基于深度置信网络的重力坝深层抗滑稳定安全系数预测方法

为了提升抗滑稳定安全系数预测模型性能,基于深度置信网络,通过坝前水深、材料参数来构建重力坝深层抗滑稳定安全系数预测模型,并同时构建BP神经网络模型来对比预测性能。结果表明,DBN网络模型在安全系数预测方面的性能优于BP网络模型,在重力坝深层抗滑稳定安全系数预测方面有良好的应用性。

基于机器学习的重力坝变形监测统计模型及应用

为了提升重力坝变形监测模型精度,文章采用极限学习机(ELM)、基于网格搜索和交叉验证的支持向量机、基于模拟退火遗传算法优化的BP神经网络(GASA-BP)三种机器学习方法对经验模态分解(EMD)重构的周期项进行训练和预测,并与传统的最小二乘法进行对比分析。结果表明,机器学习算法可以有效提升模型的拟合及预测精度。

基于EMD的重力坝变形监测统计模型及应用

监测时段的选取和统计模型各分量的构造形式会影响传统重力坝变形监测统计模型的水压分量、温度分量、时效分量的分离结果。采用经验模态分解(EMD)方法将原始监测效应量自适应地分解产生非周期性的时效分量,建立基于EMD的重力坝变形监测统计模型,将其应用于YL重力坝9#坝段位移测点。选取HTT、HST和HT_(pca)T统计模型作为传统统计模型,采用不同的评价指标对4种模型的精度和合理性进行对比。YL重力坝9#坝段位移监测结果表明,基于EMD的重力坝变形监测统计模型的预测精度更高,水压分量、温度分量和时效分量的分离更合理。

依托项目抓生态 城乡提升秀美康定

康定，这是一座享誉世界的历史文化名城。有名扬五洲四海的跑马山，有摄影天堂新都桥，有千古绝唱的《康定情歌》，有塔公的佛塔寺庙、朋布西的古碉楼，还有神奇的历史传说、悠久的木雅文化……康定，一路彰显着神秘、厚重和不可复制，一路展现着独特、神奇和原生态的大美风光，这里每一次快门都是一幅佳作。2017年康定市大力实施城乡提升战略，着力维护打造“秀美康定，魅力县城”。