临水深基坑素咬合止水桩土石围堰深层水平位移预测

针对临水深基坑素咬合止水桩土石围堰降水施工过程土体深层水平位移速率频繁超预警值的问题,采用差分整合移动平均自回归模型对不同施工阶段的2个测点共计3440个深层水平位移数据区分不同样本数进行短期预测,通过模型评价、偏离分析、方差分析、回归分析等多种方法验证短期预测结果的准确性,通过模型参数统计确定参数范围和分布概率,确定短期预测数据可靠性后进行长期预测,结果表明:差分整合移动平均自回归模型用于临水基坑素咬合止水桩土石围堰下的土体深层水平位移预测,具有较强的适用性,能满足不同施工阶段的预测,最终预测的最大深层水平位移累计值在累计报警值以内,顺利指导了降水施工。

基于麻雀搜索算法优化BP神经网络的深远海养殖平台系缆力预报研究

随着海上养殖走向深远海,海洋养殖装备将面临更加恶劣的海况,为了保证装备的安全,必须对其锚泊系统的安全进行评估。采用传统水动力计算分析的方法,能够获得准确的锚泊系统张力,但是计算时间要求很长。为了快速的获取恶劣海况下养殖平台锚泊系统的张力分布,本研究基于机器学习的方法构建了养殖平台锚泊系缆力预报评估的计算模型(SSA-BP模型),该模型引入了麻雀搜索算法对BP神经网络的权值和阈值进行优化,改善了模型的预报性能。该模型将规则波波高、周期、流速作为模型输入指标,将系泊缆力作为模型输出指标,进行BP预报模型的训练。用麻雀搜索算法对BP模型进行优化并训练(SSA-BP模型),并针对改进后的SSA-BP模型预报结果与传统的BP模型预报结果进行对比。经过对比分析发现,SSA-BP模型整体的各项指标均低于BP模型,且SSA-BP模型各工况系缆力的预报误差也均低于BP模型并更贴近真实值。研究表明,该SSA-BP模型能够给出更加准确的预报结果。