基于高斯过程回归与神经网络的滑坡位移预测方法

    公开(公告)号:CN113268932B

    公开(公告)日:2022-07-19

    申请号:CN202110662335.X

    申请日:2021-06-15

    Applicant: 贵州大学

    Abstract: 本发明公开了一种基于高斯过程回归与神经网络的滑坡位移预测方法,根据前t‑1个时刻的滑坡监测位移Yi,利用STL分解方法将其划分为周期项位移Pi与组合项位移Ci;利用GPR模型对组合项位移Ci进行预测,然后将训练好的GPR模型预测t时刻的组合项位移均值及标准差σCt;获取周期项位移Pi与影响因子Vi2,将Vi2作为BP神经网络的输入,Pi作为期望输出,对BP神经网络进行训练,预测周期项位移根据组合项位移均值与周期项位移求和即可得出t时刻位移预测值实现t时刻位移的点预测;根据高斯回归理论,利用标准差σCt与位移预测值实现t时刻位移的区间预测显著效果:本发明能够实现滑坡发生位移的精确点预测及区间预测。

    基于高斯过程回归与神经网络的滑坡位移预测方法

    公开(公告)号:CN113268932A

    公开(公告)日:2021-08-17

    申请号:CN202110662335.X

    申请日:2021-06-15

    Applicant: 贵州大学

    Abstract: 本发明公开了一种基于高斯过程回归与神经网络的滑坡位移预测方法,根据前t‑1个时刻的滑坡监测位移Yi,利用STL分解方法将其划分为周期项位移Pi与组合项位移Ci;利用GPR模型对组合项位移Ci进行预测,然后将训练好的GPR模型预测t时刻的组合项位移均值及标准差σCt;获取周期项位移Pi与影响因子Vi2,将Vi2作为BP神经网络的输入,Pi作为期望输出,对BP神经网络进行训练,预测周期项位移根据组合项位移均值与周期项位移求和即可得出t时刻位移预测值实现t时刻位移的点预测;根据高斯回归理论,利用标准差σCt与位移预测值实现t时刻位移的区间预测显著效果:本发明能够实现滑坡发生位移的精确点预测及区间预测。

    基于改进可变模糊集与神经网络的岩爆等级判别方法

    公开(公告)号:CN113221471A

    公开(公告)日:2021-08-06

    申请号:CN202110661096.6

    申请日:2021-06-15

    Applicant: 贵州大学

    Abstract: 本发明公开了一种基于改进可变模糊集与神经网络的岩爆等级判别方法,包括如下步骤:步骤1:选取岩爆强度等级评价指标,并确定岩爆强度等级划分标准;步骤2:根据岩爆强度等级划分标准确定可变模糊集的模型参数;步骤3:根据提出的改进可变模糊集方法计算相对隶属度RMD;步骤4:根据相对隶属度RMD计算初始综合相对隶属度SRMD,根据实际情况采用等权或变权确定评价指标权重;步骤5:利用BP神经网络优化初始综合相对隶属度SRMD;步骤6:根据优化后的初始综合相对隶属度SRMD计算等级特征值H,然后利用等级特征值H判别岩爆强度等级。显著效果:本发明能够准确评价地下工程中的岩爆发生强度的等级。

    超大跨度周边简支预应力双层与三层组合扭网壳结构

    公开(公告)号:CN102235032B

    公开(公告)日:2015-10-28

    申请号:CN201010155393.5

    申请日:2010-04-26

    Abstract: 本发明公开了一种超大跨度周边简支预应力双层与三层组合扭网壳结构,包括扭网壳(1),在所述扭网壳(1)的周边按柱网间距要求设置有高度不相等的框架柱(2),在扭网壳(1)的每边中央设置有中央框架柱(3);扭网壳(1)的悬挑部位均简支于框架柱(2)的顶部;在扭网壳(1)的每边中央框架柱(3)上装有预应力钢索(4)。本发明不仅具有良好的结构整体性,大幅度提高结构的抗侧刚度,消除了超大悬挑带来的隐患,而且进一步优化了结构用钢,使用钢量大幅度下降,达到“节能增效”的要求,尤其适用于跨度为120~180m的超大跨度扭网壳屋盖,是一种安全、合理、先进、经济的新型结构体系。

    一种基于EMD-BLSTM模型的刀盘扭矩实时动态预测方法及装置

    公开(公告)号:CN117290664B

    公开(公告)日:2024-04-26

    申请号:CN202311259493.6

    申请日:2023-09-27

    Abstract: 本发明涉及一种基于EMD‑BLSTM模型的刀盘扭矩实时动态预测方法及装置,包括:基于隧道盾构机的工作数据得到预处理刀盘扭矩时间序列信号;基于EMD分解方法,利用BLSTM模型计算预处理刀盘扭矩时间序列信号的分解表达式,并计算得到子序列数量的预设值;将BLSTM模型输出的子序列数量的设置为所述预设值,通过重复运行BLSTM模型,计算得到训练历史时步;选出的输入变量,利用BLSTM神经网络,采用不同的超前预测步数进行数据预测,获得每个子序列的预测值、偶然不确定性上下限值和认知不确定性上下限值,最后,将其进行求和;对预测数据结果进行指标评价分析,包括偶然不确定性和认知不确定性的预测评估。

    基于多种算法组合的滑坡位移预测方法

    公开(公告)号:CN114239418B

    公开(公告)日:2024-09-24

    申请号:CN202111599402.4

    申请日:2021-12-24

    Applicant: 贵州大学

    Abstract: 本发明公开了一种基于多种算法组合的滑坡位移预测方法,包括以下步骤:步骤一:对滑坡累计位移Yt进行数据采集;步骤二:基于DES计算模型,预测累计位移Yt中的趋势位移分量Tt;步骤三:从累计位移Yt中减去DES计算模型预测的趋势位移分量Tt,得到周期位移Pt,用VMD方法将周期位移Pt分解为K个IMF分量和一个噪声分量;步骤四:建立LSTM模型预测各IMF分量和噪声分量,并通过最大信息系数MIC筛选LSTM模型的输入特征;步骤五:将IMF分量和噪声分量的预测结果相加,得到周期位移Pt的预测结果,然后将预测结果与趋势位移分量Tt相加,得到总位移的预测结果。本发明采用双指数平滑法、变分模态分解法和长短期记忆网络法组合对滑坡位移实现精确预测。

    基于多种算法组合的滑坡位移预测方法

    公开(公告)号:CN114239418A

    公开(公告)日:2022-03-25

    申请号:CN202111599402.4

    申请日:2021-12-24

    Applicant: 贵州大学

    Abstract: 本发明公开了一种基于多种算法组合的滑坡位移预测方法,包括以下步骤:步骤一:对滑坡累计位移Yt进行数据采集;步骤二:基于DES计算模型,预测累计位移Yt中的趋势位移分量Tt;步骤三:从累计位移Yt中减去DES计算模型预测的趋势位移分量Tt,得到周期位移Pt,用VMD方法将周期位移Pt分解为K个IMF分量和一个噪声分量;步骤四:建立LSTM模型预测各IMF分量和噪声分量,并通过最大信息系数MIC筛选LSTM模型的输入特征;步骤五:将IMF分量和噪声分量的预测结果相加,得到周期位移Pt的预测结果,然后将预测结果与趋势位移分量Tt相加,得到总位移的预测结果。本发明采用双指数平滑法、变分模态分解法和长短期记忆网络法组合对滑坡位移实现精确预测。

    超大跨度周边简支预应力双层与三层组合扭网壳结构

    公开(公告)号:CN102235032A

    公开(公告)日:2011-11-09

    申请号:CN201010155393.5

    申请日:2010-04-26

    Abstract: 本发明公开了一种超大跨度周边简支预应力双层与三层组合扭网壳结构,包括扭网壳(1),在所述扭网壳(1)的周边按柱网间距要求设置有高度不相等的框架柱(2),在扭网壳(1)的每边中央设置有中央框架柱(3);扭网壳(1)的悬挑部位均简支于框架柱(2)的顶部;在扭网壳(1)的每边中央框架柱(3)上装有预应力钢索(4)。本发明不仅具有良好的结构整体性,大幅度提高结构的抗侧刚度,消除了超大悬挑带来的隐患,而且进一步优化了结构用钢,使用钢量大幅度下降,达到“节能增效”的要求,尤其适用于跨度为120~180m的超大跨度扭网壳屋盖,是一种安全、合理、先进、经济的新型结构体系。

Patent Agency Ranking