System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于土木工程设计,具体是一种基于模拟植物生长的结构变形预测方法。
技术介绍
1、由于结构变形是一个复杂、混沌的非线性变化过程,在进行预测时要选择合适且精确的预测模型。植物生长算法是模拟植物生长的仿生过程,以植物向光性的概率生长动力机制为启发式准则的,广泛应用于各类工程优化问题的智能算法,具有计算精度高、稳定性好和应用性强的特点。该算法寻找到向光性的最短和最优路径,解决贫信息、小样本的研究中预测十分方便。
2、但是植物生长变形的模型对原始数据的要求较高,在处理波动较大或者异常数据时,模型适应能力较差且精度较低。
技术实现思路
1、为了解决上述问题,本申请提出了一种基于模拟植物生长的结构变形预测方法,降低预测成本、提高预测精度。本专利技术采用的技术方案如下:
2、一种基于模拟植物生长的结构变形预测方法,包括以下步骤:
3、s1) 找出结构变形关键点,布设位移传感器测量并记录测点在时间、外荷载或其它变量影响下的结构变形实测值;某个测点的前n个阶段的结构变形实测值为;其中为第1阶段对应的初始变形值,目标函数值为下一阶段的变形值;
4、s2) 选取种子,将种子作为初始生长点,以初始生长点为中心,按设定的步长进行生长,设定目标函数,得到的第1次生长后的生长点集合;
5、s3) 计算可生长点的形态素浓度,选取随机数r,根据目标函数计算下一次的生长点,依次循环,直至得到最优生长点集合;
6、s4) 采用markov预
7、s5) 根据参考规范或行业标准设定的变形上限值,如果外推计算值超过上限值时系统报警,未超过时结构变形处于安全状态系统不报警。
8、上述步骤s2中,所述步长设定为0.1;以初始生长点为中心,是分别沿设计变量的正、负方向得到的。
9、上述步骤s3中,所述可生长点的形态素浓度计算方法为
10、,随机数在[0,1]范围内选取,若,则选择作为下一次的生长点,并将其从可生长点集合内剔除。
11、在步骤s3中,最优生长点继续沿设计变量的正、负方向;设定的步长为0.1;目标函数值为第3阶段的变形值,依次循环,得到的第次生长后的变形值;所述的步骤s3中设定的目标函数值的选取,是按照最优拟合函数曲线计算得到的。
12、上述步骤s4中,所述状态转移矩阵的步骤为:
13、首先计算相对误差序列的平均值和均方差;
14、然后将其划分为、、、四个不同的区域实现状态分级,每一个区域构成一个状态区间表示为;当,则所处的状态区间为;其中,为状态的上界和下界‘’
15、最后对状态统计后各状态区间内数据的个数为,由状态经过步转移到状态的次数为,状态转移概率为:;将各状态的转移概率排列起来,就可以构成一个状态转移矩阵;式中,。
16、在步骤s4中,对相对误差序列进行自相关分析,此时将看做含有k个时段的指标值,并对滞后期为k的自相关系数进行定义:
17、;
18、式中,为第k阶自相关系数,;为第k时段的指标值;为指标值的均值;l为指标序列的长度;
19、对各阶自相关系数做归一化处理得到权值。
20、在步骤s4中,选取离外推值最近的k个时间段,以这几个阶段的相对误差所对应的状态分别作为初始状态,并按离外推值由近到远的顺序,将转移步数分别设为,在转移步数对应的转移矩阵中,取最近的k个阶段起始状态所对应的行向量,可构成新的概率矩阵;对处于同一状态的各预测概率加权求和,能够计算出不同步长下相对误差的转移概率为。
21、在时间段的状态是中最大值所对应状态,预测值的相对误差则处于此状态的上界和下界之间,最终外推值为。
22、本专利技术的有益效果为:本预测方法基于模拟植物生长和双重参数修正,对变形的复杂、混沌的非线性动态变化过程进行精确的模拟,并设定变形上限值提供结构安全预警,弥补了模拟植物生长算法预测方法在应用中存在突变性强、适应性差等缺陷,极大优化原始数据的光滑度,降低原始数据波动性较大对预测精度的影响,同时通过设置变形上限值能为结构变形提供预测。
本文档来自技高网...【技术保护点】
1.一种基于模拟植物生长的结构变形预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述基于模拟植物生长的结构变形预测方法,其特征在于,上述步骤S2中,所述步长设定为0.1;以初始生长点为中心,是分别沿设计变量的正、负方向得到的。
3.根据权利要求2所述基于模拟植物生长的结构变形预测方法,其特征在于,上述步骤S3中,所述可生长点的形态素浓度计算方法为,随机数在[0,1]范围内选取,若,则选择作为下一次的生长点,并将其从可生长点集合内剔除。
4.根据权利要求3所述基于模拟植物生长的结构变形预测方法,其特征在于,步骤S3中,最优生长点继续沿设计变量的正、负方向;设定的步长为0.1;目标函数值为第3阶段的变形值,依次循环,得到的第次生长后的变形值;所述的步骤S3中设定的目标函数值的选取,是按照最优拟合函数曲线计算得到的。
5.根据权利要求4所述基于模拟植物生长的结构变形预测方法,其特征在于,上述步骤S4中,所述状态转移矩阵的步骤为:
6.根据权利要求5所述基于模拟植物生长的结构变形预测方法,其特征在于,在步骤S4中,对相
7.根据权利要求6所述基于模拟植物生长的结构变形预测方法,其特征在于,在步骤S4中,选取离外推值最近的K个时间段,以这几个阶段的相对误差所对应的状态分别作为初始状态,并按离外推值由近到远的顺序,将转移步数分别设为,在转移步数对应的转移矩阵中,取最近的K个阶段起始状态所对应的行向量,可构成新的概率矩阵;对处于同一状态的各预测概率加权求和,能够计算出不同步长下相对误差的转移概率为。
8.根据权利要求5所述基于模拟植物生长的结构变形预测方法,其特征在于,在时间段的状态是中最大值所对应状态,预测值的相对误差则处于此状态的上界和下界之间,最终外推值为。
...【技术特征摘要】
1.一种基于模拟植物生长的结构变形预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述基于模拟植物生长的结构变形预测方法,其特征在于,上述步骤s2中,所述步长设定为0.1;以初始生长点为中心,是分别沿设计变量的正、负方向得到的。
3.根据权利要求2所述基于模拟植物生长的结构变形预测方法,其特征在于,上述步骤s3中,所述可生长点的形态素浓度计算方法为,随机数在[0,1]范围内选取,若,则选择作为下一次的生长点,并将其从可生长点集合内剔除。
4.根据权利要求3所述基于模拟植物生长的结构变形预测方法,其特征在于,步骤s3中,最优生长点继续沿设计变量的正、负方向;设定的步长为0.1;目标函数值为第3阶段的变形值,依次循环,得到的第次生长后的变形值;所述的步骤s3中设定的目标函数值的选取,是按照最优拟合函数曲线计算得到的。
5.根据权利要求4所述基于模拟植物生长的结构变形预测...
【专利技术属性】
技术研发人员:梁龙,任冰心,景凤翔,王剑,孙伟亮,魏国院,赵宗奎,贾明伦,李涛,宋海霞,孙运臣,周悦龙,曲超,满文军,马宏伟,
申请(专利权)人:中铁十四局集团第四工程有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。