简介:摘要:电网规划工作中,长期负荷预测方式属于一种有效的的组合计算方法,主要是依照某一个时间段中所产生的误差值进行计算,以该计算得出的数值进行预测和分析,从而有效确定权重的大小。但是这种负荷预测技术也存在一定的缺陷,即计算分析之后所得出的结果可能并不是最优化的预测数据。因此,为了有效保证权重系统可以得到具有代表性的预测数据,可以制定出不同的标准和规定来加以限制,有效提高整个负荷预测数据的精确度。
简介:摘要:混凝土碳化是指空气中的CO2气体与混凝土中的水化产物发生化学反应,生成中性化的化学成分,从而降低混凝土碱性水平。随着碳化龄期的增长,混凝土保护层可能被完全中性化,导致内部钢筋表面钝化模失稳破坏,钢筋失去保护,进而诱发钢筋锈蚀、保护层开裂等更为严重的耐久性问题。混凝土材料是影响混凝土碳化速率的内在因素。通过优化配置混凝土的水胶比、水泥用量、外加剂以及掺合料等,提高混凝土的密实度,减小内部连通孔隙率,从而降低CO2在混凝土中的扩散系数。其次,环境温度、湿度和CO2浓度等环境因素和混凝土应力状态是影响碳化的主要外部因素。研究表明,混凝土碳化速率随着温度和CO2浓度的增加而加快,相对湿度在50%左右时碳化速率最高,而相对湿度过高或过低均显著降低碳化速率。特别地,在遭受干湿交替作用时,碳化作用更为严重。混凝土受拉时,内部微裂缝扩展而加快碳化速率,在受压时内部孔隙和微裂缝闭合而减小碳化速率。特别在寒冷地区,混凝土结构还同时遭受冻融循环的作用,冻融损伤不仅劣化了混凝土的强度和整体性,而且降低了密实度并增大了CO2的扩散系数,两者共同作用往往导致更为严重的耐久性退甚至结构破坏。基于此,本篇文章对基于混凝土碳化过程的公路隧道衬砌寿命预测进行研究,以供参考。
简介:针对基坑监测数据存在非平稳、非线性等问题,本文采用了一种基于集合经验模态分解 ( EEMD ) 、粒子群 ( PSO ) 和支持向量机( SVM )预测模型。该模型利用 EEMD 将原始的基坑监测数据分解为代表发展趋势的趋势分量和一些平稳的波动分量,进而利用粒子群算法优化的支持向量机对各分量进行建模预测,最后对各预测分量进行叠加重构得到最终的预测结果。实验结果表明:相较与传统 的 SVM 、 PSO-SVM 预测模型, EEMD-PSO-SVM 预测模型能有效提高基坑变形的预测精度。