简介:摘 要:为更精确高效地实现沥青混合料劈裂强度值的有效预测,本研究综合考虑沥青混合料劈裂强度的影响因素,以集料的碱性指标,油石比指标,孔隙率指标以及饱和度指标四项关键指标为基础,以机器学习框架下的卷积神经网络算法为数值手段,建立了大数据驱动模式下的沥青混合料劈裂强度的预测模型,并利用该模型对不同控制指标条件下的沥青混合料劈裂强度进行了有效预测。利用所建立的预测模型对不同指标组合条件下的沥青混合料劈裂强度指标进行预测,其预测结果和实际测试结果十分接近,相对误差均低于0.05,表明所提出模型不仅具有较高的精度特征,且可有效地识别并耦合各输出变量之间的交互作用。该预测模型可为沥青混合料配比设计以及其力学性能的优化提供一定的理论和技术手段支撑。
简介:摘要:随着大数据趋势的流行,数据驱动模型在配电网中变得越来越重要,为了预防故障因素对配电网可靠性的冲击,本文根据杭州电网在五年间收集到的故障信息,提出了一种基于数据驱动模型的配电网天气相关故障预测和诊断方法。通过将历史故障数据和历史气象观测数据进行关联性比对,得到气象变量和故障信息的训练数据集,通过线性判别分析法对该数据集进行分类训练,生成了故障预测模型。最后通过将气象数据的测试集代入预测模型,进行故障概率预测。本文实验验证了该方法的有效性。
简介:摘要随着矿产资源找寻难度的不断加大,新的成矿理论和勘查技术的创新与突破已成为科技创新的核心竞争内容。进入21世纪,大数据科学成为新的科学范式。中国科学院院士赵鹏大提出,大数据时代需重视数字地质研究,并表示大数据时代数字地质推动地质找矿新发展,要重视数字地质与矿产资源评价研究。矿产资源定量预测与评价先后经历了理论方法创新阶段、GIS时代及利用计算机三维建模技术和地质统计学进行的隐伏矿体三维立体成矿预测。目前的成矿预测方法主要分为2类一类是矿床学家总结的预测方法,总体上侧重于成矿规律的研究;另一类是数学地质学家总结的预测方法,总体上侧重于信息提取过程的研究。
简介:摘 要:本文提出了一种结合物理模型方法所需样本量少和数据驱动方法预测精度高及预测速度快的优点的Wiener-ANN模型用于电梯轴承剩余使用寿命预测。单一时域特征未能完整地描述轴承的退化过程,所以本文使用了时频域特征作为多源输入数据对模型进行优化和预测。首先对轴承振动信号进行小波分解得到不同频段的能量密度时频域特征作为多源输入数据,用于优化Wiener过程模型的参数并使用优化后的Wiener模型进行第一阶段预测;构建了一个三层ANN网络,以第一阶段的一系列预测结果作为训练数据优化ANN网络模型;用优化后的Wiener模型联合ANN网络对测试数据集进行剩余寿命预测。