不同孔隙率对高应力水平下混凝土强度的影响研究

在保证骨料组分相似的基础上,通过添加外加剂配置了3种不同孔隙率的混凝土,并对其开展了高应力水平下的三轴压缩试验,研究了混凝土应力—应变关系和强度变化规律,探讨了在不同围压下孔隙率作用的显著程度,并建立了考虑fck的强度预测模型以及临界平均应力预测模型.研究结果表明:在低围压下,孔隙率越小,产生同一轴向应变时所需的偏应力...     

基于机器学习与数据的轴流转桨式机组油量智能监控与预测模型研究

研究基于机器学习与数据分析的轴流转桨式机组油量智能监控与预测模型。针对轴流转桨式机组油量监控的重要性和挑战性,提出了一种基于机器学习和数据分析的智能监控与预测模型。通过收集和分析大量的机组油量数据,利用机器学习算法构建预测模型,实现对机组油量的实时监控和未来趋势的预测。实验结果表明,该模型在准确性和实用性方面取得了显著成果,为轴流转桨式机组油量管理提供了有效的解决方案。     

油气管道腐蚀预测方法研究

文中介绍了3种常见管道腐蚀缺陷及2种腐蚀失效模式,简要分析了油气管道腐蚀预测的国内外研究现状,介绍了油气管道腐蚀预测模型存在的问题及解决途径,针对这些问题提出了建议,对油气管道的腐蚀预测研究提供参考。     

基于BP神经网络的固化红土抗压强度预测

为分析不同掺量的偏高岭土与石灰共同掺入玄武岩残积红土中对土体的改良效果,本试验选取偏高岭土的掺量分别为0%、2%、4%、6%和8%,石灰的掺量分别为0%、2.5%、5.0%、7.5%和10.0%,同时掺入玄武岩残积红土中,制作25组不同固化红土,对其进行28 d无侧限抗压强度正交试验,并用MATLAB软件建立神经网络预测模型,预测固化红土养护28 d的抗压强度。研究结果表明：本模型预测误差最大为4.56%,拟合度为0.997,且本方法比常规回归分析法更简单、更准确,可预测不同固结材料和掺量的固化红土抗压强度,提高试验效率。     

基于计算机的产品可靠性预测模型构建与验证

随着现代工业和科技的迅速发展,产品的可靠性成为制造商和消费者高度关注的焦点。产品可靠性不仅影响生产商的品牌形象和经济效益,还涉及消费者的使用体验和安全。随着生产数据的爆炸性增长和复杂性的提升,传统的可靠性预测方法在准确性和实时性方面已无法满足需求。因此,本文基于计算机技术的产品可靠性预测模型构建与验证展开研究,以期为企业提供更加准确和实时的产品可靠性预测手段,同时推进传统制造业向智能制造的转型。     

地铁工程钢筋混凝土梁疲劳损伤演化和寿命预测模型研究

针对地铁工程钢筋混凝土结构服役期间疲劳现象和腐蚀问题,以应力水平(0.6、0.7、0.8)、杂散电流强度(10、20、30、40 V)和氯离子浓度(2.5％、3.5％、5％、10％)为主要变化参数,使用荷载控制对预腐蚀开裂后钢筋混凝土梁进行了腐蚀-四点弯曲疲劳试验模拟,并获得了杂散电流、氯离子和疲劳荷载作用下试验梁跨中...     

基于BP神经网络的船闸基坑变形预测方法

船闸基坑开挖改变了地层中的原始应力状态，造成临近地面及临近建筑物产生变形。对基坑临近地面及建筑物变形进行预测，以选择经济合理的支护措施尤为重要。依托实际船闸基坑工程，考虑粘聚力、内摩擦角、弹性模量、基坑深度、放坡坡率以及地下水因素共同作用，采用有限元软件Midas GTS/NX对各因素通过正交设计后的基坑施工工艺组合开展了数值模拟，得到了不同组合下基坑临近地面不同位置处的变形特征。基于BP神经网络理论，建立了滨海地区船闸基坑无支护情况下开挖时临近地面变形的三层结构(7-7-1)神经网络预测模型。利用得到的179组基坑沉降数据对模型进行训练，21组数据对模型进行验证。结果表明，模型能够很好地对滨海地区基坑临近地面沉降进行预测。该方法可为类似工程支护措施设计提供参考。     

基于支持向量机的架空直立式码头船舶撞击力预测模型*

针对现有结构监测方法尚无法对码头的不规范靠泊进行实时监测的问题。提出了一种基于支持向量机的预测模型用于对架空直立式码头船舶撞击力的实时监测。结合架空直立式码头的结构特点，基于广义结构刚度对码头桩基的重要性进行评估，对监测桩基进行优化选择。以重庆新田港码头一期第10结构段为概化研究对象，按1:20的比尺构建码头物理模型，模拟不规范靠泊作用。将采集的优化桩基的应变数据用预测模型进行训练与验证。该预测模型对于撞击力的作用位置识别精度为0.98，对于撞击力的作用强度预测的平均相对误差为0.234%。     

针对铁路基础设施形变监测的GNSS观测数据质量评价研究

在应用全球导航卫星系统（GNSS,Global Navigation Satellite System）对铁路基础设施进行形变监测时，因运营期间铁路线路一直处于封闭状态，造成现场维护困难，需要通过分析评价GNSS监测站的GNSS观测数据质量，来检查GNSS监测站的运行状态。文章在分析常用GNSS观测数据质量评价指标的基础上，结合形变监测特点，选取了9项评价指标。采用岭回归分析法，在多项数据质量指标与监测最终解算精度间建立预测模型，对数据质量进行绝对性评价。基于浩吉（浩勒报吉—吉安）铁路沿线某边坡的8个GNSS监测站的观测数据，建立了预测模型，经验证，该模型预测误差的均方根为1.1 mm，优于GNSS解算的常规误差，证明了模型的可靠性和评价方法的可行性。     

基于GF-LSTM的铁路边坡位移预测研究

为提高边坡位移预测的精度，提出一种融合Gaussian-filter算法与LSTM预测算法的GF-LSTM混合预测模型，依托某铁路边坡工程监测数据进行验证分析。结果表明：GF-LSTM模型不仅能对原始监测数据集进行预处理，还能提供精准的预测结果；GF-LSTM预测模型可很好地反映边坡位移的上下波动，所得的预测值与实测值整体趋势贴合、相关性极高，R²分别为0.915、0.908，均大于0.900；由降噪前后对比可知：两测点R²分别增加了0.143、0.185，而MAE和MAPE分别降低了0.104与0.874%、0.246与0.755%，表明降噪处理后各测点的预测精度和预测误差得到改善。