基于粒子群优化BP神经网络的深基坑支护结构变形预测

为更好地预测深基坑支护结构变形,采用机器学习算法,基于BP神经网络并引入粒子群优化算法（PSO-BP）优化其结构网络权值与阈值的选取,克服BP神经网络中的参数选取导致BP算法极易陷入局部极值点、收敛速度慢等问题。基于实际工程,采用优化与未优化的BP神经网络开展深基坑墙体水平变形预测,将监测应力与基坑墙体水平变形的复杂非线性系统方程作为黑箱模拟。两类模型的预测结果对比表明,优化的神经网络可以获得更准确的深基坑支护结构变形值的预测值,该PSO-BP算法可以更好地为工程实践提供指导。     

结合主成分分析的BP神经网络模型的教学质量评价方法研究

提出结合主成分分析PCA(principalcomponentanalysis)的BP神经网络模型的教学质量评价方法,首先利用主成分分析PCA对多维度教学质量评价指标进行了降维,确保了多维评价指标作为整体进行BP模型训练和测试,然后构建BP神经网络教学质量评价模型,利用其前向反馈计算和误差后向传播的特性,自适应获取评价指标之间的权值。实验证明,该方法可行,解决了传统评价方法的复杂建模问题,避免人为的主观随意度,保证评估结果的有效性。     

越南水电站大坝变形分析研究

分析了大坝水平位移的视准线观测方法,简述季节性时间序列法和BP神经网络法在变形监测中的应用,并对和平水电站历史观测数据进行分析和预测。结果表明,两种方法都能较准确地描述大坝的变形趋势,为大坝的安全监控提供了参考。     

供热管网地理信息系统设计及关键技术研究

探讨了基于B/S和M/S混合结构模式的供热管网地理信息系统的总体设计、数据库设计和服务器端、浏览器端及移动端功能设计,重点分析了跨平台数据传输、多热源环状管网爆管关阀分析和多线程异步回调等关键技术,为实现供热管网的高效运行和科学管理提供了技术支撑。     

基于深度学习和时空特征融合的海洋渔船密度预测方法

为了从海量渔船轨迹数据中挖掘隐含的信息和知识,进而为渔业行政主管部门的决策提供科学依据,本研究以AIS渔船轨迹数据为研究对象,提出了一种基于深度学习和面向时空特征融合的海洋渔船密度预测方法：首先,利用渔船轨迹数据集对渔船行驶区域进行网格划分;其次,筛选出渔船高密度区域进行研究,避免数据稀疏性问题;再次,根据渔船轨迹数据的时空分析,构建三维时空融合矩阵;最后,通过卷积循环神经网络模型捕获渔船分布的时间和空间特征,并利用卷积神经网络的堆叠加强对空间特征的学习。实验通过东海海域渔船真实轨迹数据进行具体测试,结果表明渔船密度预测值与真实值非常接近,平均绝对误差为4×10-4,模型较好地拟合了渔船密度分布特征,有效地提高了渔船捕捞热点预测的准确性和鲁棒性。     

海底综合信息网及关键技术

分析了国内外典型海底信息网络,特别是海底观测网的建设发展现状;介绍了海底综合信息网的组成、各部分功能及网络拓扑结构;探讨了远程供电、水下接驳盒、信息传输及布放与维护等海底综合信息网建设和使用过程中的关键技术。基于以上信息,提出了构建一个集通信、观测和探测等功能于一体的海底综合信息网的设想。     

边角同测的平面监测控制网优化设计及精度分析

讨论了多余观测值在一定条件下按设计目标函数与多余观测数之间的函数关系进行平面变形监测网优化设计的合理性和可行性。以某抽水蓄能电站平面监测控制网为例,采用COSA软件系统进行数据处理和对比分析,说明了平面监测控制网优化设计的必要性和所产生的效益。     

地铁轨道控制网网形设计及模拟计算分析

根据地铁隧道曲线段的不同曲线半径,设计了地铁轨道控制网的控制点纵向间距。以不同的观测精度,模拟生成含随机观测误差的地铁轨道控制网的观测值,采用边角网间接平差模型和方差分量估计方法进行平差计算,分析对比网的纵向间距、观测仪器的标称精度、平差后的最弱点点位中误差以及相邻点相对中误差之间的关系,确定地铁轨道控制网的合理布设网形及其精度指标。研究成果对地铁轨道控制网的布设及测量有实际参考价值。