公共文化服务平台

康飞: 作品数：67 被引量：155H指数：7; 供职机构：大连理工大学更多>>; 发文基金：国家自然科学基金中央高校基本科研业务费专项资金长江学者和创新团队发展计划更多>>; 相关领域：水利工程建筑科学自动化与计算机技术交通运输工程更多>>

合作作者

基于PSO-AHP的大坝致灾因子权重计算被引量：8: 2010年; 提出了一种基于改进粒子群优化-层次分析法(SELPSO-AHP)的致灾因子权重计算模型,该模型依据大坝现场检测、原型监测和安全定期检查等成果,由层次分析法构建大坝风险分析的层次结构体系。为保证判断矩阵的一致性,引入改进粒子群算法和罚函数法用于层次分析法的权值计算,取得了比遗传算法更精确、更稳定的结果。将所建立的模型用于某混凝土重力坝的运行风险分析,得到了影响该坝运行风险的主要因素,为保障大坝安全提供了依据。; 李浩瑾李俊杰康飞; 关键词：大坝风险分析致灾因子

大坝安全监测与损伤识别的新型计算智能方法: 随着经济的高速发展，我国兴建了大批的重大土木工程项目，这些重大工程项目的使用期较长，影响力较大，一旦失事，会造成严重的生命财产损失。因此为了保障结构的安全性、完整性、适用性和耐久性，已经建成的许多重大工程结构和基础设施急...; 康飞; 关键词：大坝安全监测损伤识别微粒群优化差分进化

隧道洞室地基稳定性进化支持向量机识别被引量：3: 2007年; 针对隧道洞室地基稳定性的影响因素较多,计算复杂的情况,为了快速评价洞室地基的稳定性,选择合理的洞室开挖方案,加快施工进度,提出一种基于支持向量回归(SVR)算法的洞室地基稳定性识别方法。支持向量机(SVM)具有结构简单、学习泛化能力强等优点,采用遗传算法结合交叉验证法选择模型参数,提高了预测精度。以重庆小什字车站洞室地基为例,验证了建立的进化支持向量回归模型能够快速、准确的获取不同方案下的洞室地基安全系数,进而评价其稳定性,且预测结果比模糊神经网络预测结果要好,结果表明该方法是可行的。; 胡军李俊杰康飞; 关键词：遗传算法支持向量机隧道洞室地基

一种用于严寒地区的大型水池: 本实用新型提供了一种用于严寒地区的大型水池，包括墙后填土、水池边墙、水池底板，放置在墙后填土上的气泵或水泵，气泵或水泵通过埋设在水池边墙内的管路与喷嘴相连，在布设喷嘴的水池边墙部位产生不冻水位，在没有布设喷嘴的水池边墙部...; 康飞王一帆; 文献传递

基于目标检测的混凝土坝裂缝实时检测方法: 2023年; 裂缝是大坝最常见的损伤之一,可反映大坝的受力状态和安全性。针对混凝土坝裂缝传统检测算法速度慢、精度低、泛化性能不足等问题,该文基于目标检测神经网络YOLOX(you only look once x)深度学习目标检测算法,提出一种混凝土坝表观裂缝实时检测方法(YOLOX-dam crack detection,YOLOX-DCD)。该方法对YOLOX目标检测神经网络进行改进,首先在网络结构中加入卷积注意力机制,使网络更关注裂缝特征,提高检测效果;其次引入完全交并比(complete intersection over union,CIoU)作为目标定位损失函数;最后在自制的混凝土坝裂缝数据集上进行实验评估,并与现有的多种目标检测神经网络进行对比。结果表明:该文所提方法具有速度快、精度高、参数少的特点,且明显优于经典目标检测算法。因此,该文所提方法能满足混凝土坝裂缝检测高效、精确、实时的要求,可为混凝土坝裂缝检测提供技术支持。; 黄贲康飞唐玉; 关键词：混凝土坝目标检测

基于ABCA-LSSVM的复杂工程结构可靠度计算被引量：1: 2010年; 针对复杂工程结构的可靠度计算中难以精确给出显式极限状态函数,提出了一种用于复杂工程结构可靠度计算的人工蜂群最小二乘支持向量机方法(ABCA-LSSVM),利用LSSVM建立映射关系替代有限元计算,使计算效率大幅提高;引入ABCA用于LSSVM模型参数γ和σ的优化,提高了预测精度。重力坝抗拉强度可靠度分析实例验证了本文方法的有效性。; 李浩瑾李俊杰康飞; 关键词：重力坝可靠度人工蜂群算法最小二乘支持向量机

边坡系统可靠度分析智能响应面法框架被引量：7: 2016年; 多失效模式情况下,边坡体系可靠性分析较为复杂.提出了基于计算机试验结合机器学习理论建立边坡系统(体系)可靠度分析智能响应面法的一般框架.边坡体系可靠性分析智能响应面法步骤包括:样本生成、模型参数优化、智能响应面建立、蒙特卡罗模拟计算失效概率.对支持向量机、高斯过程等多种智能机器学习理论用于建立智能响应面的性能进行了对比分析.通过典型边坡的体系可靠度分析,验证了小样本情况下智能响应面法在边坡体系可靠性分析中的可行性和优越性.; 康飞李俊杰李守巨李红军; 关键词：边坡稳定人工蜂群算法高斯过程支持向量机最小二乘支持向量机

大坝变形非线性智能组合预测方法研究被引量：1: 2008年; 为同时利用不同大坝变形预测方法的特征信息,改进预测质量,提出了一种基于微粒群优化—支持向量机(PSO-SVM)的大坝变形非线性智能组合预测模型。选取几种不同原理的建模方法建立预测模型并预测,利用其预测结果建立组合预测模型,组合函数的拟合采用混合核函数支持向量回归算法。为提高SVM的学习、泛化能力,采用混合核函数,并用具有并行性和分布式特点的PSO算法优化选择SVM模型参数。实例分析表明,该模型较好地整合了不同建模方法的特征信息,避免了单一方法的偶然性,较单一预测模型、加权组合预测模型具有更高的预测精度和更小的峰值误差,为更准确地进行大坝安全监控提供了一种新的途径。; 姜立新康飞胡军; 关键词：微粒群优化支持向量机混合核函数

一种严寒地区坝体温控结构系统: 一种严寒地区坝体温控结构系统，混凝土坝，混凝土坝上、下游侧及顶部的保温材料，混凝土坝下游侧设置太阳能发热板，混凝土坝内部设置热水器，热水器通过热水管与太阳能发热板联结，将太阳能发热板产生的热水通过下水管路输送到升温隔热水...; 王一帆康飞赵文超赵思曾; 文献传递

堆石坝参数反演的蚁群聚类RBF网络模型被引量：17: 2009年; 将蚁群算法与径向基(RBF)网络相结合,提出一种用于堆石坝力学参数反演的蚁群聚类径向基网络模型。该模型用蚁群聚类算法搜索RBF网络基函数中心,模拟蚁群觅食聚类的概率转移特性,所得到的聚类结果类间离散度和比传统K均值聚类结果小,能够得到更合理的基函数中心,从而获得较准确的坝体参数和位移之间的非线性映射关系。在进行参数灵敏度分析的基础,对一座堆石坝的反演分析表明,蚁群聚类RBF网络模型可有效地求解堆石坝多参数反演问题,反演结果优于BP网络模型和K均值RBF网络模型。; 康飞李俊杰许青; 关键词：蚁群聚类算法 RBF网络反演分析