期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
新建风井留设小保护煤柱与抗变形技术的研究 被引量:5
1
作者 滕永海 卫修君 +1 位作者 郭轲轶 王新义 《选煤技术》 CAS 北大核心 2006年第B09期66-69,共4页
以平煤集团公司四矿新建千米进风井为例,系统研究了新建风井留设小保护煤柱的可能性,提出了井筒抗变形技术措施,为深部矿井风井建设提供了可资借鉴的技术途径。
关键词 风井 小煤柱 抗变形 安全措施
下载PDF
基于蚁群优化的GPS/DInSAR三维形变监测方法 被引量:5
2
作者 何秀凤 史国强 肖儒雅 《同济大学学报(自然科学版)》 EI CAS CSCD 北大核心 2015年第10期1594-1600,共7页
提出一种基于蚁群优化的GPS/DInSAR形变测量方法,将高精度地表散点GPS三维观测量与DInSAR视线向观测量进行深度融合,提取地表真三维形变量.以GPS约束与DInSAR约束基于Gibbs方程构建能量函数,利用蚁群优化算法在连续空间求解能量函数最小... 提出一种基于蚁群优化的GPS/DInSAR形变测量方法,将高精度地表散点GPS三维观测量与DInSAR视线向观测量进行深度融合,提取地表真三维形变量.以GPS约束与DInSAR约束基于Gibbs方程构建能量函数,利用蚁群优化算法在连续空间求解能量函数最小值.实验研究结果表明,该方法在连续地表三维形变测量中具有较高精度,特别是垂直方向上具明显优势. 展开更多
关键词 全球空位系统 蚁群算法 地表形变 综合方法
下载PDF
洞室围岩变形预测的ACA-LSSVM模型及工程应用研究 被引量:5
3
作者 徐飞 徐卫亚 +1 位作者 刘大文 刘康 《长江科学院院报》 CSCD 北大核心 2009年第2期32-35,52,共5页
现场监测获得的围岩变形信息,从宏观上反映了洞室的力学性态变化。为克服人工神经网络方法的过学习问题,提出了一种新的洞室围岩变形预测模型——进化支持向量机模型。该模型利用蚁群算法来搜索支持向量机的惩罚因子和核函数参数,避免... 现场监测获得的围岩变形信息,从宏观上反映了洞室的力学性态变化。为克服人工神经网络方法的过学习问题,提出了一种新的洞室围岩变形预测模型——进化支持向量机模型。该模型利用蚁群算法来搜索支持向量机的惩罚因子和核函数参数,避免了人为选择参数的盲目性,提高了支持向量机的推广预测能力。应用该非线性智能预测方法,滚动预测围岩变形量,能及时发现异常情况,从而调整和优化施工步序,维护洞室的稳定性。将该方法用于锦屏一级水电站工程洞室变形预测,结果表明,该方法具有科学可靠、实时性的优点,具有广泛的应用前景。 展开更多
关键词 蚁群算法 支持向量机 围岩变形 时间序列预测
下载PDF
基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究 被引量:4
4
作者 杨爱婷 高正夏 +1 位作者 卞志兵 宗文亮 《路基工程》 2015年第2期58-62,共5页
BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启... BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较。结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求。 展开更多
关键词 人工神经网络 时间序列 BP神经网络 蚁群算法 基坑变形 预测
下载PDF
基于ACO-BP算法的熔融沉积成型翘曲变形量的预测方法
5
作者 田国良 周肖宇 李逸仙 《塑料工业》 CAS CSCD 北大核心 2024年第9期87-92,共6页
针对熔融沉积成型翘曲变形量预测问题,提出了一种基于蚁群算法(ACO)-误差反向传播(BP)神经网络算法的预测方法。采用ACO算法优化BP神经网络的初始权值、阈值,防止其训练时收敛于局部极小。基于正交试验分别设计4因素4水平的训练样本集和... 针对熔融沉积成型翘曲变形量预测问题,提出了一种基于蚁群算法(ACO)-误差反向传播(BP)神经网络算法的预测方法。采用ACO算法优化BP神经网络的初始权值、阈值,防止其训练时收敛于局部极小。基于正交试验分别设计4因素4水平的训练样本集和4因素3水平的验证样本集。训练样本集用于预测模型的学习,验证样本集用于验证预测方法的精度。基于极差法分析了各工艺参数对翘曲变形量的影响程度。结果表明,工艺参数对翘曲变形量的影响程度从大到小分别为层高、填充率、喷头挤出温度和打印速度。采用训练样本集充分训练预测模型后,验证基于ACO-BP算法的翘曲变形量预测方法的效果。基于均方根误差(RMSE)、均方误差(MSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)评价模型预测精度。对于RMSE,BP算法的预测精度约为ACO-BP算法的1.7倍;对于MSE,BP算法的预测精度约为ACO-BP算法的2.9倍;对于MAE,BP算法的预测精度约为ACO-BP算法的1.6倍;对于MAPE,BP算法的预测精度约为ACO-BP算法的2.2倍。基于ACO算法优化的BP神经网络预测精度更高。 展开更多
关键词 蚁群算法-误差反向传播神经网络算法 熔融沉积成型 翘曲变形量 预测方法
下载PDF
基于ACO-BP神经网络的土石坝位移监测模型研究 被引量:3
6
作者 茹秋瑾 何自立 +2 位作者 杨军超 李晓琳 谭剑波 《水资源与水工程学报》 CSCD 2020年第2期196-201,共6页
建立安全监测网络模型来分析和预测大坝变形位移信息,对保障大坝安全稳定服役意义重大。针对大坝安全监测BP神经网络模型运算复杂、收敛速度慢、易陷于局部最优、不能准确反映和预测大坝运行状况的问题,引入蚁群算法(ACO)全局搜索功能搜... 建立安全监测网络模型来分析和预测大坝变形位移信息,对保障大坝安全稳定服役意义重大。针对大坝安全监测BP神经网络模型运算复杂、收敛速度慢、易陷于局部最优、不能准确反映和预测大坝运行状况的问题,引入蚁群算法(ACO)全局搜索功能搜寻BP神经网络参数最优解,并通过样本数据训练BP网络获得大坝变形位移预测值。工程实例应用表明:ACO-BP网络模型在参数优化方面较BP网络更易于收敛,误差较小、预测性能良好,可为大坝变形位移监测和安全预报提供一种新的非线性建模仿真分析方法。 展开更多
关键词 神经网络 蚁群算法 土石坝 变形位移监测
下载PDF
地震断裂带穿越用X80 HD2抗大变形钢管对接环焊缝焊接工艺质量分析及控制 被引量:1
7
作者 吴强 夏翾 《石油工业技术监督》 2017年第7期17-21,共5页
介绍了西气东输三线西段工程X80 HD2抗大变形钢管力学性能、焊接接头技术要求、主要焊接方法及焊接热影响区存在的软化问题。针对X80 HD2抗大变形钢管焊接难点,通过对焊条电弧焊、半自动焊和自动焊,以及上述焊接方法的组合焊接方法、质... 介绍了西气东输三线西段工程X80 HD2抗大变形钢管力学性能、焊接接头技术要求、主要焊接方法及焊接热影响区存在的软化问题。针对X80 HD2抗大变形钢管焊接难点,通过对焊条电弧焊、半自动焊和自动焊,以及上述焊接方法的组合焊接方法、质量特性进行分析,同时结合西气东输三线工程实际,优化选择焊接工艺,确定补强覆盖焊接法为X80 HD2抗大变形钢管对接环焊缝焊接工艺。在焊接质量管理方面,通过焊工资格的审定、上岗资格的认定、上岗资格证管理,开展"双证"管理;在焊接过程质量管理方面,通过对焊接工艺补强覆盖、流水作业模式等影响焊接质量的各个关键环节实施有效控制,并针对补强覆盖存在的问题分析原因、制定措施,使焊接质量达到了预期效果。 展开更多
关键词 X80HD2抗大变形钢管 补强覆盖 焊接工艺 质量控制
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部