胡军
- 作品数：64 被引量：282H指数：9
- 供职机构：辽宁科技大学土木工程学院更多>>
- 发文基金：国家自然科学基金辽宁省教育厅基金辽宁省教育厅高等学校科学研究项目更多>>
- 相关领域：矿业工程建筑科学水利工程自动化与计算机技术更多>>
- 基于布谷鸟算法优化SVM的尾矿库坝体变形预测被引量：5
- 2021年
- 为解决SVM模型在尾矿库坝体位移预测中,参数寻优时间较长、模型稳定性较差的问题,引入布谷鸟算法(CS)进行优化,构建的CS-SVM模型用于辽宁省风水沟尾矿库2#副坝的位移预测实例中,将该模型预测值与SVM模型和PSO-SVM模型的预测值进行对比分析。结果表明,CS-SVM模型有较高的预测精度,预测值趋近于真实值,模型构建合理,验证了CS-SVM模型在尾矿库坝体位移预测中的可行性和有效性。
- 胡军赵允坤栾长庆张瀚斗
- 关键词：尾矿坝
- 弓长岭露天铁矿排土场稳定性分析及参数优化被引量：14
- 2016年
- 露天矿排土场稳定性关系着矿山生产安全和人员生命财产安全,是矿山安全管理的重点。为了更全面准确地了解排土场边坡稳定性情况,提高排土场容量和稳定性。运用极限平衡法和有限差分法的原理,对弓长岭某排土场在正常工况下的稳定性进行分析计算,剖析排土场破坏机理,并利用MATLAB优化工具箱对排土参数进行优化。得出如下结论:正常工况下,排土场边坡整体处于稳定状态;滑坡模式为上部受拉剪破坏,圆弧滑面至表土层,沿表土层剪切破坏;定量得出该排土场边坡角、台阶高度与稳定性系数关系式:Fs=2.5528-0.0239x1-0.0122x2,并得出边坡最优化参数。
- 胡军张晓龙
- 关键词：排土场边坡稳定性参数优化
- 自动化安全监测系统在尾矿坝中的应用被引量：7
- 2010年
- 论述了影响尾矿坝安全的因素,确定了尾矿坝安全监测系统的监测内容。着重阐述了系统选型、硬件选择和软件开发的原则,开发了基于Internet-Intranet的尾矿坝自动化安全监测系统,通过工程实例证明了该系统的实际应用效果,为研制开发尾矿坝自动化安全监测系统提供了很好的借鉴和参考。
- 胡军
- 关键词：尾矿坝安全监测在线监测
- 隧道洞室地基稳定性双阶段多策略粒子群BP网络模型研究
- 2017年
- 影响隧道洞室地基稳定性的因素众多,这些因素与隧道洞室地基稳定性之间存在着复杂的非线性关系,并且常规的方法很难描述这种复杂的关系。文章提出了一种双阶段多策略粒子群算法(DMPSO)优化的BP神经网络隧道洞室地基稳定性评价模型。粒子群算法具有全局优化能力强、搜索效率高等特点,算法改进后使这些特点更加突出。BP算法有很强的非线性映射能力、泛化能力,但也有收敛速度慢,容易陷入局部最优等缺陷。采用双阶段多策略粒子群算法(DMPSO)搜索BP模型的权值和阈值,弥补了BP模型的缺陷,提高了其预测的准确度。文章以重庆小什字车站洞室地基为例,证明了双阶段多策略粒子群算法优化的BP神经网络模型(DMPSO-BP)的可行性,并且该模型比模糊神经网络和粒子群优化的BP神经网络(PSO-BP)模型有更好的预测精度。
- 胡军董建华王凯凯
- 关键词：粒子群算法BP神经网络地基稳定性
- 基于BP-遗传算法的排土场稳定性分析被引量：5
- 2016年
- 在边坡最危险滑动面的搜索过程中,为避免目标函数建立时因公式化简带来的误差及传统优化算法易陷入局部极小值的问题,提出了基于BP-遗传算法的排土场稳定性分析方法。以瑞典条分法为基础,通过BP神经网络建立潜在滑动面的圆心、半径与其安全系数间的非线性关系式,利用遗传算法,搜索边坡的最危险滑动面,并计算其相应的安全系数。弓长岭排土场实例分析结果表明:与传统稳定性分析方法相比,BP-遗传算法的稳定性分析结果更加精确、可靠,具有较好的应用前景。
- 胡军张晓龙赵天毅袁永涛
- 关键词：BP神经网络稳定性分析遗传算法排土场
- 基于交比不变的尾矿库干滩长度测量被引量：4
- 2020年
- 针对长期以来尾矿库干滩长度测量方法的局限性,提出一种新的利用图像处理技术进行尾矿库干滩长度测量的方法。此方法首先通过视觉显著性结合区域形状分析的方法来获取标志杆在图像中的坐标,然后通过区域生长算法在图像中提取干滩区域,最后利用射影变化中共线四点的交比不变性来计算干滩长度。通过实际测量实验,所提方法具有实施方便,测量误差小的特点,因此其具有较高的应用价值。
- 胡珊胡军鹿玲
- 关键词：图像处理技术实验测试
- 基于IPSO-ELM模型的尾矿坝稳定性分析
- 2022年
- 为了更准确地对尾矿坝稳定性进行预测,采用训练速度快、参数设置简单、准确度较高的极限学习机(ELM)模型,针对ELM模型在训练过程中随机产生的连接权值和隐含层阈值,导致泛化能力不足、模型稳定性差等问题,引入基于线性递减权重法改进的粒子群算法(IPSO)对其进行优化,提出了尾矿坝稳定性预测的改进粒子群优化极限学习机(IPSO-ELM)模型。将该模型运用到尾矿坝实例预测中,在选取的35组样本数据中,前30组作为训练样本,后5组作为测试样本,以内摩擦角、边坡角、尾矿坝材料重度、孔隙压力比、内聚力和边坡高度6个尾矿坝稳定性影响因素为输入参数,以尾矿坝稳定性安全系数为输出参数,将预测结果与ELM模型和PSO-ELM模型对比,结果表明,IPSO-ELM模型有较高的预测精度,预测值逼近于实际值,验证了IPSO-ELM模型在尾矿坝稳定性评价中的可靠性和有效性。
- 赵允坤胡军栾长庆张瀚斗
- 关键词：尾矿坝稳定性粒子群算法极限学习机
- 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
- 多策略灰狼算法优化SVM的尾矿坝地下水位预测被引量：11
- 2021年
- 为实现尾矿坝地下水位预测及预报预警,以尾矿坝地下水位为研究对象,将库水位、最小干滩长度等5个变量作为影响参数,尾矿坝地下水位为输出变量,建立支持向量机(SVM)预测模型。引入多策略改进的灰狼优化算法(MGWO)确定SVM模型参数,并以工程实例进行仿真预测。结果表明,MGWO-SVM模型平均相对误差0.24%,平均绝对误差0.02 m,与传统模型相比精度高、性能优越,将其应用于尾矿坝地下水位预测具有较好的适用性和可靠性。
- 胡军邱俊博
- 关键词：尾矿库地下水位尾矿坝
- 文化鱼群优化支持向量机在隧道围岩变形预测中的应用被引量：6
- 2016年
- 建立了隧道围岩变形预测的基于时间序列的支持向量机模型。针对支持向量机(SVM)的参数选择问题,运用文化鱼群算法(CAAF)来搜索支持向量机的相关参数,避免了人工搜索参数的盲目性,提高了模型的推广性能。该模型首先将实例中隧道围岩变形的样本数据进行时间序列处理,构建学习和预测样本,再利用文化鱼群优化的支持向量机模型进行预测。与BP神经网络预测结果相比,该方法运算速度快、预测精度高,对实际工程具有更高的适用性。
- 胡军王凯凯董建华
- 关键词：隧道围岩变形支持向量机参数选择
