您的位置: 专家智库 > >

刘天祥

作品数:13 被引量:53H指数:4
供职机构:河海大学水利水电学院水资源高效利用与工程安全国家工程研究中心更多>>
发文基金:国家自然科学基金教育部“新世纪优秀人才支持计划”江苏高校优势学科建设工程资助项目更多>>
相关领域:水利工程更多>>

文献类型

  • 9篇期刊文章
  • 4篇会议论文

领域

  • 13篇水利工程

主题

  • 13篇大坝
  • 4篇ARIMA
  • 3篇神经网
  • 3篇神经网络
  • 3篇安全监测
  • 3篇坝变形
  • 3篇大坝变形
  • 2篇蓄水
  • 2篇蓄水期
  • 2篇遗忘因子
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇融合型
  • 2篇网络
  • 2篇向量
  • 2篇向量机
  • 2篇马尔科夫
  • 2篇马尔科夫链
  • 2篇开合度
  • 2篇坝裂缝

机构

  • 13篇河海大学

作者

  • 13篇刘天祥
  • 8篇宋锦焘
  • 2篇包腾飞
  • 2篇夏天倚
  • 2篇陶亮
  • 1篇王少伟
  • 1篇孙斌斌
  • 1篇许焱鑫

传媒

  • 3篇中国农村水利...
  • 3篇水电能源科学
  • 2篇三峡大学学报...
  • 2篇2013年全...
  • 1篇人民黄河

年份

  • 2篇2016
  • 2篇2015
  • 8篇2014
  • 1篇2013
13 条 记 录,以下是 1-10
排序方式:
基于改进的BP神经网络算法的大坝蓄水期实时预报模型
蓄水期是大坝安全监测的重点时期.鉴于坝体性态随水位快速升高产生实时变化,蓄水期监测资料平稳性较差等特点,传统的BP神经网络对数据处理本质上属于静态网络,不能满足对实时变动的蓄水期数据样本的准确预测.为了解决这个问题,本文...
夏天倚刘天祥钟黎雨陶亮
关键词:大坝安全监测蓄水期BP神经网络遗忘因子
文献传递
基于遗传算法的LIBSVM模型大坝扬压力预测研究被引量:10
2013年
支持向量机(S VM)模型的核心问题是惩罚因子c和核函数参数g的选取.通常支持向量机库工具箱(LIBSVM)采用传统网格搜索算法进行参数寻优,只能得到交叉验证意义下的全局最优解,在更大范围内进行参数寻优比较费时,且效率较低,针对这一问题,提出了基于遗传算法的启发式寻优,以交叉验证(CV)意义下的准确率为适应度,通过一系列的选择交叉变异操作,得到最优的c和g,将优化后的SVM模型应用于大坝扬压力的预测.通过某大坝扬压力监测的实例应用,将遗传算法优化的LIBSVM与传统的LIBSVM预测相对比,预测效果更好,精度更高.
刘天祥包腾飞宋锦焘沈寿亮梁睿斌姜彦作
关键词:LIBSVM遗传算法坝基扬压力
基于AFSA-AHP的大坝安全指标权重研究被引量:14
2014年
针对传统AHP的一致性检验采用特征向量法计算大坝安全指标权重时缺乏可靠的理论依据问题,提出了一种基于人工鱼群优化—层次分析法的大坝指标权重计算方法,将判断矩阵下的权值计算问题转化为约束求解问题,利用人工鱼群的智能优化搜索求得具有满意一致性的最佳权重。将该计算模型用于某大坝的安全指标分析中,与传统特征向量法相比,该计算模型结果更精确、更稳定,为大坝安全指标权重的确定提供了一种行之有效的方法。
刘天祥宋锦焘沈寿亮梁睿斌姜彦作
关键词:层次分析法人工鱼群算法安全指标
移动平均和经验模态分解法在大坝位移分离中的应用被引量:2
2014年
经验模态分解方法由于缺少数据预处理,分解结果具有冗余性、与自变量数量不能对应、模函数无法进行物理解释等问题,因此在经验模态分解前增加移动平均数据预处理过程,以减少原始数据量,保留趋势过程,并以某双曲拱坝位移分离为例,对比了经过数据预处理与未经数据预处理的经验模态分解结果。结果表明,预处理后位移序列趋势性不变,但数据量和分解模函数数量均有所减少;为了使分解得到的模函数与水位和温度的物理解释相吻合,选择合适的移动平均参数M,使模函数数量为2,避免了分解的冗余性。
宋锦焘张秀山江骄王少伟沈寿亮刘天祥梁睿斌
关键词:大坝安全监测经验模态分解
ARIMA-MC组合模型在大坝变形安全监测中的应用被引量:2
2014年
为及时了解大坝的安全状况,在坝体变形监测资料往往不平稳的基础上,建立了ARIMA预测模型,通过马尔科夫链预测了ARIMA模型的误差,从而修正了模型的预测值,建立了ARIMA-MC组合模型,并结合实测数据验证了此组合模型的有效性。结果表明,ARIMA-MC组合模型预测精度高,具有较好的实用性。
沈寿亮姜彦作宋锦焘刘天祥梁睿斌
关键词:大坝变形马尔科夫链ARIMA模型
基于改进的BP神经网络的大坝蓄水期实时预报模型被引量:1
2014年
蓄水期是大坝安全监测的重点时期.鉴于坝体性态随水位快速升高产生实时变化,蓄水期监测资料平稳性较差等特点,传统的BP神经网络对数据处理本质上属于静态网络,不能满足对实时变动的蓄水期数据样本的准确预测.为了解决这个问题,在传统的BP神经网络模型的基础上,通过在误差计算和模型参数中分别引入遗忘因子,实时更新数据的影响权重,建立了大坝蓄水期资料分析的时变分析模型.最后使用传统的BP神经网络模型和改进的BP神经网络模型进行实例分析,结果表明后者比前者在径向位移的预测上精度提高1mm以上,改进的BP神经网络模型更加适用于大坝蓄水期监测资料分析与预测.
夏天倚刘天祥钟黎雨陶亮
关键词:大坝监测BP神经网络蓄水期遗忘因子
基于SVM-ARIMA的大坝变形预测模型被引量:7
2014年
大坝变形的实测值序列是一个非线性、非平稳的时间序列,支持向量机引入核函数后能有效解决非线性问题,因此可用支持向量机对大坝变形进行预测。为了提高预测精度,进一步对残差序列进行分析,通过ARIMA模型对残差序列进行预测,建立了SVM-ARIMA组合模型。将大坝变形时间序列分为趋势项和误差项,分别用SVM和ARIMA模型进行预测,综合两项结果得到模型的预测值。结合实测资料对模型进行检验,结果表明组合模型精度较高。
沈寿亮刘天祥宋锦焘姜彦作梁睿斌
关键词:大坝变形支持向量机
大坝变形安全ARIMA-MC组合预测模型
分析大坝的变形规律,建立大坝变形安全预测模型,可以及时了解大坝的安全状况.由于坝体变形监测资料往往不平稳,传统的ARMA模型不能解决非平稳数据,因此建立ARIMA预测模型.其在短期预测时精度较高,但随着预测时间的增长,A...
沈寿亮姜彦作宋锦焘刘天祥梁睿斌
关键词:大坝马尔科夫链
文献传递
基于融合型WNN的大坝裂缝开合度预测模型研究
2015年
大坝的裂缝开合度监测是大坝安全监测中重要的项目之一。因此,大坝裂缝开合度预测的准确性对大坝安全监控十分重要。外界诸多因素都会对大坝裂缝开合度造成一定的影响,导致情况非常复杂。为了提高大坝裂缝开合度预测的精度,尝试将融合型WNN(小波神经网络)应用于大坝裂缝开合度预测,并将该模型应用于某混凝土大坝的裂缝开合度预测中,并与BP神经网络模型、松散型WNN模型及传统的多元回归模型预测结果进行对比。结果表明,融合型WNN用于大坝裂缝开合度预测精度更高,效果更好。
钟黎雨刘天祥夏天倚陶亮孙斌斌
关键词:大坝多元回归模型
特高拱坝封拱后温度回升对大坝性态影响研究
2015年
针对特高拱坝封拱后温度回升现象,对某拱坝温度监测资料进行分析,认为温度回升是边界热传导和混凝土后期水化热共同作用的结果,并由坝体内部温度计实测温度回升过程线拟合得到混凝土后期水化热过程线。用ABAQUS对该拱坝施工及蓄水过程进行有限元仿真,结果显示计算温度场与实测温度场吻合情况较好,温度回升引起坝体明显向上游变形,并导致坝体上下游表面出现大范围拉应力区,对大坝工作性态造成了不利影响。
梁睿斌包腾飞许焱鑫宋锦焘沈寿亮刘天祥
关键词:有限元仿真工作性态
共2页<12>
聚类工具0