复杂地质条件下多级高边坡组合支护方案与稳定性预测研究

以镇赫高速陈贝屯至煤灰堡段为例,根据工程地质、边坡等级和边坡特性等因素对边坡不同剖面采用衡重式挡墙、俯斜式挡墙、桩+锚索、锚杆+面板等支护形式。从病害原因分析和处治手段出发,研究了多级高边坡支护的质量保证措施。基于LightGBM算法建立边坡稳定性预测模型,验证模型精确性后给出预测模型的特征相对重要性结果和预测结果。结果表明:建立预测模型可较好地预测边坡稳定性;影响边坡稳定性最关键的因素为中土体粘聚力,其次为边坡角β,孔隙压力比和土体重度对边坡稳定性影响不大;镇赫高速K2+051~K2+340段边坡稳定概率为0.9,失稳概率为0.1。本项目运营经验表明,组合支护方案及质量保障措施有效提高了项目施工质量、减少了返工现象,保证了项目的经济效益。

基于智能优化算法的边坡稳定性预测方法研究

针对边坡稳定性预测中数据分析片面、模型预测精度低的问题,基于302个边坡案例,选取6个变量特征,利用麻雀搜索算法(SSA)更新BP神经网络的敏感因子,建立SSA-BP边坡稳定性预测模型。采用混淆矩阵、受试者工作特征(ROC)曲线及曲线下面积A_(UC)值作为衡量指标,通过五折交叉验证法提高模型的泛化能力并与RF、BP、SVM、PSO-BP、GA-BP和LSTM 6种机器学习算法进行预测效果对比。结果表明,SSA-BP模型的A_(UC)值、准确率和F_1分数均最高,分别为91.90%、85.81%和85.87%,相较于优化前的BP网络A_(UC)值提高了23%。经典算例证明SSA-BP预测模型与ABAQUS计算的安全系数相近,并可给出可靠的预测结果,为岩土工程中边坡稳定性预测提供了一种新方法。

基于WOA-RF的边坡稳定性预测模型

为有效地预测边坡稳定性和预防边坡失稳事故的发生,提出了鲸鱼优化算法(whale optimization algorithm,WOA)和随机森林(random forest,RF)相结合的混合模型WOA-RF;基于所收集的边坡案例,采用混淆矩阵的分类性能指标和受试者工作特征曲线及线下面积评估混合模型WOA-RF的分类和泛化性能;使用WOA对4种广泛应用的机器学习模型进行优化,并将优化后的机器学习模型与WOA-RF模型进行对比分析。结果表明:WOA可以有效地优化超参数和提升模型性能;最优WOA-RF模型在训练集和测试集上的准确率分别为0.99和0.94,优化后,准确率、精确率、召回率、精确率和召回率的加权平均值分别提升了11.9%、19.0%、4.8%和11.9%;对比分析各个模型的预测性能后发现,WOA-RF模型的各项指标均优于其他模型;确定了特征重要性排序,发现容重是影响边坡稳定性的最敏感特征。WOA-RF模型可有效地预测边坡稳定性,预测结果可为防护措施的制定提供依据。

基于动态磨削过程仿真的凸轮轴高速磨削稳定性预测分析

磨削颤振是制约凸轮轴高效优质磨削最主要的因素之一。在分析凸轮轴磨削几何运动学特性的基础上,综合考虑时滞效应和砂轮-工件弹性退让机制推导了凸轮轴高速磨削动态磨削力计算方法,建立了多因素耦合的凸轮轴磨削动力学模型和凸轮轴动态磨削仿真模型。基于稳定性叶瓣图法和动态磨削过程仿真方法对凸轮轴高速磨削稳定性进行预测分析;开展试验验证了所提出模型和方法的正确性。最后,通过对动态磨削过程的变模态参数仿真,分析模态参数对凸轮轴高速磨削过程稳定性的影响。结果表明,增大系统刚度和阻尼、减小模态质量都可以改善磨削稳定性,获得更大的稳定磨削极限。

基于时空图卷积网络和自注意机制的频率稳定性预测

针对传统数据驱动预测方法对电力系统频率稳定性预测的时空特性利用不充分、新拓扑下泛化能力差和可解释性较弱的问题,该文提出了一种基于自注意力机制和时空图卷积网络(STGCN)的频率稳定性预测方法。STGCN预测方法利用一维时间卷积层提取系统时间信息,利用切比雪夫图卷积通过近似拉普拉斯矩阵的多项式函数执行图卷积操作,从而捕获各母线及其邻居的拓扑结构信息;然后,采用基于自注意力机制的可微分图池化层来获得各母线注意力得分以对预测模型的决策过程进行可解释性分析,该分层池化策略允许模型尽可能地保留有价值的节点特征,并根据保留特征和动态拓扑有效分配节点以提高模型的泛化能力与鲁棒性;最后,在修改的新英格兰39节点系统和ACTIVSg500节点系统上的测试验证了所提方法的有效性。与传统方法相比,该文所提STGCN具有更高的预测精度、更好的鲁棒性和泛化能力。同时,该方法可以提供系统内各母线对预测结果的具体影响。

基于时间序列ARIMA模型的边坡强降雨稳定性预测分析

地质条件较差的边坡,在强降雨持续渗透作用下,存在滑坡隐患。本文基于实际工程,首先构建了边坡的有限元模型,并连续不断施加强降雨条件,得到边坡稳定性特征。随后,基于时间序列ARIMA模型,对后续持续强降雨条件下的边坡稳定性进行了预测。结果表明:通过预测模型的预测值与有限元软件的仿真结果进行对比,其边坡安全系数整体趋势近似,表明基于时间序列ARIMA预测模型的预测结果一定程度上能够反映边坡随降雨时间持续自身安全系数的变化。

基于序列判定的多维网络双向链路稳定性预测

为了确保多维网络双向链路的稳定运行,提出一种多维网络双向链路稳定性预测算法。根据多维网络维数定义和小世界网络特性分析结果,获取多维双向网络的主要特征,通过提取的特征建立多维网络模型,采用稀疏编码网络方法对模型降维处理。以结构相似性为基础,计算降维处理后多维网络双向链路中不同节点之间的相似度,通过相似度排序结果获取一个连边序列,以连边序列为判定依据实现多维网络双向链路稳定性预测。实验结果表明,采用所提算法可以获取高精度、高效率的预测结果,有利于提升网络链路的稳定性。

基于CatBoost集成学习的边坡稳定性预测方法

为对边坡稳定性进行广义高效地准确判断,引入了一种新型的CatBoost集成学习算法评价边坡稳定性。根据边坡基本几何与地质要素,无需数值建模与计算,直接客观地评判边坡稳定性状态,并从概率信息论角度给出边坡稳定性概率,实现速度快、精度高、稳健性好的广域尺度下边坡稳定性评价。以影响边坡稳定性的5个主要因素作为评价指标,创造了大型边坡稳定性评价数据集,据此构建了基于CatBoost集成学习的边坡稳定性预测模型。仿真结果表明,对比常见机器学习和代表性集成学习模型,CatBoost模型预测效果明显优于其他模型,且减少了超参数调优需求,更具有通用性、客观性和可靠性,可有效应用于边坡稳定性初步评价。通过举例仁化(湘粤界)至博罗高速公路仁化至新丰段某边坡工程,验证了基于CatBoost集成学习的边坡稳定性评价方法的可行性。

某水库库岸稳定性预测

库岸稳定对水库蓄水后的安全和长期运行有重要影响,将常见库岸类型划分为基岩库岸、土质库岸、岩土混合库岸,探讨图解法和卡丘金法计算水库塌岸的结果差异,利用图解法对某水库塌岸进行预测。结果显示,随着距坝距离的增加,塌岸宽度先增加后减少,拟合曲线大致呈抛物线型,同时塌岸宽度大于100 m的严重塌岸贡献塌岸总方量的89%。该文的数据分析方法及研究成果对类似工程勘察设计、施工具有一定的借鉴意义。

四川盆地常规气规划产量目标不确定性预测模型构建

四川盆地常规气资源量居全国首位,在全国天然气产业中占据重要地位,具备实现大发展的独特优势。针对四川盆地常规气产业链上游战略产量目标不确定性预测方法长期缺失的问题,通过理论研究与实践探索,开展基于蒙特卡洛常规气规划产量目标不确定性预测技术攻关,构建了盆地常规气规划产量目标不确定性预测模型,强力支撑产业链上游战略目标制定,并将研究成果在川渝地区实践应用,实现了区域能源行业协调发展路径的高水平制定。研究结果表明:(1)通过层次分析法筛选出探明率、增长率、稳产期末采出程度、递减率、采收率5个产量目标影响因素,明确影响常规气产量的主控因素;(2)建立了常规气规划产量目标不确定性预测模型,得到了不同指标因素影响下产量实现概率;(3)盆地常规气产量将在未来20年保持快速增长,展现快速上产良好潜力,计算四川盆地常规气稳产期年产量在实现概率P50条件下为(402~421)×10^(8)m^(3),在实现概率P90条件下为(373~401)×10^(8)m^(3);(4)通过对不同因素和产量之间的相关性排序,分析影响因素的敏感程度,产量与影响因素均是正相关,影响程度从大到小依次为:采收率、探明率、增长率、递减率、稳产期末采出程度。

基于神经网络的智能电网稳定性预测模型研究

目前,在智能电网稳定性预测方面,机器学习发挥着越来越重要的作用。鉴于传统预测模型存在多种假设和预测不精确的缺点,提出了一种基于神经网络的智能电网稳定性预测模型,该模型以前馈神经网络为基础,采用考虑反应时间的阻尼最小二乘法对数据进行训练,将消耗、生产的有功功率和弹性系数作为输入变量,对表征智能电网稳定性的特征根实部进行预测,模型在隐藏层的激活函数采用双极性S函数(tansig),输出层的激活函数采用线性传递函数(purelin)。模型采用均方误差(MSE)和决定系数(R-Square,R2)对预测模型精确性和有效性进行评估。预测结果表明,该预测模型在训练和测试阶段均具有足够准确的预测性能,在预测范围具有极低MSE值和极大R2值,对不同潮流下智能电网稳定性的预测表现出了极高的准确性。

多级高边坡组合支护方案设计与稳定性预测研究

文章以北侧边坡为例,根据工程地质、边坡等级和边坡特性等因素对边坡不同剖面采用不同支护方式加固。其中填方边坡采用衡重式挡墙、俯斜式挡墙支护,挖方边坡1.50~29.50m,采用桩+锚索、锚杆+面板等多种支护形式。基于LightGBM算法建立了边坡稳定性预测模型,验证模型精确性后给出预测模型的特征相对重要性结果和预测结果。结果表明:文章建立的预测模型可较好预测边坡稳定性;影响边坡稳定性最关键的因素为中土体黏聚力,其次为边坡角β,孔隙压力比和土体重度对边坡稳定性影响不大;北侧边坡稳定概率为0.9,失稳概率为0.1。

基于机器学习的岩土工程稳定性预测模型研究

随着大数据和人工智能技术的快速发展,机器学习在岩土工程稳定性预测中的应用逐渐成为研究热点。本文旨在探讨基于机器学习的岩土工程稳定性预测模型的理论基础和应用前景。首先,介绍了机器学习的基本概念及其在岩土工程中的潜在应用。接着,分析了岩土工程稳定性的主要影响因素及其与机器学习模型的关联。然后,讨论了不同类型的机器学习算法在岩土工程稳定性预测中的适用性。最后,展望了未来基于机器学习的岩土工程稳定性预测模型的发展方向和挑战。

基于GCN-Transformer模型的短时交通量确定性预测

为提高短时交通量的预测精度,充分利用交通网络的拓扑结构与时序信息,本文提出了一种基于GCN-Transformer模型的短时交通量确定性预测。首先读取并预处理四个方向的交通流量数据,构建路网结构邻接矩阵,划分数据集。然后利用GCN提取特征并进行图卷积操作,将输出作为Transformer模型的输入来学习时序信息。最后使用训练好的模型进行预测,并计算评价指标。研究结果表明,本文所提出的混合预测模型GCN-Transformer拥有较好的结果,在采用的四个评价指标中,RMSE、MAE、RMSPE和MAPE的值分别为9.886%、7.977%、11.018%、11.734%。

基于振动模型的掘进机截割系统稳定性预测

掘进机截割过程受动态径向和轴向载荷影响,截割臂会产生水平和竖直方向的摆动,摆动截割过程由煤岩反作用力产生的截割振动对截齿冲击最大,其振动量大小直接影响截割头的稳定性。为判断截割过程截割载荷是否稳定,首先,基于岩石断裂力学和煤岩破碎理论,建立掘进机截割系统物理本构模型,构建截齿和截割头截割载荷谱函数;其次,基于牛顿差值多项式方法进行截割过程截割稳定性预测,构建多因素耦合的非线性截割系统动力学方程,求解动态振动稳定域截割曲线(截割稳定性叶瓣图);然后,提出一种基于相关系数的无量纲截割振动判定准则,从理论和实际两方面判定截割头不同时刻的截割状态;最后,通过搭建截割系统实验台,进行截割系统模态参数辨识实验,测试破岩过程截割头截齿随机载荷特性,研究不同截割参数组合下截割载荷变化规律,得出截割头转速与截割深度的最佳匹配关系,从而证明截割稳定性叶瓣图的正确性。

基于智能算法的铁路边坡危岩稳定性预测研究

研究目的:在铁路建设与运维中,危岩是边坡地质灾害防治的重点问题。为实现对铁路边坡危岩稳定性状态的精准、快速预测,提高铁路沿线防护准确性,提出基于PCA改进GASA-FCM模型(Genetic Algorithms Simulated Annealing Fuzzy C-Means, GASA-FCM)的铁路边坡危岩稳定性预测新方法,以黔桂线洛满-麻尾段为依托,对该模型的准确性和优越性进行验证。研究结论:(1)综合考虑边坡及危岩状况、岩体力学性能和水文地质条件三方面,构建包含13个二级指标的铁路边坡危岩稳定性预测指标体系;(2)与传统FCM模型和GA-FCM模型相比,本文提出的GASA-FCM预测模型收敛值稳定,均方误差更小;(3)该模型在工程实例洛满-麻尾段边坡危岩稳定性等级预测评价中,评价结果与工程实际勘查结果完全符合,验证了该模型的准确性和优越性;(4)本研究成果可为其他铁路工程沿线危岩稳定性等级预测评价提供借鉴,对加快铁路全线信息化管理具有重要意义。

基于Vision Transformer和多头注意机制的频率稳定性预测方法

电力系统频率稳定性预测(frequency stability prediction, FSP)对于快速准确地制定故障后控制措施具有重要意义。然而,传统的数据驱动方法未能有效地将系统的时空特征纳入模型训练中,并且存在系统信息利用不足、抗噪能力差和面对新拓扑的泛化能力差等问题。针对上述问题,本文提出了一种基于多头注意机制和视觉变压器(Vision Transformer, ViT)的FSP预测方法。首先,所提出的预测方法利用位置编码层来捕捉系统的拓扑结构,以获得空间信息。其次,通过使用多通道输入层来捕获系统时间序列数据以获得时序信息。然后,采用基于多头注意力机制层来增强ViT模型的泛化能力和鲁棒性。在修改的新英格兰39总线系统上进行了测试。实验结果表明,与传统深度学习方法相比,本文所提ViT模型误差值在一般情况下降低了65.71%;在30 dB、20 dB和10 dB噪声环境下降低了61.55%、56.61%和47.14%;在拓扑改变环境下降低了49.09%,这证明了所提模型具有更高的预测精度、更好的鲁棒性和泛化能力。

舟山某海塘使用期稳定性预测

对海塘在使用期内的稳定性进行预测具有重要意义。以舟山市长峙岛某海塘的前期监测与设计资料,利用ABAQUS有限元软件对海塘建立二维模型,并施加静水荷载与流动荷载,通过将模拟结果与理正岩土工程计算软件进行对比分析,进而对使用期内的海塘稳定性进行预测。结果表明:有限元模拟的圆弧滑动面结果与软件计算结果相近,符合规范要求,具有一定的工程应用性。

边坡稳定性预测的混沌神经网络方法

边坡系统本身的各种参量是不确定的和随机的,在其演化过程中,表现出复杂的非线性行为,会发生一系列的混沌现象。运用现代混沌理论与神经网络方法的基本原理,把混沌理论与神经网络结合起来,建立了边坡稳定性预测的混沌神经网络模型,从新的角度研究边坡稳定性预测问题,对该问题进行了探索性研究。对该理论的建立及预测方法进行了系统的讨论,为该领域的研究提供了完整的技术方法。对64个典型滑坡实例的研究结果表明,混沌神经网络模型具有较高的精度。

移动Ad hoc网络中基于链路稳定性预测的按需路由协议

移动Ad hoc网络拓扑的高度动态变化是造成传统按需路由协议的路由频繁通断的主要原因,因此在传统按需路由协议的基础上进行链路稳定性预测扩展,增强路由稳定性具有十分重要的意义。该文利用分组的接收功率把节点间的相对运动划分为靠近和远离两种类型,然后在不同相对运动类型下根据节点间距离得到了的链路平均维持时间。在路由过程中,中间节点利用得到的链路平均维持时间设置请求报文的转发延迟,通过一定转发规则选择稳定性较强的链路构成路径。仿真结果表明进行链路稳定性预测扩展后的按需路由协议能够有效增强路由的稳定性,并提高网络性能。