锚杆锚固技术是地下工程及边坡治理的重要支护手段，锚固质量的好坏关系着工程质量和安全，目前锚杆承载力的高精度智能检测是该领域面临的世界性难题，因此，本研究对保障地下工程安全等具有重要的理论意义和实用价值。 项目以模式识别、现代信息处理技术、智能控制理论为工具，建立与锚杆力学特性相关的声学特性理论模型，运用数值模拟方法计算锚杆处于不同受荷状态和工作状态下锚杆承载力分布特性和声波传播特性，研究了锚杆不同承载力与声波波场的响应关系；构建频率响应函数矩阵，利用基于主元分析的频响函数主成分提取，最后应用基于PSO-RBF神经网络完成锚杆锚固质量检测；提出了基于改进的三次多项式函数的锚杆承载力预测方法；对传统的灰色GM（1,1）模型进行了改进，建立了非等间距传统灰色GM(1，1)模型，完成了锚杆承载力预测；针对改进基于改进的三次多项式函数，非等间距灰色GM(1，1)模型、改进指数、改进指数-幂函数等得到的预测结果，使用D-S证据理论融合算法来实现多模型组合预测锚杆极限承载力。 2100433B

锚杆锚固技术是地下工程及边坡治理的重要支护手段，锚固质量的好坏关系着工程质量和安全，目前锚杆承载力的高精度智能检测是该领域面临的世界性难题，因此，本研究对保障地下工程安全等具有重要的理论意义和实用价值。.项目以模式识别、现代信息处理技术、智能控制理论为工具，建立与锚杆力学特性相关的声学特性理论模型，运用数值模拟方法计算锚杆处于不同受荷状态和工作状态下锚杆承载力分布特性和声波传播特性，研究锚杆不同承载力与声波波场的响应关系；研究锚杆承载条件下波场机理，选择表征锚杆-围岩结构系统的参数，利用蚁群算法辨识灰色模型参数，非间隔GM(1,1)灰色模型预测锚杆承载力；利用谱分析对锚杆受力的声波信号与激励信号进行处理，得到频率响应函数，求其特征值，以此作为神经网络的输入，提出基于多源信息融合的锚杆承载力预测方法，为建立锚杆承载力智能检测系统奠定理论基础。

电力负荷预测分为经典预测方法和现代预测方法 。

经典预测方法

趋势外推法

就是根据负荷的变化趋势对未来负荷情况作出预测。电力负荷虽然具有随机性和不确定性，但在一定条件下，仍存在着明显的变化趋势，例如农业用电，在气候条件变化较小的冬季，日用电量相对稳定，表现为较平稳的变化趋势。这种变化趋势可为线性或非线性，周期性或非周期性等等。

时间序列法

时间序列法是一种最为常见的短期负荷预测方法，它是针对整个观测序列呈现出的某种随机过程的特性，去建立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。它利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。

时间序列预测方法可分为确定型和随机性两类，确定型时间序列作为模型残差用于估计预测区间的大小。随机型时间序列预测模型可以看作一个线性滤波器。根据线性滤波器的特性，时间序列可划为自回归(AR)、动平均(MA)、自回归-动平均(ARMA)、累计式自回归-动平均(ARIMA)、传递函数(TF)几类模型，其负荷预测过程一般分为模型识别、模型参数估计、模型检验、负荷预测、精度检验预测值修正5个阶段。

回归分析法

回归分析法就是根据负荷过去的历史资料，建立可以分析的数学模型，对未来的负荷进行预测。利用数理统计中的回归分析方法，通过对变量的观测数据进行分析，确定变量之间的相互关系，从而实现预测。

现代负荷预测方法

20世纪80年代后期，一些基于新兴学科理论的现代预测方法逐渐得到了成功应用。这其中主要有灰色数学理论、专家系统方法、神经网络理论、模糊预测理论等 。

灰色数学理论

灰色数学理论是把负荷序列看作一真实的系统输出，它是众多影响因子的综合作用结果。这些众多因子的未知性和不确定性，成为系统的灰色特性。灰色系统理论把负荷序列通过生成变换，使其变化为有规律的生成数列再建模，用于负荷预测。

专家系统方法

专家系统方法是对于数据库里存放的过去几年的负荷数据和天气数据等进行细致的分析，汇集有经验的负荷预测人员的知识，提取有关规则。借助专家系统，负荷预测人员能识别预测日所属的类型，考虑天气因素对负荷预测的影响，按照一定的推理进行负荷预测。

神经网络理论

神经网络理论是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点；并且知识表达困难，难以充分利用调度人员经验中存在的模糊知识。

模糊负荷预测

模糊负荷预测是近几年比较热门的研究方向。

模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的，从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。

模糊预测的一些基本方法

(1)表格查寻法：

表格法是一种相对简单明了的算法。这个方法的基本思想是从已知输入--输出数据对中产生模糊规则，形成一个模糊规则库，最终的模糊逻辑系统将从组合模糊规则库中产生。

这是一种简单易行的易于理解的算法，因为它是个顺序生成过程，无需反复学习，因此，这个方法同样具有模糊系统优于神经网络系统的一大优点，即构造起来既简单又快速。

(2)基于神经网络集成的高木-关野模糊预测算法：

它是利用神经网络来求得条件部输入变量的联合隶属函数。结论部的函数f(X)也可以用神经网络来表示。神经网络均采用前向型的BP网络。

(3)改进的模糊神经网络模型的算法：

模糊神经网络即全局逼近器。模糊系统与神经网络似乎有着天然的联系，模糊神经网络在本质上是模糊系统的实现，就是将常规的神经网络(如前向反馈神经网络，HoPfield神经网络)赋予模糊输入信号和模糊权。

对于复杂的系统建模，已经有了许多方法，并已取得良好的应用效果。但主要缺点是模型精度不高，训练时间太长。此种方法的模型物理意义明显，精度高，收敛快，属于改进型算法。

(4)反向传播学习算法：

模糊逻辑系统应用主要在于它能够作为非线性系统的模型，包括含有人工操作员的非线性系统的模型。因此，从函数逼近意义上考虑，研究模糊逻辑系统的非线性映射能力显得非常重要。函数逼近就是模糊逻辑系统可以在任意精度上，一致逼近任何定义在一个致密集上的非线性函数，其优势在于它有能够系统而有效地利用语言信息的能力。万能逼近定理表明一定存在这样一个可以在任意精度逼近任意给定函数的高斯型模糊逻辑系统。反向传播BP学习算法用来确定高斯型模糊逻辑系统的参数，经过辨识的模型能够很好的逼近真实系统，进而达到提高预测精度的目的。

现有的空间负荷预测方法有几十种之多，若按照预测原理来分类，可分为用地仿真类空间负荷预测方法、负荷密度指标法、多元变量法及趋势类空间负荷预测方法;若根据预测过程是否可以写出解析表达式，可分为解析类预测方法和非解析类预测方法;若从确定元胞负荷与总量负荷的先后顺序来说，可分为自上而下的预测方法和自下而上的预测方法。具体分类情况如下：

（1）用地仿真类预测法：基于模糊逻辑技术的用地仿真法、基于粗糙集理论的用地仿真法、基于元胞自动机的用地仿真法、基于蚁群算法的用地仿真法基于负荷细分与SVM技术的用地仿真法、基于系统动力学与运输模型的用地仿真法、非均匀区域法、考虑不确定性因素的用地仿真法。

（2）负荷密度指标法：

传统方法：直观预测法(涂色法)、分类负荷平均密度指标法

智能算法：基于双层贝叶斯模型的负荷密度指标法、基于模糊理论的负荷密度指标法、基于AHP和TOPSIS的负荷密度指标法、基于ANFIS的负荷密度指标法、基于LS-S VM的负荷密度指标法。

发展曲线：基于VAI的负荷密度指标法、基于饱和密度与相对系数的负荷密度指标法、计及元胞属性及发展时序的负荷密度指标法。

（3）多元变量预测法：基于经济计量模型的方法

（4）趋势类预测法：

措施：元胞负荷转移招合法、负荷规律性分析、空区推论(或模板法)、 元胞负荷聚类分析。

外推算法：回归分析法、指数平滑法、增长速度法、生长曲线法、灰色理论法、马尔可夫法、灰色马尔可夫法。

水平受荷桩在港口码头、海洋采油平台和海上风机基础等构筑物中广泛应用，而且相当一部分位于粘土场地中。近五十年来，国内外研究者和工程人员对粘土中水平受荷桩的研究主要集中在单向水平荷载下的桩基响应方面。申请人前期的研究表明，砂土中的单桩在多向加载条件下的水平承载力要显著低于单向加载条件下的水平承载力，且存在荷载增量矢量与位移增量矢量非共轴等现象；而中硬粘土中水平受荷单桩的初步试验研究表明，在多向循环加载路径下的水平承载力退化更为显著。本项目将对粘土中水平多向受荷桩的工作性状进行较系统的研究：（1）通过室内模型试验，研究多向加载路径对软粘土和硬粘土中桩基水平承载力和桩身响应的影响，及水平多向循环加载路径下的承载力退化规律；（2）借助数值分析手段，进行水平多向荷载作用下粘土与桩相互作用的机理分析和参数研究；（3）建立并验证能描述在单调和循环水平多向荷载作用下，粘土与桩相互作用的弹塑性多向p-y模型。