灰色Verhulst神经网络组合预测区域空域流量

能够对区域空域的流量做出准确的预测,可以为空中交通管理部门协调航班运行,减缓空域内航路的拥堵提供重要依据.运用灰色Verhulst模型与神经网络的组合模型对区域航班流量进行预测,并结合华东地区飞行流量的数据样本训练并测试模型.结果显示,由组合模型得出的流量预测值与实际值较吻合,说明组合模型比单种预测方法能够更为准确地对区域空域流量做出预测.     

不同优化准则统计组合预测权系数优化

不同的优化准则下,组合预测模型的权系数一般不同.为了兼顾不同准则的优点,根据均方误差,平均绝对误差以及平均绝对相对误差准则分别确定了组合预测模型的权系数向量,再利用这些权系数和层次分析方法构造新的组合预测模型的权系数.最后,通过几个应用实例,说明了这种建立组合预测模型方法的可行性和有效性.     

全国平均每百户居民私家车拥有量预测

为了对全国平均每百户居民私家车拥有量进行预测，建立了可分离变量微分方程的数学模型，采用最小二乘法，借助Excel作为计算工具，得到了微分方程近似解的参数值，并用微分方程的近似解估计了最大拥有量以及2010年以后某些年的拥有量．     

基于定量构效关系设计自乳化系统

将定量构效关系引入到自乳化系统中, 采用HF/6-31G^*方法优化分子结构, 在此基础上计算出组分的量子化学参数, 考察组分含量、立体效应、疏水效应、静电效应对自乳化体系的微乳区域面积和粒径的影响, 通过多元线性回归建立了分子结构参数和组分比例与体系的微乳区域面积/粒径间的定量函数模型, 并对模型外的组分组成的测试集进行了预测. 研究结果表明: 乳化剂与助乳化剂的用量比是影响自乳化体系相行为的主要因素, 油相和助乳化剂含量增大, 粒径增加, 乳化剂含量增大, 粒径减小; 而组分间的相互作用力对系统性质影响较小. 除以肉豆蔻酸异丙酯(IPM)为油相建立的模型外, 其余模型均具有较好的预测效果, 利用这些规律可为自乳化系统的组分筛选提供理论指导, 提高实验效率.     

人工神经网络研究硝基苯化合物结构与毒性的关系

基于简单的化学基团描述符,应用人工神经网络研究了硝基苯类化合物对黑呆头鱼的毒性构效关系,并与多元线性回归相比较,结果显示了人工神经网络处理非线性问题的优越性.     

固体异质结界面结构预测方法及AutoInterface程序实现

预测材料异质结的界面原子结构对于理解界面对性能的影响至关重要. 目前, 从理论上预测材料界面结构仍具有极大挑战, 主要是缺乏普适有效的理论计算方法. 本文介绍了本课题组在异质结界面结构预测方面取得的最新进展. 结合马氏体相变唯象理论、 图论和随机表面行走算法, 提出了界面结构的一种有效预测方法, 可以实现自动化的计算预测. 通过GaP/TiO₂半导体异质结等展示了该方法的有效性和在催化等领域的应用前景.     

Pseudo-Bonding Interaction between Boron-doped Heterofullerene and Zinc Porphine Predicted by DFT Calculation

Theoretical study on the supramolecular complexes formed between boron-doped het- erofullerene （C59B） and zinc porphine （ZnF）, namely C59B-ZnP and its anion species C59B-ZnP, was performed by density functional theory calculation at wB97XD/6-31G（d） level. Strong interaction between porphyrin and heterofullerene moiety was predicted for these complexes based on geometry and electronic structure analysis. Especially, pseudobonding interaction occurring between the B atom of fullerene and the N atom of porphyrin was predicted to occur in C59B-ZnP complex, but be broken in C59B-ZnP complex. Time-dependent density functional theory calculation manifests the redshift of electron absorption for ZnP upon the interaction with heterofullerene.     

基于恒等映射多层极限学习机的高速列车踏面磨耗预测模型

针对高速列车车轮踏面磨耗单一模型无法对各种复杂工况下列车车轮踏面磨耗进行定量计算的问题, 提出一种基于恒等映射多层极限学习机的高速列车车轮踏面磨耗测量方法. 首先将恒等映射引入到多层极限学习机中, 提出一种基于恒等映射的多层极限学习机模型(identity multilayer extreme learning machine, I-ML-ELM), 采用机器学习公共数据集对该模型进行性能验证, 数值结果表明I-ML-ELM模型具有较好的准确性与泛化性; 然后基于车辆-轨道耦合动力学理论建立高速列车的车辆-轨道耦合动力学模型, 模拟列车运行的不同工况, 观测和分析高速列车的车轮踏面磨耗情况, 并通过I-ML-ELM预测模型对高速列车车轮踏面磨耗量进行学习及预测; 最后应用高速列车车轮踏面磨耗的实际测量值对I-ML-ELM预测模型进行进一步的验证, 结果表明: I-ML-ELM预测模型的各项性能参数指标在整体上优于以下五种网络: ELM, FLN, ML-ELM, ML-KELM和DLSFLN, 通过高速列车线路实测数据的进一步验证表明, 本文提出的基于I-ML-ELM的高速列车车轮踏面磨耗预测模型能较好地反映不同参数对高速列车车轮踏面磨耗值的影响规律.      

基于神经网络的核电厂设备易损性分析

核电结构的易损性分析是核电厂地震安全评估中至关重要的一环, 但是由于核电结构的复杂性以及考虑土?结相互作用SSI时较大的计算规模, 使得计算核电厂设备易损性曲线十分耗时. 为发展高效的核电厂设备易损性分析方法, 本文采用核电结构土?结相互作用分析的分区计算方法, 并利用有限的SSI分析结果建立神经元模型ANN代替有限元模型, 分别基于对数正态假定的回归法和蒙特卡洛法进行了设备易损性分析. ANN数值模拟包括了以下内容: (1)基于半偏相关系数选择最相关的地震动参数作为ANN输入, 并通过交叉检验建立神经元模型; (2)量化研究ANN数值模拟的预测不确定性, 其中包含了由于简化地震动输入引起的随机不确定性和训练样本缺失引起的认知不确定性; (3)基于ANN模型预测结果分别采用蒙特卡洛法和基于对数正态假定的回归法进行设备的易损性分析. 本文探讨了不同的地震强度指标以及土层材料的不确定性对易损性曲线的影响, 同时验证了回归法中对数正态模型假定的基本合理性, 为核电厂设备易损性分析提供了一种可能方向.      

基于碎点法的动态断裂分析

工程中的冲击防护结构在撞击、爆炸等冲击载荷下可能发生动态断裂并最终破坏, 抑制结构的动态断裂是提升结构防护能力的重要手段, 为此需要准确预测结构在动态载荷下的断裂行为. 数值仿真是预测动态断裂的重要手段, 然而当前工程中常用的有限元法在模拟断裂方面仍存在网格畸变和难以显式引入裂纹等问题. 碎点法是近年来提出的一种不连续型伽辽金弱形式无网格方法, 适合模拟断裂问题, 本文提出一种显式动力学格式的碎点法并将该方法应用于动态断裂分析. 一方面, 碎点法参考弱形式无网格类方法, 将求解域离散为空间中的节点和子域, 并基于支持域内的节点群构造子域的位移试函数, 因此该方法的子域具有抵抗畸变的能力. 另一方面, 碎点法参考间断伽辽金有限元法, 使用分片连续的位移试函数, 并引入内部界面数值通量修正保证方法的一致性和稳定性, 因此该方法易于在结构中显式引入裂纹. 本文首先介绍碎点法的核心思想和离散形式, 接着推导了动力学碎点法弱形式动量方程, 然后建立了碎点法的显式动力学求解格式, 最后通过算例验证动力学碎点法预测应力波传播和动态断裂行为的能力.