基于模糊点数据的地基液化判别

以世界范围内19次大地震106个场地的地基液化现场实测数据为基础,通过对地基液化评价模型建立过程中模糊不确定因素的分析,引入模糊模式识别理论建立各实测数据点隶属度,模拟数据点在构建液化判别模型的不同作用;并通过LOGISTIC回归将数据点的模糊性映射到液化判别模型,导出液化概率评价方程,建立地基液化概率和液化安全系数的函数关系.预测液化和非液化的可靠性分别达到92.9%和80.2%,为利用现场实测资料进行地基液化判别提供了简便、较为准确的新途径.     

土体液化判定方法对比及应用

目前国内外已有多种液化判定方法。由于不同方法采用的判定依据不同,导致计算精度有所差别,判定时可能会得到不同的结论。为增强判定液化势的准确性,对国内外常用的液化判定标准进行对比分析,进一步阐明NCEER法与LPI法针对不同抗震液化敏感性需求时的适用性。结果表明,对抗震液化敏感性要求较高时,可利用NCEER法,其更适用于单点液化势评估;抗震液化敏感性要求较低时,可利用LPI法,其更适用于总体液化势评估。研究成果已成功应用于沙特吉赞JIGCC项目地基抗液化处理中,为该项目建设提供有力的技术支撑。     

基于时间序列分析的预测控制算法

在分析Turbo码的译码结构以及外部信息传递特性的基础上,从时间序列的角度分析分量译码器外部信息的传递规律,基于预测算法对Turbo码的迭代译码结构进行了改进,提出了单次预测和复次预测的改进算法。建立分量译码器的n阶多项式线性模型,将前n次迭代信息保存至线性模型中,采用多项式曲线拟合或指数拟合算法预测分量译码器第n+1次迭代的外部信息值。利用预测的外部信息值代替分量译码器第n+1次迭代的译码过程。在保证外部信息准确预测、误码率性能相近的前提下,减少了迭代次数和迭代时延,简化了译码结构。     

灰色系统与神经网络算法相结合的分析与研究

采用BP神经网络对模型参数进行预测,算法的学习训练速度和建模时间比较长;采用灰色系统理论对模型参数进行预测,对数据信息的学习和训练能力比较有限,两种算法都存在各自的缺陷,为了提高模型中参数的收敛速度和估计精度,本文将灰色系统理论和BP神经网络算法相融合,通过仿真可以看出,模型参数的估值精度比较高,误差较小,证明了该算法的有效性和鲁棒性。     

基于经验模态分解的舰船运动姿态预测模型研究

运动姿态准确性预测对提高舰船水上作业安全性具有重要的现实意义,为此,基于经验模态分解算法,构建一种新的舰船运动姿态预测模型。该模型首先利用EMD分解舰船运动时间序列,然后采用游程判别法来判定IMF和r_n (t)的波动程度,划分高频、中频和低频3个分量,最后利用基于支持向量机算法构建的预测模型预测舰船运动姿态。实验结果表明:与卡尔曼滤波法、谱估计法、艏前波法3种运动姿态预测方法得到的结果相比,本模型的纵摇角预测误差更小,精度更高。     

椭圆余弦波对圆弧型固立防波堤的绕射波浪力

基于椭圆余弦波绕射理论,应用特征函数展开法,推导浅水波对圆弧型固立防波堤绕射的波势解,据此计算作用于防波堤的水平波浪载荷。结果表明:浅水波入射角与非线性影响参数、海况条件以及防波堤几何条件等因素的相对变化对波浪作用均存在一定的影响。与微幅波理论对比可知:在一定浅水条件下采用椭圆余弦波一阶分量模型所计算的最大无量纲波浪力均明显高于微幅波理论的对应估值,反映了水波非线性因素的影响效应。     

一种提高外显子预测的改进周期3消噪策略

为提高外显子的预测精度，文中用到了一种改进的算法-PPA算法（ post-processing algorithms ）．PPA算法通过比较滤波前后DNA信号N/3处的频谱分量的方法来去除噪声．将PPA算法分别应用到处理离散傅立叶变换（DFT），成对的频谱分析（ PSC）和改进的Gabor小波变换（ MGWT）的周期3系数来实现周期3的去噪．算法的性能在HMR195，Burset/Gui-go570，Asp673个数据库中进行了评估，并把受体工作特征（ ROC）、特异性、灵敏度曲线3个方面作为评测标准．通过实验分析，验证了PPA算法能够有效地提高外显子的预测精度，同时基于小波变换的策略确保了模型的独立性．     

港口工程沙土液化判别方法

沙土液化是场地和地基的地震效应的重要内容,我国港口主要采用基于标准贯入试验的沙土液化判别方法以及静力触探等原位测试方法,而欧美、非洲及东南亚大多采用Seed简化法以及基于概率与统计分析的估计方法。通过多种液化判别方法的分析,论证其合理性,针对不同性质的工程合理运用于水运港口工程抗震作用。     

不同地质条件下河流对临近建筑物的地震反应影响分析

为了研究不同地质条件下临近河流建筑物的抗震能力及河流存在对建筑物地震反应的影响，分别采用三种适合于软弱场地、中软场地、中硬场地的地震波，对三种场地土、河流与建筑物构成的相互作用体系进行时域内数值分析。计算结果表明，建筑物靠近河流时，体系顶层总位移明显增大，且软弱场地时基础平动与摆动引起的水平位移成分的幅度明显大于中软、中硬场地;场地土越软，基础转动引起的摆动分量和平动分量在体系顶层总加速度中所占比重越大，而结构顶层弹性变形加速度分量则不断减小。     

基于傅里叶变换的舰船通信低频信号传输精度分析

针对当前低频信号传输精度分析效果差等不足,以改善当前低频信号传输精度分析结果为目标,设计了基于傅里叶变换的低频信号传输精度分析方法。首先了解当前低频信号传输精度分析研究的现状,找到当前各种分析方法的局限性,然后采集低频信号,采用傅里叶变换对低频信号进行处理,得到低频信号的频带分量和残余分量,并采用灰色模型和神经网络对其进行分析,最后通过傅里叶逆变换得到低频信号分析结果,并进行低频信号传输精度测试。本文方法的低频信号传输分析精度超过了95%,同时低频信号传输分析速度快,具有十分广泛的应用前景。     

船舶柴油机NOx排放特性神经网络预测中的试验设计

研究船舶柴油机NOx排放特性神经网络预测中的学习样本选取试验设计方法。根据用于主机的船舶柴油机可能持续运行范围的工况变化特点,提出采用功率因素变边界的均匀设计法进行试验设计选取样本,并验证了其可行性。研究结果表明,变边界均匀设计法选取的样本用于神经网络训练,预测精度明显高于随机样本选取法。4位级变边界均匀设计法选取的样本训练得到的神经网络模型,NOx排放浓度预测误差小于3.8%,NOx比排放预测误差小4.5%。     

基于改进BP神经网络的船舶操纵性能预报

以某单桨大型船舶在海上的回转性能为例，探讨了应用改进的BP神经网络（Back-pmpagation Neural Network）建立船舶操纵性预报数学模型的方法，并利用matlab语言对其进行了仿真。研究结果表明，改进的BP算法有更快的收敛速度和更好的计算精度。     

Hydrodynamic inline force prediction on vertical cylinders: a comparative study of neural network and its adaptive wavelets (wavenets)

The design of the neural network model and its adaptive wavelets (wavelet networks and wavenets) was used to estimate the wave-induced hydrodynamic inline force acting on a vertical cylinder. The data used to calibrate and validate the models were obtained from an experiment. In the brain, wavelet neural networks (WNNs) use wavelets to activate their hidden layers of neurons. In WNNs, both the position and dilation of the wavelets are optimized along with the weights. In one special approach to this kind of network construction, the position and dilation of the wavelets are fixed and only the weights of the network are optimized. In the present study, the neural network procedure and the above mentioned approach were employed to design a WNN, a so-called wavenet, using feed-forward neural network topology and its training method. Then, a comparison of these two methods was made. Numerical results demonstrate that both networks are capable of predicting hydrodynamic inline force. Furthermore, the combination of the neural network concept and the wavelet theory i.e. wavenet provides a more robust tool rather than standard feed-forward neural network, considering its more appropriate ability to predict any other data which the network had not experienced before. The results of this study can contribute to reducing the errors in future efforts to predict hydrodynamic inline force using WNNs, and thus improve the reliability of that prediction in comparison to the ANN and other methods. Therefore, this method can be applied to relevant engineering projects with satisfactory results.     

基于改进BP-GA方法的FPSO舷侧结构耐撞性能优化设计

基于遗传算法和ABAQUS参数化有限元仿真技术,对传统的BP-GA优化方法进行改进,并采用改进的BP-GA方法对浮式生产储油卸油装置(FPSO)舷侧结构的耐撞性能进行优化,以验证其可行性和准确性。结果表明,与传统的BP神经网络相比,经遗传算法优化的BP神经网络具有更高的预测精度和更强的泛化能力;改进的BP-GA优化方法可在结构减重的基础上进一步提高结构的耐撞性能,能较好地适用于复杂的FPSO舷侧结构耐撞性优化设计。采用的优化方法具有通用性,可为抗爆性能的优化设计提供参考。     

一种新型的船舶横摇运动实时预报方法

本文在阐述强化学习的基本原理，方法的基础上，提出了一种强化学习的TD算法与BP算法相结合的BPTD方法，并将基用于对角回归神经网络的在线训练，最后以在船舶横摇运动时预报技术上的应用为例，说明这种算法有很强的实时多步预报能力。     

BP神经网络对船舶远程监控系统的改进分析

为了满足公司对于远洋船舶更加有效监控的要求,应用BP神经网络对监控系统加以改进,使船舶远程监控系统发出预警信号,并能在船舶上报警.此时,相应参数识别码也能够第一时间到达岸上公司,岸上公司即能在最佳时间协助船舶对设备进行维修.BP神经网络在远程监控系统的应用分析过程中,以6缸柴油主机排气温度变化趋势为模型,利用BP神经网络良好的学习特性,建立了排气温度变化的持续升高预警模型及其他非预警模型.分析表明,此种方法适用于远洋船舶的远程故障监测及船舶系统故障预测.     

代理模型在水下航行体空泡压力预示的应用研究

文章基于径向基神经网络(Radial Basis Function,RBF)和Kriging代理模型方法分别对水下垂直发射航行体表面附着空泡闭合区压力预示模型进行了研究,首先分析了影响空泡闭合区压力变化的物理因素,通过代理模型方法建立了影响因素与空泡闭合区压力最大值和压力空间分布波形之间的数学模型,形成了空泡闭合区压力分布预示方法,而后针对典型工况开展预示结果与试验数据比对,表明RBF方法和Kriging方法均能较为准确地获取空泡闭合区压力特征,在有限子样条件下Kriging代理模型对空泡闭合区压力峰值预示精度更高。     

Forecasting tanker freight rate using neural networks

Improvement in forecasting accuracy is a difficult task but critical for business success. This paper investigates the potential of neural networks for short- to long-term prediction of monthly tanker freight rates. Procedures are outlined for the development of the neural networks. The problem of under-training and over-training is addressed by controlling the number of iterations during the training process of neural networks. A comparative study of predictive performance between neural networks and ARMA time series models is conducted. Our evience shows that neural networks can significantly outperform time series models, especially for longer-term forecasting.     

改进遗传模糊神经网络在舰船组合导航中的应用

由于舰船组合导航系统的实际运行环境比较恶劣，系统精确的数学模型及噪声的统计特性不易先验得到，而导致常规卡尔曼滤波器失效。尝试将改进遗传算法优化的模糊神经网络用于舰船组合导航系统中，仿真结果表明，提出的算法比较有效，并且精度和常规卡尔曼滤波算法相当。