尾矿坝位移分级预警阈值研究及规律分析

针对尾矿坝在线监测重建设、轻利用的现状,基于尾矿坝位移在线监测时间序列,通过多步逆向云变换算法(Multi-step Backward Cloud Transformation Algorithm Based on Sampling with Replacement,MBCT-SR)改进云模型,根据“3E_(n)原则”和内外包络曲线确定在线监测位移的正常运行值,从而建立尾矿坝位移分级预警阈值模型,并利用某尾矿坝全球导航卫星(Global Navigation Satellite System,GNSS)技术表面位移在线监测数据进行实例验证。结果表明:该尾矿坝水平方向位移的黄、橙、红预警阈值分别为8.41 mm/d、12.94 mm/d、19.41 mm/d,呈现出坝体中间预警阈值最大、并由中间向两侧减小的空间变化规律;尾矿坝垂直方向位移的黄、橙、红预警阈值分别为16.56 mm/d、25.48 mm/d、38.22 mm/d,且随着子坝的堆积,预警阈值逐渐增大。

集成正态云和动态扰动的哈里斯鹰优化算法

针对基本哈里斯鹰算法收敛速度慢和易陷入局部寻优等问题,提出一种集成正态云模型和动态扰动策略的改进哈里斯鹰算法.在全局搜索阶段,利用正态云模型的随机性和模糊性和随机反向学习思想对哈里斯鹰位置进行更新,从而丰富种群多样性和提高算法全局搜索能力.在局部开发阶段,引入动态扰动策略更新不同捕食策略下的哈里斯鹰位置,改善算法局部开发能力.选取不同维度的基准测试函数进行仿真,同时利用Wilcoxon秩和检验、Friedman检验、三杆桁架设计问题对改进哈里斯鹰算法和其它优化算法进行对比分析.实验结果表明:提出的改进哈里斯鹰算法收敛速度更快,寻优精度更高,验证了改进策略的有效性.

基于云模型的网络异常流量检测

网络流量的复杂性、难以预测性以及人们主观评测的差异性等不确定因素,使得网络流量的异常检测成为网络安全防护领域研究的难点问题。通过对流量安全特征的分析提取和范围限定,引入云模型理论,提出一种基于云模型的异常流量检测方法,实现异常检测定性与定量的转换。在已有流量样本的基础上生成异常态势的标尺云,针对待测流量综合利用正向与逆向云产生算法获得不同异常等级的评估云,从而完成网络流量的异常判定。仿真实验表明,该方法能够对网络流量进行有效的异常检测评估。

基于云模型的并行蚁群-SVM分类方法

支持向量机(SVM)是一种高效的分类识别方法,在解决高维模式识别问题中表现出许多特有的优势,但SVM不利于海量数据的挖掘。为了改善SVM对大样本数据的适应性,提高算法的收敛速度,利用云模型来优化并行蚁群算法,提出了一种基于云模型的并行蚁群-SVM网页分类方法。将蚂蚁当前位置坐标作为云滴的两个参数,用逆向云发生器产生信息云的三个数字特征,采用不同的方法来更新蚂蚁的信息素,比较真实地体现了现实蚁群的运作情况,达到了实时动态更新的效果。通过对比测试,验证了CPACA-SVM方法在准确率和召回率上均有明显提高,具有较好的分类效果。

改进蚁群算法在配电网规划中的应用

为了克服蚁群算法解决配电网规划问题时存在容易陷入局部最优解的缺点,在蚁群算法和云模型基础上,提出了一种改进蚁群算法。该算法利用云模型对蚁群算法的信息素强度参数和信息素挥发系数进行调整,提高配电网规划过程中的收敛速度和全局搜索能力,并利用分层前推回代算法进行潮流计算。通过算例分析,证明了该方法的可行性和有效性。

基于云模型的仿真可信度评估方法

针对云模型在非正态分布条件下不适用的问题,提出了基于均匀分布的一维逆向云算法,并将其应用于仿真系统的可信度评估体系。首先,阐述了仿真可信度的重要性,并以实际工程为背景建立了某型装备抗干扰能力评估结果可信度评估指标;其次,运用基于云模型的仿真可信度评估方法对系统进行评估,并对该评估方法进行改进;最后,为了完善该评估方法,推导出基于均匀分布的一维逆向云算法,并且设计实验验证了该算法的有效性。仿真实验结果表明,该逆向云算法在较大数据时平均绝对误差小于5%,具有较高实用性,为云模型理论的完善提供一种思路。此外仿真可信度评估结果表明,该评估方法精度高,包含数据的分散度和凝聚度信息,可以进行更全面评估和错误数据预测。

大数据交叉映射融合的逆向云算法仿真

大数据融合可以提升工作效率、保证数据安全。逆向云算法根据数据之间的关联性交叉映射,对不同类型数据执行逆向处理。而传统逆向云算法,分析大数据离散度的能力不强,致使计算结果的偏差较大,因此研究大数据交叉映射融合的逆向云算法。算法将原有算法作为基本理论,利用梯度联合函数反演,根据交叉梯度约束条件确定数据离散形式,捕捉数据交叉规则;依照已知节点数据的物理量,对未知节点数据插值,通过源数据项、目标数据项建立函数映射关系,得出隐含关联;按照关联度匹配数据特征,域隐含层特征函数对域网络参数反向微调,至此实现逆向云算法。实验结果可知:与传统的基于鲁棒性的大数据逆向云算法相比,上述算法分析大数据之间离散度的能力更强,得到的参数结果偏差极小。由此可见,所研究的逆向云算法的计算结果更加精确。

基于OBLFOA-PP-BC的围岩稳定性二维评价模型

投影寻踪是一种解决复杂围岩稳定性评价问题较为有效的不确定性分析方法,但其结果受投影方向的影响和控制。为寻求最优的投影方向向量和体现寻优过程的不确定性,探讨了寻求最佳投影方向向量的反向学习果蝇优化算法,进而利用该算法改进围岩稳定性投影寻踪评价模型。针对投影寻踪方法常出现分级阈值难以划分情形,利用实测样本的最佳投影值,通过逆向云算法构建了不同等级围岩的正态云模型,进而有效解决了阈值难以划分问题。为判定模型评价结果可靠度和评价过程模糊性,引入模糊熵E作为辅助参评量和等级评价结果L共同构成二维评价模式(L,E)。围岩稳定性评价指标多种多样且评价体系不唯一,选取2个采用不同评价指标体系的实例予以应用,并与其他方法作对比分析。结果表明,该模型应用于围岩稳定性评价有效可行,且评价结果客观准确,为围岩稳定性分级提供了新参考。

基于云模型的大坝安全监控指标拟定方法研究

采用正、逆向云算法研究了大坝安全监控指标拟定方法,在分析原始监测数据基础上,结合随机性和模糊性产生定性概念的数字特征,再由监测效应量的期望、熵、超熵构造定量转换值,实现"定量—定性—定量"的转换,以此拟定安全监控指标.以某混凝土重力坝坝顶水平位移为例,对所提出的云模型拟定方法进行了验证,并与典型小概率法进行分析比较,结果表明基于云算法拟定的监控指标是合理的、准确的,弥补了传统小概率法的诸多不足,能更准确地反映大坝坝顶水平位移变化情况.

基于云模型的模糊综合评价方法及应用

阐述了利用正态云模型代替模糊隶属函数进行模糊综合评价的方法。运用云模型的逆向云发生器、云运算原理,结合云模型的模糊性、随机性、统计性性质对一个评价系统进行综合评价。最后使用食品安全监管检测数据分析比对了基于云模型的模糊综合评价方法与常规模糊综合评价方法,算例表明云模型的模糊评价方法具有模糊隶属函数方法所不具备的优势。