基于盾构掘进参数的LVQ神经网络地层识别

以苏州4号线2标及2号线东延伸线5标地铁工程为背景，分析了盾构机的掘进参数：千斤顶推力、推进速度、刀盘扭矩、螺旋机转速和同步注浆量在不同地层条件下的变化规律。提出了基于盾构机掘进参数的学习向量量化（Learning Vector Quantization，LVQ）神经网络地层识别方法。建立了以盾构机五个掘进参数作为输入，地层特性编码为输出的数学模型，通过每种地层100组训练样本对模型进行训练，通过57步训练，训练样本误差控制在0.1以内，并用每种地层50组检验样本进行检验，地层总体识别率达到82.7%。     

堡镇隧道围岩变形的神经网络预测

隧道新奥法施工中，常以围岩变形量作为评判围岩稳定性和支护结构经济合理性的重要指标。隧道围岩变形量是随时间而变化的数据序列，因而可以建立一些实时跟踪预测模型和方法。针对宜万铁路堡镇隧道软弱围岩区段施工大变形特点，采用神经网络技术对其变形量进行了预测分析，预测结果经过工程实践检验，具有相对较高的准确性和可靠性，为隧道施工决策提供了有效依据。     

高磨蚀复合地层盾构刀盘受力分析与计算

盾构在复合地层中施工,经常会遇到盾构姿态难以控制、刀盘刀具异常或过量磨损、刀盘变形与开裂等问题,目前是盾构施工一大难题。针对芜湖过江隧道其中一段软硬复合地层的工程地质特点,将其在盾构掘进断面内的地层简化为上软下硬的二元地层结构,对刀盘受力公式进行推导并建立刀盘受力计算模型,基于LabVIEW编制盾构刀盘受力计算程序。该程序可以计算盾构机在复合地层掘进过程中的刀盘有效推力、有效扭矩、倾覆力矩和不平衡力及它们的变化情况。最后实例计算,得出刀盘受力和力矩随软岩比、刀盘转角和贯入度的变化规律,解释了盾构在复合地层施工难题的原因,为其提供依据。     

预测路基沉降的一种新模型

大量的工程实践表明，多级加载的施工方法使路基沉降曲线呈“台阶状”发展。结合相对时间坐标系的概念，提出了一种改进的指数预测模型及其分级预测方法，并对双曲线模型进行了推广。改进的模型比原模型少一个参数，更适合于荷载恒定期的沉降预测，特别是工后沉降预测。应用改进的模型对苏嘉杭高速公路近三年的工后沉降观测数据进行了拟合和预测，验证了拟合和短期预测的精度，并对两种模型的中长期预测值进行了比较。     

基于迁移学习的LSTM互联网金融指数高精度预测方法

针对互联网金融指数高精度预测中数据量不足的问题,提出了基于迁移学习的LSTM方法。提出构建LSTM与全连接网络的组合模型,利用数据量充足的标准普尔500或沪深300指数对构建的网络进行预训练,得到较高精度的预训练模型;利用数据量有限的互联网金融指数对预训练模型进行迁移训练,提高模型对互联网金融指数预测的准确性。实证结果表明:(1)构建的组合模型能准确预测金融指数,MAPE值降低3.7%以上;(2)迁移学习能提升互联网金融指数预测的准确性,MAPE值降低0.5%左右;(3)与标准普尔500指数相比,沪深300指数与互联网金融指数相关性更强,迁移学习效果更优。本文提出方法解决了训练数据不足导致互联网金融指数预测准确度低的问题,可用于新型金融指数的高精度预测。     

基于变量轮换法的支持向量机在隧道围岩变形预测中的应用

采用变量轮换法对支持向量机(SVM)参数进行优化处理，结合时间序列分析理论，建立起隧道围岩变形时间序列非线性模型，并以此对隧道围岩变形进行预测。结果表明：改进的支持向量机具有简单、方便、实时等特点，对围岩后续变形预报准确，可科学地指导现场监测和施工建设。     

盾构的选型及国产化问题

盾构施工技术具有高效、安全、优质的优点,在隧道与地下工程的掘进中得到越来越广泛的应用。盾构机作为盾构法施工的大型专用机械设备,其选型既涉及到地层条件,又涉及到盾构机本身的设计、各部件的配置以及盾构对地层条件的适应性。由于盾构机的造价很高,其选型还必须考虑我国的国情以及施工单位的承受能力。介绍了盾构的种类与组成、盾构选型的原则及盾构施工法的衬砌形式;讨论了盾构机国产化的有关问题。     

基于G-AHSMM的设备剩余寿命预测研究

伴随大数据技术和智能制造的快速发展,生产设备的预知维修及多台设备的联合维修决策已成为工业制造业企业备受关注和亟待解决的现实问题。而服役设备剩余寿命的精准预测,又是预知维修决策和联合维修决策的前提。对已有设备寿命预测方法进行比较分析,将隐半马尔可夫模型加以拓展,结合伽马分布,构建设备状态监测数据驱动的剩余寿命预测模型G-AHSMM,给出求解方法,并基于某涡轮发动机的状态监测数据进行验证分析。结果表明：预测模型不仅规避了以往“状态观测值之间相互独立”的不实假设,而且相比传统HSMM具有更高的现实拟合性、求解简捷性和预测精准性,可作为企业预测服役设备剩余寿命的有效工具。     

基于模拟退火遗传算法优化的BP网络在质量预测中的应用

翘曲量预测精度是注塑成形优化的难点。文章以某零件翘曲量为对象,选取注射温度、模具温度、保压压力、保压时间、注射速度等参数,进行数值模拟实验,建立BP神经网络的翘曲量预测模型。针对BP神经网络易陷入局部最优解的缺陷,设计一种基于模拟退火遗传算法优化的BP网络模型,与BP网络的预测精度对比。结果表明,基于模拟退火遗传算法优化的BP网络模型预测精度高于BP网络模型,同时加快收敛速度,增强全局搜索能力。     

地下铁道由区间隧道扩挖三联拱隧道施工技术

北京地下铁道某地下区间设计有一段大断面三联拱隧道，由于受开挖工作面的限制，采取从区间隧道扩挖的施工方案。拟定了双侧壁导坑法结合CRD工法施工的方案；采用FLAC模拟该断面施工顺序，确定每步开挖工序产生的沉降值，制定了施工控制标准；介绍了该断面初期支护参数、由区间标准断面转换到三连拱隧道的工法及工程效果。建立的分步控制沉降的施工控制模式，有利于控制每一步序沉降值；三联拱隧道段沉降、变形稳定，满足施工控制值的要求。     

粮食产量预测的支持向量机模型研究

粮食产量的历史数据有限,是典型的小样本数据,又由于粮食产量受不确定性因素的影响,是一个复杂的非线性系统,以往的粮食产量时间序列预测模型的阶数采用经验方法或线性方法来确定,得到的预测精度不理想。针对这些问题,可将支持向量机引入到时间序列模型定阶的方法中,然后采用留一法交叉验证寻找最优参数,建立一个多输入、单输出的预测模型。通过对中国粮食产量进行仿真实验,并与一次滑动平均、ARIMA、LS_SVM和RBF神经网络的预测模型作比较来验证模型的有效性,结果表明该模型该有较高的预测精度和较强的泛化能力,证明了该模型对近期粮食产量的预测是可靠的。     

基于正交试验的盾构刀具磨损分析

刀具磨损检测是盾构在复合地层施工中的一个重要研究课题。针对在盾构掘进时刀盘外圈刀具的磨损检测问题,采用正交试验法对掘进参数分析刀具磨损的方法进行了改进,建立了刀具磨损量计算的新模型。分析了掘进过程中总推力、刀盘转速、泡沫注入量对刀具磨损量的影响度,并对计算模型进行了显著性检验。最后,利用盾构施工实测数据对该计算模型进行了验证。研究结果表明,该模型计算的刀具磨损的检测结果与实际换刀是吻合的,并且可以对掘进参数的设置进行指导,以提高掘进效率。     

酸处理降低地层破裂压力的计算分析

针对超深储层的破裂压力很高，对压裂施工设备的功率和承载能力要求更高，在施工安全上存在一定隐患的实际，研究了超深储层的破裂压力模型以及利用岩石力学性质的酸敏性，采取酸化预处理降低地层破裂压力，建立了射孔井筒破裂压力预测模型，分析了酸化预处理降低地层破裂压力机理。利用西部某深层气藏岩样室内酸处理前后岩石弹性模量、泊松比和岩石抗压强度变化结果，计算了该气藏酸处理前后的破裂压力，结果表明酸预处理后破裂压力大幅下降，对降低压裂施工压力有重要作用。为在现有工程条件和技术条件下，准确预测破裂压力和施工压力、合理选用施工设备、降低储层改造的工程风险提供了方法。     

泥水平衡盾构机刀盘泥饼形成机理及防治技术

盾构机在中、强风化岩和粘土地层的掘进过程中,挖掘面的粘性土体受到刀盘的碾压,极易自刀盘中心位置向四周逐步在刀盘面和土仓内壁上形成附着的泥饼,坚硬的泥饼将会把刀盘开口堵塞,严重降低了盾构机掘进能力;泥饼的存在加重盾了构机刀盘和刀具的负荷,常常使掘进参数出现突变,大大降低施工效率;此外,当刀盘泥饼与土仓中隔板的长时间摩擦,会导致中隔板等位置的温度快速升高,从而引起回转中心橡胶密封件性能的下降,威胁盾构施工的安全,本文根据广州轨道交通六号线某标段的盾构施工情况,开展对泥水平衡盾构机泥饼形成机理和处治技术进行研究,取得明显的效果。     

基于自相关理论的GM(1,1)和GM(1,N)联合预测

通过引入自相关分析，将GM（1，1）与GM（1，N）两者的优点有机结合，运用GM（1，1）预测模型所需的数据量，达到GM（1，N）预测模型所具有的预测精度，减少灰色模型的预测误差。     

隧道变形预测的灰色Verhulst模型

通过具体的实例介绍了灰色Verhulst模型在隧道变形预测中的应用,证明此模型在隧道中是适用的。并且可以通过此模型比较准确地预测隧道变形和隧道的最大变形量,以此可以在隧道修建中及时调整、确定支护参数及进行施工决策。     

改扩建隧道衬砌振速控制值的确定和爆破参数优化的方法

通过现场试验和理论分析研究交通管制对隧道改扩建工程爆破施工进度与交通运营的影响.通过现场监测、数值模拟和理论分析对确定既有隧道衬砌振速控制值的方法进行分析.基于既有隧道衬砌振速控制值对新建隧道爆破参数的优化方法进行分析.对新岭隧道扩建工程的爆破施工关键技术研究表明:(1)改扩建隧道爆破施工时,为了保证爆破施工进度和高速公路的正常营运,既有隧道应采取不实行交通管制的措施;(2)可根据既有隧道的动态监测、健康诊断以及隧道改扩建工程数值模拟来确定既有隧道的爆破振速控制值;(3)提出了基于新建隧道爆破效果与既有隧道安全运营的双目标爆破施工控制措施,给出了基于爆破振速控制值优化新建隧道爆破参数的方法.     

高速公路隧道施工事故三维智能识别与预控技术

针对公路隧道工程地质条件、水文情况较复杂,安全环境影响因素具有典型的开放性、随机性、非平衡性等复杂系统特点,以实际工程为例,构建三维智能识别和预控模型进行施工安全管理,以提高高速公路隧道施工管理技术水平。首先,对国内高速公路隧道施工发生的安全事故案例进行收集,建立基础案例数据库,运用BP神经网络对目标工程可能发生事故类型的频数进行预测,运用"海恩法则"对事故可能发生的苗头、征兆进行整理汇总,并建立原因对策库以及风险预警响应体系;其次,运用PDCA动态管理控制理论,结合安全风险预警响应体系,对实际工程施工安全进行动态优化控制和管理;最后,以BIM技术为依托,构建隧道施工三维可视化动态管理模型,为高速公路隧道施工安全提供重要辅助管理功能。研究表明,将隧道施工事故三维智能识别与预控技术运用到大道梁隧道工程进行实证,取得了良好效果,该技术可为类似隧道施工安全管理提供实践指导。     

基于组合预测模型的滚装码头吞吐量预测

根据上海港滚装码头2006—2011年的吞吐量数据,采用时间序列法、灰色预测法以及相关性分析法等单项预测方法建立预测模型,计算发现相关性分析法预测的结果优于时间序列和灰色预测。建立最优线性组合预测模型并测算,证明该模型对于影响因素复杂且历史数据较少的滚装码头吞吐量预测具有较高的精度。     

基于广义IOWA算子的安徽省税收组合预测模型

先引进广义IOWA算子，建立广义IOWA算子组合预测模型.该模型与一般的组合预测方法的不同在于组合预测的赋权系数与预测精度有着紧密联系而与单项预测模型关系不大.这是组合预测方法的一种新的可变赋权方法.在此基础上建立基于广义IOWA算子的税收组合预测模型，并通过与指数平滑方法、线性回归预测方法和灰色预测方法进行比较，发现组合预测模型既稳定又精确.