,证明BP神经网络预测模型具有较高的精确性和稳定性,且具有一定的工程应用价值.  相似文献   

4.
目的:1.从辐射能利用角度出发,探究一维固定床煤粉富氧燃烧的辐射能流特性,为固体燃料燃烧能量分质分级转化应用提供参考;2.对比研究半经验模型与人工神经网络模型这两种建模方法,为人工神经网络模型在后续研究中的应用提供参考。创新点:1.提出燃烧光热能量分级转化的概念,为燃烧光热能量分质分级转化系统提供研究基础;2.从辐射能量利用的角度研究煤粉燃烧的辐射能流特性;3.不局限于实验报告,基于实验数据探究2种建模方法,揭示神经网络模型的优势。方法:1.在一维管式炉反应器上进行实验,探究不同燃烧条件下煤粉富氧燃烧的辐射能流特征;2.基于辐射传热理论,通过半经验模型描述煤粉在固定床中燃烧的辐射能流;3.训练神经网络模型来描述实验结果,通过对比2种方法来揭示神经网络模型在预测结果方面的优势。结论:1.固定床煤燃烧过程中的挥发分及煤烟会降低辐射能;可利用低挥发分燃料以及增大氧浓度来提高火焰辐射能比例。2.较高的燃烧温度是提升燃烧辐射能比例最重要的因素;实践中可以通过采用高热值燃料以及烟气回热等方法来提高燃烧温度。3.多联产半焦燃烧辐射能比例高于原煤;可通过煤热解多联产技术与半焦燃烧光热能量分级利用相结合的方式构成新的煤炭高效清洁利用系统。4.人工神经网络不但可以对实验结果进行建模,还能够很好地预测未知工况结果,因此值得在更多的后续研究中使用。  相似文献   

5.
为获得更精确预测粮食价格的方法,引入了人工神经网络预测法,建立了一种改进的人工神经网络模型,并通过该模型自学习的特性对已获得粮食价格时间序列数据的波动规律与发展趋势实现记忆性的学习,最终预测出未来价格.结果表明:人工神经网络模型在预测价格问题上具有很高的精度;其方法不仅可行,而且适用性强,预测结果客观、合理,具有一定的研究价值和较好的应用前景.  相似文献   

6.
对利用人工神经网络方法来预测电站锅炉在未知的燃烧或运行工况下烟气中汞组分进行了可行性评估.基于已掌握的三个电站锅炉现场测试的汞排放数据库,建立了一个三层误差反向传播神经网络模型用以对烟囱处汞排放的组分进行预测.全部预测过程包括:数据的采集整理、构建人工神经网络模型、训练过程和误差评估4部分.总共选取了59个煤样、灰样以及电站运行工况参数作为输入变量,利用部分实际汞排放测试数据来指导训练过程,其余的实测数据用来校验网络预测模型的准确性.结果表明,模型获得的预测精度对单质汞元素的均方根误差为0.8μg/Nm3,对全汞的均方根误差为0.9μg/Nm3.这样的误差在当考虑到现场采用半连续释放测量(SCEM)方法,由湿法测试模块所产生的峰值误差时是完全可以接受的.  相似文献   

7.
建立每日96点的负荷预测综合模型.引入人工神经网络(ANN)模型,将人体舒适度和历史负荷数据共同作为人工神经网络的输入,建立人工神经网络(ANN)模型,对浙江某市每日96点负荷进行分段预测.每日96点预测值的平均相对误差绝对值可以达到1.3%以下,达到了短期负荷预测精度要求.  相似文献   

8.
目的:生活垃圾焚烧炉主蒸汽温度为炉内燃烧调控的重点监控对象。本文旨在建立一种时域输入的主蒸汽温度神经网络预测模型,以实现主蒸汽温度未来5 min变化趋势的精准预测,并且使预测误差控制在1%以内。创新点:1.实现了主蒸汽温度的未来趋势预测,而非当前值预测;趋势预测的结果能提供操作人员一定的参考价值。2.提出了一种时域输入神经网络模型;该模型能够包含输入输出参数之间的延时特性,因此能获得更高的预测精度。方法:1.通过数据相关性分析与延时性分析,确定用于预测主蒸汽温度的输入变量,并减少模型输入层数据维度(表1);2.提出时域输入算法设计(公式(4)~(5)),构建时域输入主蒸汽温度神经网络预测模型,以实现主蒸汽温度未来5 min变化趋势的精准预测(图8);3.通过调整模型参数,优化模型结构;4.通过输入数据敏感度分析,得出对主蒸汽温度预测影响最大的变量(图14)。结论:1.本文提出的时域输入神经网络模型比传统神经网络模型的预测精度更高;2.时域输入主蒸汽温度神经网络预测模型在未来1 min内可以实现近零预测误差;3.根据输入数据敏感度分析可得,对于本研究的焚烧炉,主蒸汽温度本身的数据对于其预测的重要性最高;其次,高温过热器烟气平均温度对于主蒸汽温度远未来预测的重要性较高。  相似文献   

9.
基于灰色BP网络的GDP总量组合预测模型应用研究   总被引:1,自引:0,他引:1  
将GM(1,1)模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测.以安徽省1992-2007年的数据为例,对2005-2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.  相似文献   

10.
根据实验室提供咖啡因热力学实验数据,经过筛选选择了较好的人工神经网络模型2-2-1BP神经网络模型,利用训练后的2-2-1BP人工神经网络模型对数据进行了内插和外推的预测,在乙醇溶解度数据的内插的误差均为4%以内,外推的误差在3%以内,效果十分令人满意。  相似文献   

11.
目的:通过Powell优化反演方法建立Winkler地基参数的反演力学模型,获得地基参数的稳定数值解。创新点:根据Bayes理论,推导广义Bayes目标函数;利用Fourier变换,推求Winkler地基上简支板的Fourier闭式解,建立地基参数的反演力学模型。方法:1.根据Bayes理论,推导广义Bayes目标函数(公式(4))及地基参数的广义Bayes均值和方差表达式(公式(9)和(11));2.引入Mindlin理论,推导Winkler地基上板的控制微分方程,推求Winkler地基上简支板的Fourier闭式解;3.提出步长的一维自动寻优方案,结合Powell优化方法建立Winkler地基参数的广义Bayes反演力学模型。结论:1.地基参数的反演迭代过程稳定收敛于参数真值;2.与Kalman滤波方法和共轭梯度法不同,Powell优化方法的迭代过程不涉及目标函数的偏导数计算;3.广义Bayes目标函数能同时考虑不同测量点和不同测量次数的位移实测资料,计算效率更高。  相似文献   

12.
在对托盘装箱问题的装箱样式进行调查后,研究了解决托盘装箱问题的一种具有优势的转轮装箱样式.对该样式的定义、组成要素、分类和产生的算法进行了讨论,并提出一种对称式转轮样式的统一命名方式.基于转轮样式的几何形成条件,运用组合与几何学的方法,就货物本身的长宽比特性、货物取向和单层货物数量对转轮样式的结构影响进行了讨论,提出了托盘装箱问题的修改数据集:面积比范围为1~76,货物长宽比范围为1~10.并计算了这一数据集下所有箱数为非质数的转轮样式实例,以及每一可能转轮样式的货物长宽比范围.计算结果显示货物长宽比越大越有可能获得转轮样式的最优解,表明转轮样式和货物长宽比的确影响托盘装箱问题.  相似文献   

13.
根据实验室提供咖啡因热力学实验数据,经过筛选选择了较好的人工神经网络模型2-2-1BP神经网络模型,利用训练后的2-2-1BP人工神经网络模型对数据进行了内插和外推的预测,在乙醇溶解度数据的内插的误差均为4%以内,外推的误差在3%以内,效果十分令人满意。  相似文献   

14.
将GM(1,1)模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测。以安徽省1992-2007年的数据为例,对2005至2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.  相似文献   

15.
采用误差反传前向人工神经网络模型研究了18种磺酰脲类化合物的结构与除草活性之间的关系.以18种磺酰脲类化合物的量子化学参数作为输入,除草活性作为输出,构建网络模型,取得了较好的预测结果.网络的自相容能力和交叉检验结果良好.该方法还可作为QSAR研究及对有机化合物其他性质进行预测的一种有效手段.  相似文献   

16.
实用汉语水平认定考试(简称C.TEST)是用来测试母语非汉语的外籍人士在国际环境下社会生活以及日常工作中实际运用汉语能力的考试。由于C.TEST的考试题目公开,题库数量较小,所以通过一般标准化考试采用的在部分目标被试中实施预测(fieldtest)的方法来获取考试题目的难度参数存在困难。然而,人工神经网络技术作为现代人工智能研究的成果,在预测(prediction)领域发挥了很大作用。本文选取C.TEST(A—D级)的阅读理解题目作为研究材料,运用人工神经网络技术对其难度进行预测,得到了网络预测难度值与实际考试难度值显著相关的研究结果。这一结果表明,利用人工神经网络模型对语言测验的题目难度等参数进行预测是可行的。  相似文献   

17.
目的:与经典测量理论相比,项目反应理论具有更多的优势,但由于项目反应理论模型的复杂性,进行参数估计时往往需要较大的被试样本;人工神经网络的出现为小样本被试估计项目反应理论的能力参数和项目参数提供了可能,文章的目的是通过神经网络的蒙特卡罗模拟研究寻找更精确的参数估计方法。方法:以项目反应理论的两参数模型为例,以MAB和RMSE为比较指标,通过模拟数据比较经典测量理论的通过率、点二列相关系数、平均得分作为神经网络的输入值与以经过转换的数值(IRT参数估计的初值)作为神经网络的输入值训练网络结果的差异,比较不同条件下MAB指标和RMSE指标的差异。结果:以通过率估计项目参数b与以 bj=zj/rbj估计项目参数b存在差异;以点二列相关系数估计项目参数a与以 aj=rbj/ 1-r2bj(1/2)估计项目参数a存在差异;以平均得分估计能力参数θ与以 ln[ x/(m-x)]估计能力参数θ存在差异。结论:对于两参数项目反应模型,以通过率估计项目参数b比以 bj=zj/rbj估计项目参数b误差更小,而以点二列相关系数估计项目参数 a 比以 aj=rbj/ 1-r2bj(1/2)估计项目参数a存在差异;以平均得分估计能力参数θ与以 ln[ x/(m-x)]估计能力参数θ存在差异。结论:对于两参数项目反应模型,以通过率估计项目参数b比以 bj=zj/rbj估计项目参数b误差更小,而以点二列相关系数估计项目参数 a 比以 aj=rbj/ 1-r2bj(1/2)估计项目参数 a 误差更大,以平均得分估计能力参数θ比以ln[ x/(m-x)]估计能力参数θ误差更大。  相似文献   

18.
针对传统MD模型由于假设出行时间价值和出行效用服从固定的概率分布导致对诱增客流预测研究存在一定局限性,提出一种基于前景理论改进MD模型的诱增客流预测方法.研究结合川藏客运通道的实际交通流量调查数据,采用改进MD模型预测川藏铁路沿线地区的客流总量和诱增客流量.最后,将改进MD模型分别与传统MD模型和Logit模型对比,并分析前景理论中的参数取值对预测结果的影响.结果表明,Logit模型预测结果比改进MD模型预测结果大8.5%,传统MD模型比改进MD模型预测结果大3.7%,但是各方式的预测结果差值都在10%以内.前景理论中的参数取值对客流预测结果有很大的影响,尤其体现在易变型和保守型两类出行者,预测差异达到23%.  相似文献   

19.
为了研究多因素影响下沥青路面水膜厚度的变化,结合基于水动力学理论的二维浅水方程,提出一种利用人工神经网络(ANN)预测沥青路面水膜厚度的方法.多因素包括降雨强度、路面宽度、路面横坡、路面纵坡和路面粗糙系数.二维水动力仿真模型经过实测数据验证并根据沈山高速公路工程设计方案仿真得到有限数量的训练数据用于沥青路面水膜厚度的预测,进而分析了多因素对水膜厚度在路面分布的影响.经过18组数据的验证,人工神经网络模型预测精度可达0.991.预测结果表明:水膜厚度从中央分隔带向道路边缘逐渐增加,降雨强度对水膜厚度的变化有明显影响.在路面宽度20 m,降雨强度30 mm/h的条件下,路面内侧车道内的水膜厚度低于10 mm,外侧车道的水膜厚度为20 mm.受训练样本数量的影响,预测结果存在一定的波动,但与现行规范和理论计算值相比,人工神经网络模型能够更好地描述沥青路面水膜的宏观分布特性.  相似文献   

20.
目的:基于最小二乘支持向量机算法预测小地锚的抗拔承载力。方法:最小二乘支持向量机算法中的输入参数包括等效地锚直径,地锚埋置深度,平均顶椎阻力,平均椎套摩擦力以及安装工艺。使用现场试验的119组数据中的83组数据进行最小二乘支持向量机回归模型分析,并使用剩余的36组数据测试模型的拟合良好性;同时用敏感度分析研究每个输入参数的作用。结论:通过与人工神经网络模型的对比,发现最小二乘支持向量机的性能表现优异。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号