检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于CNN-LSTM-AM的大坝变形预测

水电能源科学 2024年

作者：赖国梁刘小生江西理工大学土木与测绘工程学院

为提高大坝变形预测模型的预测精度,以长短期记忆(LSTM)作为基础模型预测大坝变形,在LSTM网络层前加入卷积神经网络(CNN)卷积层,以卷积层中卷积核刻画数据的局部模式实现数据特征的深度挖掘,提取大坝变形多因素序列时空特征;LSTM网络层... 详细信息

为提高大坝变形预测模型的预测精度,以长短期记忆(LSTM)作为基础模型预测大坝变形,在LSTM网络层前加入卷积神经网络(CNN)卷积层,以卷积层中卷积核刻画数据的局部模式实现数据特征的深度挖掘,提取大坝变形多因素序列时空特征;LSTM网络层后加入注意力机制层用于区分特征信息的重要程度并给予不同的关注度,进一步优化网络模型,构建了基于CNN-LSTM-AM的大坝预测模型。应用该大坝预测模型在工程实例中与LSTM、CNN-LSTM、LSTM-AM模型的预测结果和残差进行对比分析,CNN-LSTM-AM模型的预测结果和拟合度均更优;并以均方误差、均方根误差、平均绝对误差及决定系数R2作为精度评定指标对比各模型间预测性能,表明引入注意力机制能够提升模型预测性能,证实了基于CNN-LSTM-AM构建的大坝预测模型具有工程应用价值。

关键词：卷积神经网络长短期记忆网络注意力机制大坝变形预测预测精度

基于二次模态分解和深度学习的大坝变形预测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

水利水电科技进展 2024年第3期44卷 101-106页

作者：刘相杰刘小生张龙威江西理工大学土木与测绘工程学院江西赣州341000

为充分提取大坝变形监测数据的非线性和非平稳性特征,深度挖掘其前后信息的拓扑关系,有效提高预测精度,提出了一种基于二次模态分解和蜣螂优化算法的双向长短期记忆神经网络大坝变形预测模型。该模型引入融合自适应噪声完备集成经验模... 详细信息

为充分提取大坝变形监测数据的非线性和非平稳性特征,深度挖掘其前后信息的拓扑关系,有效提高预测精度,提出了一种基于二次模态分解和蜣螂优化算法的双向长短期记忆神经网络大坝变形预测模型。该模型引入融合自适应噪声完备集成经验模态分解和变分模态分解的二次模态分解对数据进行预处理,有效降低高频非平稳性分量对预测精度的不利影响,并利用蜣螂优化算法对双向长短期记忆神经网络进行超参数寻优以深度挖掘大坝变形数据的有效信息。以某水电站大坝为例,将该模型预测结果与多种常用模型的预测结果进行对比分析,结果表明该模型可有效挖掘大坝变形数据复杂的非线性特征,其预测精度明显优于对比模型,验证了该模型在大坝变形预测中的可行性与优越性。

关键词：大坝变形预测二次模态分解蜣螂优化算法双向长短期记忆神经网络

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

土的级配特征与连续级配方程研究

水利学报 2024年第5期55卷 597-606页

作者：樊书抗杨正权朱凯斌赵艺颖刘小生赵剑明中国水利水电科学研究院流域水循环模拟与调控国家重点实验室北京100038

级配显著影响着土的工程力学特性,深入研究土的级配特征并建立级配方程将其定量表达,对于土的物理力学性质分析与工程应用至关重要。通过分析不同粒组含量分布态势下土的级配特征,确定了连续级配土级配曲线的基本形态。基于Burr分布,提... 详细信息

级配显著影响着土的工程力学特性,深入研究土的级配特征并建立级配方程将其定量表达,对于土的物理力学性质分析与工程应用至关重要。通过分析不同粒组含量分布态势下土的级配特征,确定了连续级配土级配曲线的基本形态。基于Burr分布,提出了一个适用于各类连续级配土的连续级配方程,对级配方程特征参数和级配曲线形态的关系进行定量分析,并利用实际工程数据验证了该连续级配方程的广泛适用性。研究表明:土的粒组含量分布态势和级配曲线形态有很好的对应关系,连续级配曲线存在近似直线形、双曲线形、上凸形和反S形等4种基本形态;提出的连续级配方程可以很好地描述连续级配曲线的4种基本形态;通过连续级配方程特征参数分析,可以定量判断土的级配曲线形态和级配优劣情况;连续级配方程对天然砂砾料和人工爆破堆石料等粗粒土,以及覆盖层天然砂土、粉土和黏土等细粒土,均能够很好地描述它们的级配特征。

关键词：连续级配土级配曲线连续级配方程适用性验证

维普期刊数据库博看期刊

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

深厚覆盖层条件下砂土液化判别方法研究

深厚覆盖层条件下砂土液化判别方法研究

离子型稀土矿体大孔隙优先流占比对浸取率的影响定量研究

北京力学会第30届学术年会

作者：范猛李敬军杨正权刘小生朱凯斌流域水循环模拟与调控国家重点试验室中国水利水电科学研究院

随着我国工程建设的场地逐渐向高地震带、深埋深条件迈进,深埋条件下的砂土液化问题越来越值得重视。本文总结了国内外现有的液化判别方法的研究现状,并对影响液化判别结果的因素进行了分析,同时进行了深埋条件下理想场地的液化判别分... 详细信息

随着我国工程建设的场地逐渐向高地震带、深埋深条件迈进,深埋条件下的砂土液化问题越来越值得重视。本文总结了国内外现有的液化判别方法的研究现状,并对影响液化判别结果的因素进行了分析,同时进行了深埋条件下理想场地的液化判别分析计算,对比了不同液化判别方法在深埋条件下的适用性。本文对各种液化判别方法在深埋条件下应用的探讨可为相关工程应用及深埋条件下砂土液化判别的研究提供参考。

关键词：深厚覆盖层砂土标准贯入试验液化判别

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

稀有金属 2022年第12期46卷 1589-1598页

作者：张世良王观石刘小生谢芳芳汪杰江西理工大学资源与环境工程学院江西赣州341000 宁德师范学院信息与机电工程学院福建宁德352100 江西理工大学建筑与测绘工程学院江西赣州341000

为了有效掌握矿区土壤孔隙中水流特性,了解介质中优先流对水分非平衡迁移特性。开展优先流研究,是土壤水运动机制研究由均质走向非均质领域的标志,本文基于双重孔隙模型,研究离子型稀土矿体大孔隙优先流占比对浸取率的影响。构建优先流... 详细信息

为了有效掌握矿区土壤孔隙中水流特性,了解介质中优先流对水分非平衡迁移特性。开展优先流研究,是土壤水运动机制研究由均质走向非均质领域的标志,本文基于双重孔隙模型,研究离子型稀土矿体大孔隙优先流占比对浸取率的影响。构建优先流占比不同的矿柱,进行稀土室内物理柱浸试验并比较分析,研究尾矿含水率、尾矿品位和铵残留量等参数的分布规律,以及大孔隙优先流占比对尾矿不同参数分布规律的影响。实验结果表明:矿体优先流占比越多,优先流发育程度越高,浸矿越不充分,稀土浸取率就越低,当优先流占比为2%时,浸取率约减少9%,而4%的优先流占比使浸出率减少15.27%。研究优先流占比对尾矿不同参数的影响,从而影响离子型稀土矿体浸取率,本研究考虑了优先流占比大小对浸取率的影响,丰富了优先流理论,同时该研究对于认清优先流的运动规律和实施原地浸矿工艺资源优化和技术方案优选提供指导。

关键词：稀土矿优先流大孔隙双重孔隙模型浸取率

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

NARX神经网络在大坝变形预测中的应用

人民黄河 2022年第2期44卷 125-128页

作者：范哲南刘小生江西理工大学建筑与测绘工程学院江西赣州341000

针对大坝变形时间序列的非线性及形变值累计特性,引入NARX神经网络进行分析并实现变形预测。首先,NARX神经网络通过非线性自回归网络与外源输入相结合,较好地解决了传统BP神经网络存在的收敛速度慢和易陷入局部极值等问题;其次,建立基于... 详细信息

针对大坝变形时间序列的非线性及形变值累计特性,引入NARX神经网络进行分析并实现变形预测。首先,NARX神经网络通过非线性自回归网络与外源输入相结合,较好地解决了传统BP神经网络存在的收敛速度慢和易陷入局部极值等问题;其次,建立基于NARX神经网络的大坝变形预测模型,对原始数据预处理后采用周期为输入序列、变形值为输出序列训练模型;最后,以官地水电站大坝监测序列为例验证NARX神经网络模型预测性能。结果表明,在MSE、MAPE及RMSE三项精度指标测算中,BP神经网络分别为5.10 mm^(2)、30%、3.31 mm,而NARX神经网络分别为0.78 mm^(2)、12%、2.21 mm,均小于BP神经网络的,说明了NARX神经网络模型具有更高的预测精度。此外,NARX神经网络预测模型收敛时间为0.36 s,收敛速度较BP神经网络有较大提升。

关键词：大坝变形变形预测神经网络 NARX 评价模型指标

维普期刊数据库博看期刊

基于VMD-HPO-BiLSTM的大坝变形预测

在线全文

学校读者我要写书评

暂无评论

大地测量与地球动力学 2023年第8期43卷 851-855页

作者：刘相杰刘小生张龙威江西理工大学土木与测绘工程学院江西省赣州市341000

引入变分模态分解(VMD)和双向长短期记忆(BiLSTM)神经网络进行大坝变形预测研究。首先采用VMD降低大坝原始数据非线性和非平稳性对预测结果的影响;其次使用猎食者算法(HPO)对BiLSTM进行参数优化,构建基于VMD-HPO-BiLSTM的大坝变形预测模... 详细信息

引入变分模态分解(VMD)和双向长短期记忆(BiLSTM)神经网络进行大坝变形预测研究。首先采用VMD降低大坝原始数据非线性和非平稳性对预测结果的影响;其次使用猎食者算法(HPO)对BiLSTM进行参数优化,构建基于VMD-HPO-BiLSTM的大坝变形预测模型;最后以某水电站大坝为例,将该模型预测结果与LSTM、BiLSTM和VMD-BiLSTM模型的预测结果进行对比分析。实验结果表明,VMD-HPO-BiLSTM模型的RMSE、MAE和MAPE分别为0.446 mm、0.264 mm、18.593%,均优于其他3种模型,预测精度最高。

关键词：变分模态分解猎食者算法双向长短期记忆神经网络大坝变形预测

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于ISSA-GRU的大坝变形预测研究

水电能源科学 2023年第11期41卷 82-85页

作者：李书剑刘小生江西理工大学土木与测绘工程学院江西赣州341000

针对大坝预测中采用深度学习方法难以确定最优参数和精度不高等问题,改进了麻雀搜索算法(SSA),采用改进麻雀搜索算法(ISSA)对门控循环单元(GRU)的参数进行寻优,构建了基于ISSA-GRU的大坝变形预测模型,并将该模型应用于黄河上游青海段龙... 详细信息

针对大坝预测中采用深度学习方法难以确定最优参数和精度不高等问题,改进了麻雀搜索算法(SSA),采用改进麻雀搜索算法(ISSA)对门控循环单元(GRU)的参数进行寻优,构建了基于ISSA-GRU的大坝变形预测模型,并将该模型应用于黄河上游青海段龙羊峡大坝变形预测中。结果表明,基于ISSA-GRU的大坝变形预测模型具有更高的预测精度和稳定性,可为大坝变形预测提供参考。

关键词：大坝变形预测门控循环网络改进麻雀搜索算法预测精度

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

探究双减背景下初中历史教学质量的提升

探究双减背景下初中历史教学质量的提升