关于完备超图的c度h—超星HS)分解

本文论证了超图可c度h-HS分解的存在性条件,同时,给出了超图K_n^3可4度3-HS分解存在的充要条件,部分地解决了文献〔3〕中遗留的问题。

基于HS算法优化的EEMD-RNN混凝土坝位移预测模型

由于混凝土坝位移的监测过程中存在噪声误差,使得智能算法预测位移时容易出现过拟合、局部最小值及收敛速度慢等缺点。为了解决上述存在的问题,首先采用集合经验模态分解法(EEMD)对位移实测值进行分解,得到不同频次的分量IMF和剩余量R,然后通过递归神经网络(RNN)对各分量和剩余项进行训练,得到环境量和时效与IMF及R的映射关系,最后通过模型得到的映射关系可求各分量和剩余项的响应预测值,并进行等权求和可得位移的预测值。在RNN训练过程中引入和声搜索算法(HS)对其进行优化,系统性去噪,以一定的概率限差函数进行扰动以得到最优解,从而优化了RNN的权重及阈值,提高了模型的健壮性。以某混凝土坝为计算案例,结果表明,HS-EEMD-RNN模型的整体拟合和预测的精度较高、过拟合程度小,与EEMD-RNN模型对比可知,HS算法可以明显提高其模型精度,并且对位移过程线的突跳值预测的精度高。