基于多层感知机技术的地铁盾构施工参数预测

在地铁工程建设中,盾构法施工技术已经得到了广泛的应用,盾构掘进参数的合理预测对提高施工安全性及降低操作难度具有较大实际意义.以中国杭州机场快线地铁隧道某标段为工程背景,以隧道直径范围内土层摩擦角、黏聚力、压缩模量、重度以及隧道顶部埋深、盾构机预设刀盘转速、推进速度作为输入,以盾构施工时的注浆量、注浆压力、出土量、总推力和刀盘扭矩为输出,建立基于多层感知机的盾构掘进参数预测模型.通过对比不同超参数组合情况下的模型在数据集上的预测表现,挑选出适合于该工程盾构施工参数的预测模型.使用实测数据对模型预测效果进行验证,预测值与实测数据总体变化规律一致,平均误差在20%以内.建立的多层感知机模型预测结果较为合理,具有较好的预测精度,可用于复合地层条件下同类型盾构掘进参数的预测.

多元线性回归模型与多层感知器神经网络在铀矿测井泥质含量预测中的应用

在铀矿资源勘探工作中,泥质含量的测定对于确定地下岩层的性质和砂岩型铀矿床的分布具有重要意义。文章旨在避免常规测井解释计算方法受到希尔奇系数选取准确性的限制,提出了利用多元线性回归模型和多层感知器(MLP,Multilayer Perceptron)神经网络对测井数据进行分析与预测的方法。通过选取某地区的测井数据,采用多元线性回归模型和MLP神经网络进行了泥质含量关系模型的构建和验证。结果显示,多元线性回归模型在泥质含量低层位出现过拟合现象,而MLP神经网络则表现出更高的预测准确性,MLP神经网络在泥质含量预测中优于传统多元线性回归模型,为铀矿勘探中泥质含量的准确预测提供了有效工具,并有望改进现有的泥质含量评价方法。这些研究成果可显著提升测井解释的效率和准确性,对后续铀矿勘探开发工作的开展具有积极影响。

基于多层感知机和语义矩阵的答案选择模型

答案选择是问答系统领域的关键子任务,其性能表现支撑着问答系统的发展。基于参数冻结的BERT模型生成的动态词向量存在句级语义特征匮乏、问答对词级交互关系缺失等问题。多层感知机具有多种优势,不仅能够实现深度特征挖掘,且计算成本较低。在动态文本向量的基础上,文中提出了一种基于多层感知机和语义矩阵的答案选择模型,多层感知机主要实现文本向量句级语义维度重建,而通过不同的计算方法生成语义矩阵能够挖掘不同的文本特征信息。多层感知机与基于线性模型生成的语义理解矩阵相结合,实现一个语义理解模块,旨在分别挖掘问题句和答案句的句级语义特征;多层感知机与基于双向注意力计算方法生成的语义交互矩阵相结合,实现一个语义交互模块,旨在构建问答对之间的词级交互关系。实验结果表明,所提模型在WikiQA数据集上MAP和MRR分别为0.789和0.806,相比基线模型,该模型在性能上有一致的提升,在SelQA数据集上MAP和MRR分别为0.903和0.911,也具有较好的性能表现。

基于多层感知机的长白落叶松人工林林分生物量模型

【目的】神经网络模型能避免林分生物量模型建模时自变量共线性与异方差问题,研究多层感知机在林分生物量模型中的应用,为森林经营单位、区域生物量和碳储量的估算提供方法和依据。【方法】以长白落叶松人工林为研究对象,利用吉林省一类清查固定样地的917组数据,分别建立了基于传统的对数转化后线性模型和神经网络多层感知机的地上生物量和总生物量模型。使用AIC、决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RMSEr)和平均绝对误差(MAE)来评价模型。【结果】估计精度最高的模型是输入单元为林分平均胸径(D)-平均高(H)-林分密度指数(S)-海拔(HB)-坡向(PX)-坡位(PW)、2个隐藏层、隐单元数为40-20的神经网络模型,与传统对数转换线性回归模型相比,地上生物量和总生物量模型的调整决定系数(Adj.R^2)分别从0.902 1提高到了0.914 1,从0.897 9提高到了0.908 9;RMSEr分别从6.330 5%降低到了5.992 2%,从6.490 1%降低到了6.153 6%。包含立地因子的神经网络模型比未包含立地因子的神经网络模型估计精度略有提升,地上生物量与总生物量的Adj.R^2分别提高了0.88%和0.99%,RMSEr分别降低了5.33%和5.46%。【结论】多层感知机生物量模型的估计精度比传统回归模型略有提高,但它可以避免模型选型和违背传统统计假设的处理等问题,且能够一次性计算地上生物量和总生物量模型,有一定优势。

应用多层感知机回归的无参考型超分辨图像质量评价

为解决传统超分辨图像质量评价(super-resolution image quality assessment,SRIQA)指标与人类主观感知一致性较差的问题,应用多层感知机(multi-layer perceptron,MLP)构建一种无参考型超分辨图像质量评价方法。该方法利用预训练好的VGG16网络提取超分辨图像的感知质量特征,并通过MLP建立超分辨图像的感知质量特征与对应主观质量分数之间的回归模型。实验结果表明:所提出的算法在公开的超分辨图像数据集上的皮尔逊线性相关系数(pearson linear correlation coefficient,PLCC)、斯皮尔曼秩序相关系数(spearman rank order correlation coefficient,SROCC)超过0.95,明显优于现有其他图像质量评价方法,且与人类主观感知具有更高的一致性。

基于多层感知机的温室内番茄茎直径变化预测模型

【目的】研究温室内番茄茎直径变化量动态预测模型,为番茄需水规律提供一定决策支持。【方法】采用多层感知机算法与植物生理生态信息相融合的方法,建立一个包含空气温湿度、土壤湿度、叶片温度、茎直径变化量及光合有效辐射的基于多层感知机算法的茎直径变化量预测模型。采用3层隐含层神经网络对经过正则化及归一化的6维训练集数据向量,进行全连接式训练后,得出预测模型,验证集数据输入预测模型后得出1维输出向量,对输出向量进行反归一化进而得出茎直径变化量预测值。【结果】建立的基于多层感知机短时番茄茎直径变化量动态预测模型的预测值与实测值的回归系数(R 2)为0.901,均方根误差(RMSE)为0.175。【结论】该模型适用于温室番茄短时茎直径变化量动态预测,具有较好的应用场景。

结合修正后的全球生态系统动态调查冠层高度的森林地上生物量模型优化——以福建省为例

森林地上生物量(Above Ground Biomass,AGB)是衡量森林生态系统碳存储、能量流动和生物多样性的关键指标,对于气候变化研究和森林资源管理至关重要。福建省地处多云多雨的亚热带,地形和森林类型复杂,森林地上生物量估算难度大。为提升森林地上生物量估算效果,将最新星载激光雷达数据全球生态系统动态调查(GEDI)、Landsat以及Sentinel系列卫星等多源遥感数据进行集成和综合利用,通过Landsat影像计算的林龄对GEDI_V27冠层高度产品进行优化,结合优化后的MGEDI_V27冠层高度产品,建立传统遥感特征结合冠层高度的极端梯度提升模型(XGBoost)生物量反演模型,实现了福建省森林地上生物量的有效估算与制图。研究结果表明:(1)通过林龄优化后的GEDI冠层高度精度评价结果为R^(2)=0.67,RMSE=2.24m;(2)通过递归特征消除算法对三种森林类型进行特征优选,得到10个遥感特征,其中,三种森林类型最重要的遥感特征均为森林冠层高度,并且对比评价了在包含传统遥感特征因子的情况下有无冠层高度对于模型精度的影响,结果表明,在冠层高度因子参加特征构建时,森林AGB回归分析的精度明显提高,证实了冠层高度在生物量估算中具有显著的重要性;(3)研究得到的福建省森林AGB范围为0.001—363.331Mg/hm^(2),整体精度评价结果为R^(2)=0.75,RMSE=17.34Mg/hm^(2),2020年全省AGB总量为8.22亿Mg,平均值为101.24Mg/hm^(2)。通过优化GEDI中的森林冠层高度,并且结合传统遥感特征,可以实现对福建省森林地上生物量的精确估算和监测,研究成果有助于区域森林碳汇的评估。

基于多层感知机的蛋白质变性温度预测

准确预测蛋白质变性温度在蛋白质工程和药物研制等领域具有重要意义。将全局特征和序列特征作为初始特征向量,利用提出的基于权值的降维算法对初始特征向量进行降维,降维后的特征输入多层感知机模型预测蛋白质变性温度。在盲测数据集上,该方法预测结果与实验测定结果的PCC值由降维前的0.77增加到0.8,RMSE值由降维前的0.17降低到了0.16,蛋白质变性温度预测值的分类准确率与现有方法比较有明显提升。

基于Halcon多层感知机的织物色差检测研究

探讨基于Halcon中多层感知机织物色差检测研究。首先将数据库中部分样本特征数据输入神经网络,然后采用均方误差最小化训练优化神经网络,构建样本特征与色差类别的多层感知机映射函数;最后将面积更大、上色情况更复杂的织物输入多层感知机,通过形态学算法分割出织物中不同类别的色差区域,并统计三种颜色织物的色差检测平均准确率,最低可达到89.7%。认为:织物图像中的不同色差区域均能准确判别并分割出来,能满足工业色差检测的准确率与灵敏度要求。

基于Logistic回归模型分析183例自发性气胸患者肺部脏层胸膜破口闭合时间的影响因素

目的:分析自发性气胸(SP)患者肺部脏层胸膜破口闭合时间的相关影响因素。方法:选取2019年1月—2021年9月我院收治的183例SP患者,根据其肺部脏层胸膜破口闭合时间分为≤3d组(n=54)、4~6d组(n=86)、>6d组(n=43),统计三组气胸类型、是否初发、基础疾病、肺部压缩范围、患肺气胸量、伴休克、发病至引流治疗时间等临床资料,进行Logistic回归分析,并分析呼出气氧分压p(O_(2))、呼出气二氧化碳分压p(CO_(2))与胸膜破口闭合时间的相关性。结果:三组肺部压缩范围、发病至引流治疗时间、治疗方法、呼出气p(O_(2))、呼出气p(CO_(2))对比差异显著(P<0.05);肺部压缩范围(≥30%)、发病至引流治疗时间(≤3d)、治疗方法(胸腔粗管闭式引流)、呼出气p(O_(2))(>15.43 kPa)是SP胸膜破口闭合时间的危险因素,呼出气p(CO_(2))(>5.16 kPa)是SP胸膜破口闭合时间的保护因素(P<0.05);呼出气p(O_(2))与SP胸膜破口闭合时间呈正相关(r=0.608,P<0.05);呼出气p(CO_(2))与SP胸膜破口闭合时间呈负相关(r=-0.531,P<0.05)。结论:SP患者肺部脏层胸膜破口闭合与肺部压缩范围、发病至引流治疗时间、治疗方法、呼出气p(O_(2))、呼出气p(CO_(2))等多种因素相关,根据以上因素制定、调整治疗方案对缩短破口闭合时间具有积极作用,可改善SP患者预后。

基于多层感知机网络的薄储层预测

相比地震反演方法和技术,基于多属性回归方法的储层预测技术能够缓解分辨率有限、过于模型化等问题,但模型泛化能力不足常造成井间薄储层预测结果不合理。为此,提出基于多层感知机深度学习网络的多属性回归薄储层预测方法,即以地震数据(提供背景信息)、90°相移数据(提供储层结构近似信息)、储层不连续界限属性(提供储层空间分布信息)为输入,以井点高频自然伽马为期望输出,利用多层感知机深度学习网络训练模型,预测井间自然伽马值,利用自然伽马值与砂—泥岩性的高度相关特性刻画薄储层。A油田实际资料测试表明,自然伽马预测值与真实值平均相关系数达到86.4%(训练集,10口井)和85.5%(验证集,两口井),明显优于传统多属性回归方法。应用该方法解释重点层段6套小层,薄储层预测结果与156口井实钻砂岩厚度平均相关系数较相移数据提升约38%,证实该方法应用效果良好。

基于分位数回归模型的阔叶次生林单木胸高断面积生长研究

【目的】阔叶次生林是一种复杂的异龄复层林,林木的胸高断面积生长量决定了林分的林分质量和碳汇能力。本研究旨在探讨阔叶复层次生林胸高断面积年均生长量(BAI)受个体大小、试验林、林层等因素的影响。【方法】以赣南地区3个林分结构各异的阔叶次生林试验林为研究对象,根据树高及树种组成的差异,分别将3个试验林划分3个林层和6种经营类型,采用分位数回归模型,设19个分位数(τ∈{0.05,0.10,0.15,…,0.90,0.95}),建立了胸高断面积年均生长量与胸径(DBH_2021)、高径比(H_D_ratio)、林层、试验林类型、经营类型等之间的非线性回归关系,并采用了AIC、Rτ2、MAD、MD等指标评价各分位数回归模型。【结果】1)3个试验林之间的BAI差异显著,但同一试验林内作业样地和对照样地的BAI差异在统计上表现不显著;2)AIC值最低时的分位数回归模型为log(BAI)τ~log(DBH_2021)+DBH_2021+H_D_ratio,分位数τ=0.45时,BAI的分位数模型最优,此时BAI的最佳分位数回归模型的拟合系数Rτ2为0.5353,考虑林层、试验林类型、经营类型时,拟合系数又分别提高了10%,分别为0.6383(考虑林层、试验林类型)、0.6389(考虑林层、经营类型);3)log(DBH_2021)、H_D_ratio、林层、发育阶段、经营类型对BAI的影响都是正效应。【结论】基于胸径、高径比、林层、试验林类型、经营类型构建的单木胸高断面积生长分位数模型可为阔叶次生林的提质增效技术提供量化依据。

农村老年人日常生活家庭照料与社会照料关系研究——基于多层回归模型的分析

文章利用中国健康与养老追踪调查2011—2012年的基线调查数据,运用多层回归模型,通过分析社会照料对农村老年人家庭照料获得的影响,探讨家庭照料与社会照料的关系。回归估计结果显示,个人层次上的年龄、居住状况、失能情况和社区层次上的老龄补贴、经济状况对农村老年人获得家庭照料有不同程度的影响,而代表社会照料的变量在统计上均不显著。回归估计结果说明,社会照料并不能对缺位的家庭照料起到补充作用,更不会起到替代作用,两者呈现一种非此即彼的"无关系"。文章的政策启示是,打破家庭照料与社会照料的壁垒,构建一个"流动"的老年照料体系。

融合时频空间特征的土石坝地震易损性分析改进MLP模型研究

针对现有地震易损性分析中采用的峰值加速度、峰值速度等地震动指标未能充分反映地震动复杂的时频空间特征,且现有基于对数空间线性函数关系假设的地震需求模型难以揭示地震动指标与地震响应间复杂非线性关系的问题,提出一种融合时频空间特征的土石坝地震易损性改进多层感知机(Multi Layer Perceptron,MLP)模型。该模型利用胶囊网络(Capsule Network,CapsNet)能够充分捕捉和表征目标特征空间位置分布的优势,从地震动小波时频图中提取反映地震动时频空间分布的深层特征,并以特征拼接的方式与既有特征进行融合,构建地震动融合指标;进一步地,采用树形Parzen优化算法(Tree structured Parzen Estimator,TPE)对MLP的神经元数量、学习率等超参数进行优化,提出基于TPE-MLP的土石坝地震需求模型,以反映地震动融合指标与地震响应间的复杂非线性关系,进而实现土石坝地震易损性的可靠分析。案例分析表明,相比于既有地震动指标,基于地震动时频空间特征融合指标的土石坝地震需求模型的MAE降低了40.5%,表明了所提模型的可靠性和优越性。

融合多层感知机和优化支持向量回归的滑坡位移预测模型

滑坡位移高精度预测对于滑坡预测预警具有重要的参考价值。顾及智能优化与机器学习组合模型在滑坡时序位移预测中的优势,构建了一种融合多层感知机和优化支持向量回归的滑坡位移组合预测模型。首先采用多层感知机(multilayer perceptron,MLP)对滑坡位移进行初步预测,然后构建基于差分进化(differential evolution,DE)算法改进的人工鱼群算法(artificial fish swarm algorithm,AFSA)与支持向量回归(support vector regression,SVR)组合预测模型(optimal combination SVR,OPSVR)以修正MLP预测结果。通过两起典型滑坡体北斗实测算例发现,由于DE有效克服了AFSA运行后期人工鱼个体大多处于随机运动状态而无法搜索到全局最优解的问题,提高了其寻优性能,进一步与SVR结合可更合理确定出SVR的超参数,从而提高了其预测精度;相较于单一MLP和SVR预测模型,以及常规智能优化算法(遗传算法、粒子群算法)、改进人工鱼群算法与SVR的组合预测模型,MLP-OPSVR组合预测模型具有更高精度的预测结果,且在滑坡预警研究中具有较好的推广应用价值。

基于多层递阶回归的土石坝渗流时变监控模型

根据土体流变机理,考虑时间效应,对以往的渗流监控模型进行了改进。在此基础上,建立了基于多层递阶回归方法的土石坝渗流时变监控模型,并就某工程实例验证了该模型的有效性。计算结果表明,该模型具有较高的拟合精度,且其预报能力较非时变模型强。

考虑季节及地域的月降水量三层回归模型及应用

基于不同地域月降水量的特点,采用聚类方法选取两个具有代表性地域的气象数据。将交互结构数据转化为嵌套分组结构形式,从而将地域因素和季节因素作为层次效应纳入分层线性模型(HLM)。据此建立相应的三层线性模型(HLM3),按照模型理论方法进行模型计算、优化和分析以解释层次效应和检验残差。结果表明,各层解释变量(气象因素、季节效应、地域效应)能很好地解释月降水量的差异,定量指导不同地域不同季节月降水量的回归。

基于贝叶斯估计的累积logistic回归与多层累积logistic回归模型比较

目的:通过基于MCMC法的贝叶斯参数估计方法,比较多层累计logistic回归模型与累计logistic回归对非独立数据的适应性。方法:通过模型诊断和参数信息进行两模型的比较。结果:累计logistic回归的参数标准误较小且获取的信息较少,DIC显示多层累计logistic回归模型对数据拟合优。讨论:由于多层模型考虑到高水平变异及信息,所以更适用于分析非独立数据。而DIC则通过计算有效参数个数,使其适合于衡量多层模型对数据的拟合程度。

基于时延嵌入式隐马尔科夫模型的癫痫脑电分类算法

癫痫脑电的分类识别能够为癫痫的预警和病程的发展监测提供强有力的技术支持。传统的癫痫脑电分类识别方法需要从较长的时间序列中提取特征,难以刻画大脑的瞬态变化,检测低效且耗时,降低了癫痫预警的有效性。针对上述问题,提出一种基于隐马尔科夫模型的癫痫脑电分类算法。该方法通过时延嵌入式隐马尔科夫模型(time-delay embedded hidden Markov model,TDE-HMM)对脑电进行状态估计,并提取状态序列中的状态切换特征,通过多层感知机(multiple layer perceptron,MLP)实现对不同癫痫发作阶段脑电的有效辨识。实验结果表明,相较于小波变换、微分熵等传统特征,所提方法准确率高,能够有效刻画癫痫不同阶段的大脑状态变化,为癫痫脑电的分类识别和状态分析提供了新的备选方案。

肾病综合征患者他克莫司血药浓度监测及MLP预测模型建立

目的考察肾病综合征(NS)患者使用他克莫司后的血药浓度监测情况,同时建立他克莫司血药浓度预测模型。方法收集厦门大学附属中山医院2020年1月1日至2023年8月31日166例NS患者使用他克莫司的血药浓度监测数据(共计509次),并对其疗效、药物不良反应(ADR)与血药浓度的相关性进行分析。利用其中109例含有基因信息的NS患者的302次血药浓度监测数据建立多层感知机(MLP)预测模型,并对其进行验证。结果在疗效方面,未缓解组患者的中位血药浓度为2.20 ng/mL,显著低于部分缓解组的4.00 ng/mL(P<0.001)和完全缓解组的3.60 ng/mL(P=0.002)。在ADR方面,发生ADR组患者的中位血药浓度为5.01 ng/mL,显著高于未发生ADR组的3.37 ng/mL(P=0.001),且经受试者工作特征曲线亚组分析后可知,他克莫司血药浓度≥6.65 ng/mL时,患者更易发生血肌酐升高[曲线下面积(AUC)为0.764,P<0.001];他克莫司血药浓度≥6.55 ng/mL时,患者更易发生血糖升高(AUC=0.615,P=0.005)。所建立的MLP预测模型的损失函数值为0.9,预测值与实测值的平均误差绝对值为0.2795ng/mL,验证散点图的决定系数为0.984,说明模型取得了良好的预测效果。结论他克莫司血药浓度对NS患者的疗效和ADR均有影响。利用MLP模型进行血药浓度预测的准确率高,预测值与实测值之间误差小,该模型可作为临床个体化用药方案中的重要工具。