基于NMI-SS-FOA优化极限学习机的隧道变形预测模型

为确保隧道施工在安全、经济和高效方面的要求得以满足,对隧道变形进行准确预测是十分必要的。针对隧道变形数据具有非线性和时序性等特征,提出了一种基于NMI-SS-FOA优化极限学习机(ELM)的隧道变形预测模型。该模型首先通过NMI(归一化互信息)法筛选出影响隧道变形的关键参数,将筛选后的参数作为数据集,然后基于扇区搜索机制的果蝇优化算法优化下的极限学习机(SS-FOA-ELM)来预测隧道的变形,并与数学统计预测模型、BP神经网络模型、随机森林方法、SVR(支持向量回归)模型和ELM模型的预测结果进行对比。结果表明:NMI-SS-FOA优化极限学习机的隧道变形预测模型能有效预测隧道变形,其预测结果对应的均方根误差(E_(RMSE))、平均绝对百分比误差(EMAPE)、a_(10)指数(a_(10))和决定系数(R^(2))分别为5.06、19.42%、0.932和0.607,其预测效果较其他预测模型更好;覆盖层厚度(H)、岩体黏聚力(C_(rm))和岩体内摩擦角(φ_(rm))对预测结果影响较大。研究结果可以为隧道施工引起的隧道变形预测和控制提供参考。

基于CiteSpace的黑臭水体研究分析

为了探寻黑臭水体领域的研究热点及其随时间的变化,以便对其研究动态进行及时全面的了解,使用CiteSpace软件,对2000~2023年间CNKI总库内北大核心、CSSCI、AMI、EI学术期刊数据库关于黑臭水体研究的578篇相关文献进行分析,绘制了发文量图、作者合作知识图谱、发文机构合作知识图谱、关键词共现知识图谱、关键词突变图。结果表明:自2000年以来,黑臭水体研究的发文量总体呈现波动上升趋势,这是由于中国对环境保护逐渐重视,人们对黑臭水体的关注度逐渐提高;仅有少量作者和作者之间、机构和机构之间有稳定合作,作者和作者、机构和机构之间的合作交流有待加强;生物修复、黑臭河道、净化、修复等14个关键词相继成为研究热点,黑臭水体研究侧重点从污染底泥的治理逐渐转变到了水质的改善。