相空间重构与改进SMA优化SVR的网络流量预测

为提高网络流量预测精度,提出结合相空间重构与改进黏菌优化支持向量回归的预测模型。为解决黏菌算法收敛慢、易得局部最优的不足,引入3种形态对立学习对种群进行初始化,提高种群多样性;利用非线性反馈因子更新机制,均衡全局搜索与局部开发;设计柯西-高斯混合变异对最优解变异,扩展搜索空间,避免陷入局部最优。利用改进黏菌算法对支持向量回归优化调参,有效解决超参初值敏感缺陷,提高学习精度和收敛速度,以此构建网络流量预测模型。实验结果表明,改进模型预测误差更小,能够实现高精度和实时性预测要求。

基于EBWO-SVM的变压器故障诊断研究

针对SVM在变压器故障诊断中存在诊断精度不高和BWO算法存在易陷入局部最优的问题,提出一种基于EBWO-SVM的变压器故障诊断方法。首先通过引入准反向学习策略和旋风式觅食策略对BWO算法进行改进,然后将EBWO算法与粒子群优化算法、灰狼优化算法、鲸鱼优化算法、白鲸优化算法在6种测试函数上进行寻优测试,验证了EBWO算法的优越性。其次利用EBWO算法对SVM中的核函数参数g和C进行优化,从而提高SVM的分类能力。最后提出其他方法与EBWO-SVM模型进行对比。结果表示:所构建的EBWO-SVM变压器故障诊断模型与BWO-SVM、WOA-SVM、GWO-SVM、PSO-SVM相比,综合诊断精度分别提高了7.7%、9.7%、11.6%、15.4%,且稳定性更强,验证了EBWO-SVM模型的可行性与有效性。

一种融合反向学习机制与差分进化策略的蛇优化算法

蛇优化(snake optimizer,SO)算法存在前期收敛速度慢和易陷入局部最优的问题,为此提出一种融合反向学习机制与差分进化策略的改进蛇优化(improved snake optimizer,ISO)算法。反向学习机制可提高种群质量,以提升算法寻优速度;差分进化策略有助于算法精准寻优,降低算法陷入局部最优的几率。在10个基准测试函数上的实验结果表明,ISO算法拥有更高的寻优精度和更快的收敛速率。将其应用于支持向量机(support vector machine,SVM)的参数选取中,进一步验证了ISO算法的有效性。

针对短时交通流预测的ISSA-SVR模型

为提高短时交通流的预测精度,提出一种改进麻雀搜索算法优化支持向量回归的预测模型。为解决麻雀搜索算法收敛慢、易陷入局部最优的不足,结合反向学习和中心游移进行种群初始化;引入分段惯性权重和蝴蝶优化算法改进发现者更新,扩展迭代早期的全局搜索范围和寻优能力;利用柯西变异追随者更新机制提高迭代后期的局部开发能力和收敛速度;设计自适应警戒者更新均衡搜索和开发过程。应用改进麻雀搜索算法优化支持向量回归模型,构建短时交通流预测模型HMSSSA-SVR。实验结果表明,改进模型的泛化能力更好,预测误差更低,能够对短时交通流实现精确预测。

透镜成像对立学习的SMA算法及舆情预测应用

网络舆情具有小样本特征,而传统方法预测准确率低,容易得到局部最优。为此,提出一种改进黏菌算法优化支持向量机的网络舆情预测模型ISMA-SVM。引入混沌Circle映射机制提高初始种群的多样性;利用对数非线性调节反馈因子均衡算法全局搜索与局部开发;设计透镜成像对立学习机制对最优个体变异,扩展搜索空间并避免算法陷入局部最优。利用改进黏菌优化算法优化支持向量机模型,构建网络舆情预测模型。以若干舆情热点百度指数作为样本进行实证研究,结果表明,改进模型具有更高的数据拟合度,预测准确度更高。

基于OWOA-RFWSVR-DLM的高寒区混凝土坝变形预测模型

对于寒冷地区的混凝土大坝,由于表层保温层的影响,其内部温度往往滞后于气温变化。当内部温度计缺失时,使用水力-季节-时间(HST)模型进行大坝预测时存在较大的误差,且即使利用内部温度计进行多元回归(MR)模型的建模也无法反映温度与变形的非线性关系。因此,针对现阶段对高寒区变形预测精度低的问题,提出利用反向学习后的鲸群(OWOA)算法对RReliefF因子加权支持向量机(RFWSVR)与分布滞后线性模型(DLM)的温度因子的超参数进行寻优,以构建缺乏内部温度计的寒区混凝土大坝变形预测模型。结果表明:通过对所建立的变形预测模型与传统统计模型和其余常用机器学习算法的性能比较,证明所建立模型具有较高的预测精度,能更好地反映保温混凝土大坝的工作特点。

基于IGWO-SVR的输电线路覆冰预测模型研究

为降低输电线路覆冰事故对电网安全生产的影响,电网运维部门通过预估线路覆冰厚度来指导电网的除冰融冰工作。本文提出采用支持向量机回归(support vector regression,SVR)方法预测覆冰厚度,研究了1种基于改进的灰狼优化算法(improved grey wolf optimization algorithm,IGWO)优化SVR的覆冰厚度预测模型。首先,采用非线性收敛因子a和精英反向学习(elite opposition-based learning,EOBL)提高了灰狼优化算法(grey wolf optimizer,GWO)的收敛速度并解决了易陷入局部最优的问题。其次,构建以环境温度、相对湿度和环境风速为输入量,覆冰厚度为输出量的IGWO-SVR覆冰预测模型,将实验数据代入模型计算其适应度值为0.019,远优于GWO-SVR模型。最后,将IGWO-SVR模型与PSO-SVR和GWO-SVR模型相比较,通过预测数据和实测数据的对比验证了IGWO-SVR模型的均方误差(mean square error,MSE)值为1.16,低于PSO-SVR和GWO-SVR模型,对输电线路覆冰预测研究具有一定的参考价值。

基于改进哈里斯鹰算法的SVM与特征选择同步优化

标准支持向量机结合封装式特征选择具有冗余特征多、分类准确率低的不足,为此,提出基于改进哈里斯鹰算法的特征选择同步优化策略。为改进特征子集选取能力和支持向量机的分类准确率,利用混沌映射、能量因子非线性调整和小孔成像对立学习对哈里斯鹰算法进行改进,将改进哈里斯鹰算法用于SVM参数调整和特征子集选取同步优化问题。实验结果表明,改进算法能够在降低特征维度的情况下实现更高的分类准确率,实现同步优化效果。

减小无对撑式深基坑变形量技术研究

论文从笔者所在项目的深基坑施工过程中所面临的实际问题出发,将“减少无对撑式深基坑支护变形量”作为本次研究的课题。对此问题进行现状调查,分析产生问题的原因,制定相应的对策,最终通过对策的实施来解决发现的问题。

基于BP神经网络的野外驻训备件需求预测研究

针对传统的备件需求预测方法主观性强,缺乏科学性等问题,以通信部队野外驻训为背景,从备件需求影响因素出发,提出一种基于BP神经网络的预测算法。对备件精确保障及需求预测和BP神经网络及其适用范围进行简要介绍,分析了备件需求影响因素,以某型电台的功放模型为样板,对BP神经网络预测算法的适用性进行了检测。结果表明,该方法能很好地提高备件需求预测精度,满足装备保障精确化的要求。

反向建模方法在汽轮机热耗率建模中的应用

针对热耗率与其影响因素之间存在的复杂非线性关系,提出了基于自适应混沌反学习万有引力算法(ACOGSA)和最小二乘支持向量机(LSSVM)的汽轮机热耗率反向建模方法.利用某600 MW超临界汽轮机组运行数据,采用基于LSSVM的反向建模方法建立热耗率预测模型,采用ACOGSA算法解决LSSVM的模型参数优化问题,并与GSA-LSSVM模型和BP神经网络模型的预测结果进行比较.结果表明:所建立的模型比传统模型具有更好的泛化能力,更能准确地预测汽轮机的热耗率.

热载下两对边固支两对边简支矩形薄板的解析解

基于薄板的小挠度理论,推导了各向同性薄板在横向变温作用下的平衡微分方程.通过试设满足平衡微分方程的挠度函数,采用李维解法,推导了两对边固支两对边简支各向同性矩形薄板在横向变温作用下的挠度方程,得出了横向变温作用下两对边固支两对边简支各向同性矩形薄板的解析解,从而为以后的工程计算提供了理论依据.

两对边固支另两对边自由弹性矩形薄板理论解

利用辛几何的方法推导出了两对边固支另两对边自由支承条件情况下,弹性矩形薄板问题的理论解。在推导过程中并不需要事先人为的假定挠度函数,而是直接从弹性矩形薄板问题的控制方程出发,利用纯数学的手段推导出问题的解析解,使得求解过程更加理论化,从而为进一步解决了这类问题(例如动力问题)奠定了理论基础。文中还给出了算例来验证方法的正确性。

碎裂岩体浅埋隧道相向施工稳定性优化控制研究

龙烟铁路凤凰山隧道施工中,采用数值模拟结合现场监测的方法,分析相向施工不同掌子面间距下的隧道围岩变形分布、关键部位主应力特征及围岩塑性区扩展情况,提出临近贯通段的支护方案,结果表明随两侧掌子面间距的减小,围岩稳定性显著降低,岩体变形及劣化程度加剧;掌子面距离大于20m时采用常规支护方案,到达20m时停止一侧掌子面施工,采用小导管超前支护+全断面超前帷幕注浆的支护方案进行另一侧掌子面施工,确保了隧道成功贯通。

“两个确立”的三重维度和重要意义

"两个确立"是党的十九届六中全会最重要的政治成果,从马克思主义的历史观、时代观和人民观的三重维度来看,"两个确立"是历史选择、时代呼唤、民心所向。从党的百年奋斗历程来看"两个确立"的三重维度,就是分析党的领导核心及其指导思想的百年历史逻辑、理论逻辑和实践逻辑。作为马克思主义政党的中国共产党,对党的领导核心及其指导思想问题的认识,分别在历史选择的政治觉悟上、在时代呼唤的理论创新上、在民心所向的实践动能上,展现出从自发到自觉的过程和特点,这些过程和特点为新时代新征程提供十分重要的政治意义、理论意义和实践意义。

对边固支对边自由板壳大挠曲变形的半解析解法

求解两对边固支另两对边自由的板壳大挠曲问题以往常用近似方法 ,现试用解析方法将微分方程组的求解变为代数方程组的求解 ,然后再用数值方法去做近似处理。结果表明 ,这样做不仅数学力学概念清晰 。

软岩、大水矿井大硐室施工技术研究

依据鲁新矿井的水文、地质情况,结合大硐室施工、软岩支护基本理论,提出采用导硐多台阶相向施工法,实现安全快速施工;采用堵、集、排及注浆等方法控制裂隙水,基于软岩支护原理结合矿压观测数据,提出了合理的支护方案。

少数民族高考加分政策的话语制度主义分析

该文通过对话语制度主义的理论阐述,就少数民族高考加分政策中的制度设计、制度语境、制度选择和制度变迁进行研究;通过分析有关少数民族高考加分的四重话语,发现不同话语的冲突促使政府基于教育公平而进行政策变革,高考加分政策的反对联盟在与支持联盟的讨论和对话中逐步发展。政策的建构路径应以促进各民族共同繁荣发展为原则建构政策,发挥以人为本的正向功能;以营造多方行动者之间的公共能量场为导向,巩固政策的刚性力量;以反思制度设计、制度选择、制度语境以及制度变迁的过程为要务,强化制度与现实情况不断协调的内生力。

基于改进樽海鞘群寻优SVM的土壤含水量预测算法

针对传统土壤含水量预测算法存在的精度和效率较低等问题,采用支持向量机(SVM,support vector machine)建立预测模型,提出一种改进樽海鞘群算法(SSA,salp swarm algorithm)优化SVM的土壤含水量预测算法。首先,引入反向学习和混沌优化对标准樽海鞘群算法进行改进,解决算法易陷入局部最优解和收敛速度慢的问题;其次,利用改进的樽海鞘群算法对影响SVM性能的参数进行优化,构建对应的预测模型;最后,将所提模型与粒子群优化SVM预测模型、鲸鱼算法优化SVM预测模型进行对比。实验结果表明,所提模型的均方误差和决定系数分别为0.42和0.901,与其他两种模型相比性能更优,验证了所提算法的有效性。

对边简支梁式夹层板的非线性振动

夹层板壳结构由于其优异的力学特性在工程中被广泛使用,但有关其非线性振动特性的研究还不够完善,其精确解答一般很难得到。本文对具有软夹心和极薄表层夹层矩形板的非线性自由振动方程进行简化,并将振型设成时间和空间函数的分离形式,时间函数取谐函数,空间函数未知。将假定的振型函数带入微分方程,得到对边简支梁式夹层板无量纲化的空间模态控制方程。采用修正迭代法和伽辽金法对其进行求解,得到了梁式夹层板振型的一个解析解,以及梁式夹层板非线性振动的振幅和振频的解析关系式,并进一步分析了夹层板剪切参数对非线性振动特性的影响。