关键词： 机器学习   数据处理   抗剪承载力   自然语言处理   文本分类   可解释模型  

摘要： 混凝土是目前运用最为广泛的一种建筑材料,因此混凝土结构性能以及状态预测工作至关重要。传统地,学者从试验现象当中提炼客观规律然后建立力学模型,并基于试验数据进一步地拟合出半经验公式。但力学分析模型简化了部分关键因素,经验公式误差大、泛化能力弱。混凝土结构会产生一定程度的病害,影响结构安全。目前主要通过人工分析病害文本来评估结构的健康状态,但是这个方法主观性强,效率低下。机器学习是一种功能强大的数据拟合工具,可从数据层面寻找输入输出之间的非线性关系,为数据处理与分析提供了新的手段。基于以上背景,本文提出采用机器学习手段进行混凝土结构承载力和状态预测方法。该方法是一种数据驱动的结构性能计算评估方法,借助机器学习算法高效准确的优势,建立高效精确、多参数、多数据类型的混凝土结构数据分析模型。本文针对不同类型数据建立机器不同学习模型,选取传统方法难以处理的构件抗剪计算与结构整体健康状态评价问题作为案例,探讨了建立分析处理传统数据和文本数据的一般机器学习模型的可行性,最后基于机器学习可解释性方法为模型预测结果提供了可信度。主要工作和成果如下:(1)基于机器学习算法建立有效的传统数据分析模型。具体地,首先建立钢筋混凝土深梁的抗剪承载试验样本数据库,综合考虑材料性质与几何参数等抗剪影响因素;再选择270个样本进行特征处理,输入特征包括材料属性、几何尺寸、加载位置等,以抗剪承载力真实值作为输出;之后基于Python语言编写程序,建立集成学习机器学习模型;最后使用该模型预测深梁抗剪承载力,并将模型预测结果与经验公式计算结果进行对比。结果表明,机器学习模型预测精度达到90%,与经验公式相比具有更高的精确度,更小的误差,验证了混凝土结构数字化数据分析的可行性。。(2)结合自然语言处理技术,基于机器学习算法建立有效的文本数据分析模型。具体的,首先基于263个桥梁病害文本样本,建立病害文本-健康状态等级数据库;再使用NLP技术及工程经验完成病害文本的分词、特征处理、向量转换工作,实现病害关键词序列的信息转化;最后以文本向量作为输入,以桥梁健康评价等级作为输出,训练机器学习模型。结果显示该模型分类效果能达到90%准确度,验证了文本类型数据处理分析的可行性。(3)基于已有研究结果分析机器学习模型预测的可解释性。具体的,使用Shap方法在数据集层面上定量计算剪力墙抗剪影响参数对抗剪承载力的贡献,在单个样本与整体样本的角度分别分析了各参数的shaply值,结果符合一般研究结论,并探讨了参数之间的交叉影响,同时使用SHAP方法定量计算了文本分类任务中关键词的shaply值,结果显示SHAP方法能对病害文本分类模型作出一定程度的解释。

关键词： 瓦斯运移   物理模拟测控系统   数据处理   瓦斯抽采预测   机器学习  

摘要： 智慧化矿山是我国煤炭高质量开采的发展战略,由于井下生产环境复杂导致传感器测量数据出现不完整、失真现象,无法获得准确的瓦斯运移状态信息,难以建立有效的采空区卸压瓦斯抽采状态(抽采与上隅角瓦斯浓度)预测模型,对瓦斯抽采状态智能识别造成影响,为煤层智能开采带来安全隐患。针对该问题,研制了大尺度瓦斯运移三维物理模拟自动测控系统,开展了物理模拟过程控制与物理模型可靠性分析,获得了煤层开采过程中覆岩裂隙演化、矿山压力分布、卸压瓦斯运移、瓦斯抽采等问题一体化研究方法;提出了基于遗传算法与自适应卡尔曼滤波算法的传感器测量数据处理方法,解决了因传感器疲劳损伤与测量环境不一致引发的测量数据不完整与失真问题;提出了时空序列下覆岩垂直应力、气体浓度变化趋势分析方法,获得了煤层开采与瓦斯抽采状态下瓦斯运移时空演化规律;基于机器学习算法分析并获得了覆岩裂隙演化特征与瓦斯运移主控因素之间的内在联系,利用裂隙网络与瓦斯运移演化之间信息的互补性,建立了多维数据下采空区卸压瓦斯抽采状态预测模型。论文主要研究工作如下: 1)设计了大尺度瓦斯运移三维物理模拟实验测控系统。该系统集煤层开采、柔性加载、瓦斯涌出、矿井通风、瓦斯抽采过程控制与数据采集于一体,可实现大尺度(模拟最大采深2105 m,采高0～12 m,工作面面长200m,面宽160m)物理模型密闭环境搭建与煤层开采过程模拟,并基于山西和顺天池高瓦斯煤矿与物理模拟相似准则设计了物理模拟实验方案。 2)基于煤层开采条件控制原理与关键参数变化特征建立物理模拟自动控制系统。提出了基于风量环与风压环反馈回路的双闭环通风过程控制方法,并结合电磁开关建立了U型、U+L型通风方式转换控制系统。提出了以气压、气体流量监测为基础,涌出量为反馈回路的瓦斯涌出过程控制方法,通过对涌出气体压力及余量的实时监控,保1障了气体涌出过程控制的可靠性。建立了以气压环反馈回路为核心,PI控制算法为手段的瓦斯抽采控制系统。 3)基于测量环境特征与物理模型可靠性分析搭建物理模拟测量系统。开展了传感器、线缆、岩层组合体静应力分析,获得了传感器体积与通讯线缆设计参数。提出了“带电安装”的安装方法,研制了低功耗多源自适应传感器状态监测系统,系统总功耗小于22w,实现了物理模型搭建至开展实验全过程的7*24小时传感器状态实时监测与故障自动诊断,覆岩垂直应力与气体浓度等其他关键参数实时同步测量。 4)针对因物理模型搭建(相似材料装填及固化)时间过长(近一年)所引发的传感器测量数据不完整与失真问题,开展了测量数据误差分析,提出了基于遗传算法与自适应卡尔曼滤波算法的测量数据处理方法。获得了当覆岩垂直应力测量点数量为11个时,重构覆岩垂直应力分布曲线效果最佳,最少测量点数量为6个,建立覆岩垂直应力测量关键数据集并重构测量缺失数据。提出了基于气体运动等效模型的气体浓度估计方程,获得了不精确系统与量测误差下的气体浓度测量数据处理方法。开展验证实验,获得样本组与对照组气体浓度变化幅值与趋势保持一致。 5)提出了时空序列下覆岩裂隙与瓦斯运移演化规律分析方法。开展了模型剖切与皮尔逊相关性实验与分析,获得了覆岩垂直应力变化与覆岩裂隙演化趋势正相关,并基于时空序列下覆岩垂直应力与气体浓度变化趋势数据集,获得了采动状态下瓦斯运移时空演化规律。 6)基于机器学习算法建立多维数据下气体运动状态预测模型。建立了内含气体运移主控因素与覆岩裂隙演化信息的采空区覆岩应力与气体浓度估计模型,挖掘多维数据的内在联系。建立了多维数据下上隅角与抽采气体浓度预测模型,模型预测值与真实值之间均方根误差(RMSE)为0.06。为开展采空区卸压瓦斯抽采状态预测、智能评价等问题的研究提供一种新的方法。 以上研究成果通过物理模拟原型山西和顺天池煤矿与陕西建新煤矿采空区卸压瓦斯抽采工程实践验证进行了验证。为开展瓦斯运移、覆岩裂隙演化等问题的研究提供可靠、精确的大尺度三维物理模拟实验平台,提出了一种新的采空区卸压瓦斯抽采状态预测模型,获得了更加全面的瓦斯抽采状态信息,为煤炭智能开采提供了安全保障。

关键词： 激光雷达测深   人工智能算法   波形分类   一维信号处理  

摘要： 机载测深激光雷达是近海岸海底地形测绘的重要技术手段,可以为海洋工程、港口建设、海洋生态环境保护及军事等多个领域提供高精度的海底地形。然而,雷达回波中包含了陆地回波和不同深度的海洋回波,波形形状十分复杂。再加上海水介质对激光的散射和吸收作用造成的激光能量衰减,使得海底回波混叠在后向散射回波和噪声之中,难以确定其位置。因此,开展机载测深激光雷达回波数据的处理算法研究以提升测绘精度就变得十分重要。针对近海岸探测需求和机载测深激光雷达的回波特点,本文围绕回波建模、波形分类和海洋回波深度解算三个要点展开研究。首先,根据海水的光学性质和激光传输过程中的状态变化,基于蒙特卡洛算法构建了激光传输模型。模型模拟了激光从发射到接收的全过程,并根据噪声产生原理在接收回波中加入了太阳光背景噪声和探测器噪声。其次,本文设计了深度学习和机器学习两种算法对陆地回波、浅水回波和深水回波三种回波类型进行分类。其中,深度学习方法设计了一种多源卷积神经网络架构,通过在输入层添加响应函数以及采用时间和通道双维度权重校准模块增强了网络的表达能力。机器学习方法通过波形分析确定了11维特征向量,在标准化后由随机森林算法进行分类。最后,本文根据得到的分类结果设计了不同的海洋回波深度解算算法。其中浅水回波采用理查德森-露西反卷积算法进行解算,深水回波则采用一致性点漂移算法对后向散射回波进行拟合,再结合理查德森-露西反卷积和峰值探测算法进行解算。仿真数据集上的实验结果显示,多源卷积神经网络的分类精度达99.52%,与现有的机载测深激光雷达回波分类方法相比拥有最佳的鲁棒性及可扩展性。而随机森林的分类精度达到了99.79%,在常用的机器学习分类算法中分类效果最佳,但其可扩展性要弱于多源卷积神经网络。在海洋回波的深度解算上,理查德森-露西反卷积算法和一致性点漂移算法拥有最高的探测成功率和最小的水深偏差,实现了对机载测深激光雷达全探测范围内的高精度深度解算。

关键词： 在线检测   超声测厚   波导杆   波形分析   数据处理  

摘要： 化工生产过程中对于处于高、低温环境下设备的实时检测存在困难,需要设计一种能够长期固定在严苛环境下的设备上并对其腐蚀易发生的部位进行在线测厚的装置。经过研究,选择使用超声检测作为装置的基本技术,利用波导杆将超声换能器与严苛环境隔绝,使其工作在合适的工况下。对于基于超声导波的在线测厚装置的设计,首先要解决波导杆的加入使超声波传播方式复杂化的问题,根据导波在有界固体中的传播方式,使用横波直探头在波导杆中激发出不发生频散的水平剪切(SH0)波作为信号源。其次,需要确定波导杆的形状与尺寸,借助有限元模拟软件Comsol,对不同形状和材料的波导杆进行传热模拟,比较出最能够隔绝温度的波导杆。然后,设计波导杆与试件相连接时所用到的夹具,该夹具能够提供合适的压紧力来满足波导杆与试件之间干耦合的需要。此外,针对超声波会随着不同的温度与材料传播速度发生改变这一特点,需要构建一套超声检测波形分析和数据处理方法。最后,搭建了实验台对上述装置的研究与设计进行验证。研究结果表明,材质为316不锈钢、尺寸为1×18 mm的矩形截面、长度为300mm的波导杆具有较好的温度隔绝效果;设计出的装置在5～50 mm的范围内可以进行有效测厚,整体误差率在0.5%以下。对实验装置进行了集成,形成了一部可以用于化工生产现场的具有网络传输功能的测厚装置样机,基本实现了对于处于高、低温环境下设备进行实时检测。

关键词： 分布式并行计算   Spark   GPU   负载均衡   迭代计算   并行计算  

摘要： 在第三次信息化的建设和转型的过程中,现存的数据体量超线性的增加,数据被誉为计算的能源。使用传统的数据处理技术来解决超大规模的数据分析应用收效甚微。此时基于内存的分布式并行计算框架Spark顺势而生并在学术届和产业界中广泛应用。随着场景数据的极大丰富和算力的极大提升,人工智能的发展迎来了空前的爆发期。数据信息和计算能力是人工智能的核心要素,分布式计算框架Spark在数据预处理方面的优势显著,GPU突破了摩尔定律下传统CPU提升性能的瓶颈,在高性能计算和智能计算领域展现了压倒性的优势。因此,开发者开始关注如何优化分布式异构并行计算框架,将计算密集型操作卸载到GPU上,实现端到端的加速人工智能应用。在异构并行计算框架中,分布式计算框架负责输入数据的并行预处理,GPU负责计算密集型任务的高并发计算,二者相辅相成实现对人工智能应用的加速。然而现有的异构并行计算框架没有恰当的处理数据的偏态分布特征、硬件的协同并发特性和系统中增量计算问题,从而无法发挥系统整体的性能。本文的研究工作围绕CPU-GPU异构并行环境分别从负载均衡、迭代计算和并发计算三个方面展开研究,旨在减少算力浪费和提升系统整体算力的水平。本文的主要工作如下:(1)在负载均衡方面,针对分布式并行计算框架中经典的数据偏斜问题,通过分析分区粒度对系统性能的影响,本文提出了一种基于自适应分区粒度调整的均衡分区策略。针对不同频次key的抽样结果,采用加权轮循算法和高效哈希算法进行重分区,提出基于高频次key的分区策略和基于低频次key的分区策略。两种策略考虑key的比重使用差异化的处理方式可以更有效地应对数据偏斜。实验统计结果显示,本文的分区策略可以在实现并行任务间负载均衡的同时提高系统计算资源的使用率,从而提升任务的运行效率。(2)在迭代计算方面,针对大规模数据在迭代计算过程中冗余计算和内存数据的访问低效问题,造成系统性能不佳,本文提出了一种基于GPU加速的分布式增量迭代体系架构。通过设计一种面向迭代任务的增量迭代计算模型,着力解决迭代计算过程中存在的大量冗余计算问题。通过研究迭代过程中中间计算数据的访存机制,加速数据访问和迭代计算的过程。此外,本文设计了一种可变的滑动窗口机制来主动适应GPU高速内存空间大小的限制和线程级合并内存访问的特点。实验显示,相比于现有的优化并行计算框架和开源的并行计算框架,平均性能提升分别为2倍和5倍以上。(3)在并发计算方面,针对现有集成GPU的分布式并行计算框架中存在粗粒度任务并发的缺陷,提出了一种多GPU多流的协同并发执行机制。针对现实环境中系统硬件的性能差异及应用的属性各异,使得对运行时计算资源的需求不同,通过动态的调整运行时系统的网格级并发度,从而提高系统的资源利用率。此外,将系统中内核级并发调节问题建模成一个多臂赌博机问题,提出一种基于置信区间上界的算法,通过高并发内核线程提升任务执行的速度,实现系统的高效能。实验结果显示多流的协同并发执行机制可以充分利用流的并发能力来提升系统的整体效能,使得系统性能提升1.3倍到3.1倍之间。本文中的工作对使用集成GPU的异构并行计算框架来加速高性能科学计算和人工智能应用具有借鉴意义,相关理论和解决方案对实际生产工作具有理论和应用价值。

ISBN: (纸本)9787111703471

关键词： 非相干散射雷达   模糊函数   复合编码   数据处理  

摘要： 随着科技的发展,人类对地球的探索不仅限于地面和天空,也逐渐开始对电离层进行研究。而非相干散射雷达(Incoherent Scatter Radar,ISR)作为最强大的电离层探测的地基设备,正在飞速发展。ISR具有探测精度高、探测范围广以及距离分辨率高等优点。非相干散射雷达的探测原理就是接收电离层中粒子热起伏所散射回来的微弱信号,从而可以反演出电离层的许多参数,如电子密度、电子温度以及离子温度等等。由于散射回来的信号十分微弱,所以需要强大的信号处理手段以及各种各样的复杂的编码方案来满足实际使用的需求。所以本文基于已有的非相干散射雷达的三种编码方式和编码模糊函数理论,探索出了两种新的具有高距离分辨率的复合编码。最后,利用AMISR(The Advanced Modular Incoherent Scatter Radar)的实测数据对数据处理系统中的模糊函数模块进行调试。本文的主要工作内容如下:第一,介绍了国内外的非相干散射雷达及其编码技术的发展现状。随后介绍了非相干散射雷达的探测原理并推导了四种模糊函数的表达式及其之间的转换关系。第二,以编码模糊函数理论为基础,首先对三种传统编码(长脉冲、巴克码以及交替码)的二维模糊函数进行建模,并分析其性能。随后,测试了多种复合编码性能,最后探索出了两种性能优异的复合编码(互补码调制强交替码和m序列调制强交替码),也对其二维模糊函数进行建模并分析性能。最后对这几种编码的探测距离、距离分辨率和抗噪性能进行对比分析,得出结论。第三,介绍了非相干散射雷达的数据处理系统的主要模块功能,并且利用AMISR实测数据对该数据处理系统中的模糊函数部分进行调试。在数据处理系统中替换不同的模糊函数处理AMISR的实测数据并反演出电离层参数,与Madrigal官网的数据和IRI(International Reference Ionosphere)模型进行对比,以挑选出一种误差最小的模糊函数应用于数据处理系统。

关键词： 盾构隧道   地表沉降   数据处理   掘进参数  

摘要： 近年来,随着社会的发展,人们出行需求的提高,交通拥堵日益严重,挖隧道、建地铁是解决地上空间不足的良策。但由于地下情况复杂加之施工水平限制,地表沉降成为了隧道施工的一大难题,合理控制地表沉降是地下工程建设中急需解决的问题,盾构掘进施工对地表沉降的影响和预测是地下工程研究的热点。本文以济南市轨道交通R2线历山北路站～二环东路站区间为工程背景,基于Python语言对施工数据进行数据挖掘,分析了横、纵断面的沉降规律,对掘进参数进行统计分析,建立了BP神经网络、随机森林、支持向量机三种模型对施工沉降数据进行分析预测,主要研究内容及结论如下:（1）从经验公式法、数值模拟法和大数据分析法三个角度总结归纳了相关学者在地表沉降方面的研究现状和成果,分析了横断面和纵断面的沉降规律,利用Peck公式拟合沉降曲线,发现了横向沉降规律接近正态分布,隧道轴线上的监测点沉降值最大,越往两侧沉降量越小。利用Peck公式预测的最大沉降值都略大于实际沉降值,但很接近,说明Peck公式适用于此区间的横断面沉降值预测。（2）以现场实际数据为例介绍了盾构数据的处理过程,通过统计分析确定了环平均值可以作为环代表值,分析了掘进参数沿工程纵向的变化规律与地层之间的关系,使用Pearson相关系数对掘进参数进行分析,研究了掘进参数之间以及掘进参数与沉降值之间的关联程度。（3）建立了BP神经网络、随机森林、支持向量机三种模型预测地表沉降,以R2、RMSE、MAE和平均误差作为模型评估指标对模型精度进行评价,最后引入贝叶斯算法优化支持向量机,结果表明支持向量机平均误差有明显降低,达到了工程使用标准,预测模型对实际工程有一定指导意义。

关键词： 方位伽马   快速正演   快速采样   灵敏因子   成像深度   地层界面  

摘要： 随钻方位伽马测井技术在地质导向和地层评价中发挥着重要作用。随钻方位伽马测井的正演是其导向和地层评价功能的重要基础,而对随钻方位伽马测井采样数据的处理和地层参数的计算直接影响着其导向作用的准确性。因此,开展基于正演模拟的随钻方位伽马测井数据处理方法的研究,对于实现实时精准的地质导向具有重要的意义。 本文首先通过蒙特卡罗正演模拟方法,分别研究了随钻方位伽马测井仪器对地层的径向和纵向二维响应特性。然后,进一步研究了其三维空间响应特性,利用得到的空间响应灵敏度函数形成了方位伽马测井的快速正演方法。在此基础上,正演模拟了随钻方位伽马测井仪器钻遇不同地层或地质模型时的响应规律。另外,为了提高方位伽马测井的方位响应及地层参数求解的精准度,分别开展了基于正演和实验结果的数据快速采集和处理方法、基于方位灵敏因子的方位对比提高方法、基于探测深度的地层倾角计算改进方法等研究,有效提高了方位伽马测井的扇区采集、响应及处理精度。最后通过Tikhonov正则化,研究了根据正演响应和观测数据在地质导向过程中实时确定地层界面的方法。 研究结果表明:使用快速正演方法计算的结果与蒙特卡罗正演方法计算的结果吻合,但快速正演计算时间仅约为蒙特卡罗正演方法的0.11%,可以大大提高地质导向过程中的实时处理。对方位数据快速采样及处理得到的扇区响应,能增强原始采集数据的方位特性。另外,根据方位灵敏因子计算的地层放射性强度与地层真实值更接近,能有效提高方位伽马测井的测量准确度。结合成像深度(DI)求取的地层倾角比传统方法得到的地层倾角更加接近实际地层、误差更小。通过对正演响应和观测数据的对比分析,选用正则化方法计算的地层界面符合实际地层模型,为随钻方位伽马测井的研究和应用提供了方法支持。

关键词： 噪声烦恼度   听觉实验   变电站噪声   数据校准   声学因素   个体因素   社会因素  

摘要： 噪声烦恼度是确定环境噪声暴露可接受程度和制定环境噪声标准的重要依据。为满足统计学要求,通过实验室听觉实验确定噪声烦恼度时,需有偿招募大量志愿者,投入的人力、物力和时间成本均较大,建立噪声烦恼度预测模型,可通过模型计算直接获取噪声烦恼度。目前,国际标准化组织(ISO)尚未制定噪声烦恼度听觉实验技术规范,不同研究对听觉实验烦恼度数据的处理方法不尽相同。实验中被试充当着噪声烦恼度“测量仪器”的角色,不同被试对同一声样本、同一被试对不同实验声样本组中同一声样本的感知烦恼度,都可能因被试心理尺度不同而存在差异。为准确获取噪声烦恼度,有必要通过研究筛选适用于听觉实验的最佳烦恼度数据校准、量化等方法。同时,为提高噪声烦恼度预测模型精度,除声学因素外,需进一步识别影响烦恼度的个体和社会等因素,建立涵盖声学和非声学因素的烦恼度预测模型。 本研究以变电站噪声为例,招募1342名被试,开展一系列噪声烦恼度听觉实验,对比研究了不同数据剔除、数据校准、烦恼度量化等方法对声样本烦恼度的影响,分析了不同烦恼度拟合模型精度差异。在此基础上,定量研究了声学因素(20个声学参量)、视觉因素(声场景呈现方式)、个体因素(性别、年龄、学历、收入、噪声敏感性)、社会因素(工作场所声环境嘈杂度)对噪声烦恼度(MA)和高烦恼率(%HA)的影响,建立了涵盖声学和非声学因素的烦恼度预测模型。主要创新点和贡献如下: (1)明晰了听觉实验数据不同校准方法对统一被试噪声感知烦恼度的心理尺度的效果。结果表明,在个体烦恼数据校准、声样本烦恼数据校准、烦恼数据二次校准方法中,以个体烦恼数据校准效果为最佳,校准后不同实验声样本组中同一声样本的MA组间差值均小于1,噪声样本心理声学烦恼度(PA)与MA间Logistic函数拟合曲线的决定系数由校准前的0.73提高至校准后的0.96。 (2)探明了视觉因素(不同声场景呈现方式)对噪声感知烦恼度的影响。结果表明,被试通过耳机接受噪声刺激时,基于虚拟现实或现场照片向被试呈现声场景,噪声烦恼度听觉实验结果(MA和%HA)与现场评价结果间无显著差异(p>0.05),无视觉刺激(即无声场景呈现)时听觉实验结果低于现场评价结果。 (3)提出了噪声敏感人群识别方法。利用Weinstein噪声敏感性量表获取被试的噪声敏感性值(NSS),结合粉红噪声烦恼度听觉实验,确定个体噪声敏感性值110可作为识别噪声高敏感(NSS≥110)和低敏感人群(NSS<110)的阈值,通过变电站噪声烦恼度听觉实验结果验证了这一阈值的合理性。 (4)明晰了显著影响噪声烦恼度的个体和社会因素,其包括年龄、噪声敏感性、收入、学历和工作场所声环境嘈杂度,对烦恼度的影响权重分别为7.8%、4.3%、3.4%、1.7%和1.7%。 (5)建立了涵盖声学和非声学因素的变电站噪声烦恼度预测模型,探明了声学和非声学因素对变电站噪声烦恼度的影响权重分别为81.0%和19.0%。