基于机器学习的盾构掘进地表沉降回归预测模型

针对地铁盾构掘进引起的地表沉降预测问题,经验和半经验公式预测差异性大,解析法预测过程复杂,数值模拟无法运用于实时预测。基于线性回归、岭回归、套索算法(least absolute shrinkage and selection operator,LASSO)、分裂决策树算法(classification and regression tree,CART)、随机森林算法、支持向量机(support vector machine,SVM)、XGBoost(extreme gradient boosting)、多层感知机(multi-layer perceptron,MLP)8种机器学习算法的拟合能力,文章提出盾构掘进沿线地表最大沉降值预测模型。采用均方误差(mean square error,MSE)、均方根误差(root mean square error,RMSE)、绝对均值误差(mean absolute error,MAE)、决定系数R 2进行模型评估。结果表明:支持向量回归(support vector regression,SVR)模型取得的效果最优,其次是回归MLP模型;在树模型中,随机森林的表现效果好于CART和XGBoost;线性模型中表现最好的是岭回归。

蜡烛火焰耦合振荡的研究

文章研究了2组全同蜡烛火焰的耦合振荡情况。通过高速摄影机拍摄和、Origin软件图像处理,得到蜡烛耦合振荡情况与距离、直径等因素的关系;利用MATLAB软件仿真和纹影法,探讨热辐射、热对流在耦合中的作用,明确了热对流是蜡烛耦合振荡的主导因素;结合涡动力学理论,对蜡烛火焰耦合振荡的机理做进一步解释。该文为研究蜡烛火焰耦合振荡现象提供了一定的理论依据。