的准确剖析要求,以某型野战防空武器体系为研讨方针,从装甲车辆内部传感器的信息中提取了与侵彻深度相关的,包含车辆运动信息、空气动力参数、环境温度等,使用计算办法对这些数据进行了
得到了一系列与侵彻深度相关的特征特点和特点取值规模;使用神经网络算法对上述特征特点和特点取值规模进行练习,树立了依据数据发掘技能的混凝土侵彻深度猜测模型。
在实践工程使用中,使用该模型对混凝土侵彻深度进行了猜测,得到的猜测成果与实验测验成果具有较好的一致性。一起,使用该模型对某型野战防空武器体系进行了仿真剖析,其成果表明:该模型的猜测精度达到了工程使用要求。
现在,跟着计算机技能的不断开展,数据发掘技能在各个范畴得到了广泛使用,特别是在工程实践范畴中。
数据发掘技能可以从很多杂乱的数据中发现隐含在其间的、隐含联系和常识,以此为根底进行决议计划、猜测、推理等作业。本文所树立的依据数据发掘技能的混凝土侵彻深度猜测模型具有必定的推行使用价值。
混凝土结构是一种首要由水泥、骨料、水等组成的非均质多孔资料,其在实践工程中使用广泛,但因为混凝土具有显着的各向异性特征,使其在规划、施工进程中存在必定的困难,因而,混凝土结构的规划理论和施工技能是工程界遍及重视的问题。
现在,混凝土结构的规划办法首要有两种:一是依据实验数据和经历公式来进行规划;二是依据混凝土的强度、弹性模量等物理力学参数来进行规划。但无论是依据实验数据仍是经历公式进行规划,都需求花费很多的时刻和人力物力才干完结,并且很难保证其准确性。
跟着现代科技的飞速开展,计算机技能已在各个范畴得到了广泛使用。数据发掘技能作为一种有用的计算机数据剖析办法,现已被广泛使用于各种范畴。
在工程实践范畴中,数据发掘技能首要是使用计算学办法对很多杂乱的工程数据进行剖析处理,然后发现隐含在其间的、隐含联系和常识。其基本思想是将数据分为多个方针,然后再对这些方针进行剖析、归类,最终得到隐含在其间的常识和方式,用于辅导工程实践。
本文选用数据发掘技能中的计算剖析办法对与混凝土侵彻深度相关的多个数据源进行发掘处理,得到了与侵彻深度相关的一系列特征特点和特点取值规模,然后将这些特征特点和特点取值规模作为神经网络算法练习所需的输入变量。
混凝土作为一种多相复合资料,其结构中包含着很多的功能各异的资料和组成成分,这些资料和成分的参数因为具有不同的物理力学功能,对混凝土结构的力学功能会产生不同程度的影响。混凝土结构在侵彻必定深度后会产生损坏,这一进程是由侵彻速度决议的。
侵彻速度是混凝土结构损坏前侵彻体飞行速度与侵彻深度的比值,因而对侵彻体飞行速度的准确剖析就可以得到混凝土结构在侵彻深度内的损坏方式和程度。
从工程使用视点动身,为了可以准确猜测混凝土结构在侵彻深度内的损坏方式和程度,需求从侵彻体飞行速度、侵彻体厚度、混凝土强度三个方面来树立相应的猜测模型。经过对很多文献资料和实验数据进行收拾和剖析,得到了影响混凝土侵彻深度的首要要素。
这些影响要素分为两类:一类是与侵彻体飞行速度有关的要素,包含弹丸质量、弹丸速度、弹丸初速度、弹丸长度、弹丸直径以及弹丸空腔半径等;另一类是与侵彻体厚度有关的要素,包含弹丸质量、弹丸直径和弹丸空腔半径等。
为了进步混凝土结构侵彻深度猜测模型的准确性和可靠性,首要需求对这些影响要素进行预处理,然后使用计算办法对这些影响要素进行特征提取。
其间,选用主成分剖析办法对影响要素进行降维处理,可以将多个主成分归结为一个主成分,然后使主成分的维数大大下降。此外,还可以使用含糊聚类剖析办法对影响要素进行降维处理。
因为数据样本的不同,其含糊分类规范也不一样,因而选用含糊聚类剖析办法将影响要素划分红多个类。经过对混凝土侵彻深度影响要素的数据样本进行聚类剖析,得到了一系列与侵彻深度相关的特征特点和特点取值规模。
经过对影响要素进行特征提取,可以得到很多与侵彻深度有关的特征特点和特点取值规模,这些数据经清洗后进入到机器学习算法练习数据库中。
练习数据库是用于练习模型的根底,为了进步混凝土侵彻深度猜测模型的准确性和可靠性,需求在练习数据库中选取适宜的输入样本,并对练习集样本进行预处理,得到与侵彻深度相关的特征特点和特点取值规模。
为得到混凝土侵彻深度与多种参数之间的联系,选用了多种办法对混凝土实验数据进行了预处理,其间包含:归一化处理、均值处理、规范差处理、中值处理、最小值处理、方差剖析等。
为进步混凝土侵彻深度猜测模型的猜测精度,对上述预处理办法进行了归纳使用,具体做法为:
首要选用均值化办法将混凝土实验数据转换为规范正态分布;然后选用均值化办法将规范正态分布转换为混合正态分布;最终选用均值化办法将混合正态分布转换为混合高斯分布函数,以进步数据的可分性。
经过上述处理后,得到了一系列与混凝土侵彻深度相关的特征特点和特点取值规模。
对这些特征特点进行剖析,可以得到与混凝土侵彻深度相关的特征取值规模,即在不同侵彻深度下,混凝土侵彻的速度规模是不一样的,当侵彻速度添加时,混凝土的侵彻深度也随之添加;
混凝土的侵彻深度与侵彻深度所对应的特征取值规模之间具有必定的相关性,即跟着混凝土侵彻深度的添加,侵彻深度对应的特征取值规模也会随之添加,即当侵彻深度抵达某一临界值时,侵彻深度对应的特征取值规模将不再添加。
针对以上与混凝土侵彻深度相关的特征特点和特征取值规模,使用遗传算法、支撑向量机、 BP神经网络算法等多种机器学习办法对这一系列特征特点和特征取值规模进行练习。
因而,将支撑向量机算法、遗传算法、支撑向量回归办法与遗传神经网络办法作为神经网络模型的学习办法来练习混凝土侵彻深度猜测模型。
具体做法为:使用遗传算法对支撑向量机、支撑向量回归办法进行参数优化和网络模型优化;然后,使用遗传神经网络办法对混凝土侵彻深度猜测模型进行学习;最终,使用所树立的混凝土侵彻深度猜测模型对混凝土侵彻深度进行猜测。
实验成果表明:依据遗传神经网络办法树立的混凝土侵彻深度猜测模型的猜测精度高于选用支撑向量机办法树立的混凝土侵彻深度猜测模型。
在当时的工程实践中,混凝土侵彻深度猜测模型首要选用数据发掘技能中的相关规矩办法来进行练习,但因为混凝土侵彻深度猜测模型是对很多的实践数据进行处理、发掘和剖析后树立起来的,因而,该模型在猜测进程中也会遭到一些搅扰要素的影响。
并且在实践工程使用中,除了考虑到混凝土侵彻深度的猜测外,还需求考虑到各种外界要素对混凝土侵彻深度猜测模型的影响。
比方,实践工程中因为车辆振荡、空气阻力、车辆运动状况、环境温度等要素对混凝土侵彻深度的影响是杂乱多变的,并且这些影响要素之间往往是彼此相关和限制的,因而,在实践工程中树立混凝土侵彻深度猜测模型时,只是考虑某一个或几个影响要素是不行的。
针对上述问题,本文提出了一种依据数据发掘技能的混凝土侵彻深度猜测模型树立办法。该办法经过选用依据数据发掘技能的相关规矩算法对很多实践数据进行处理和发掘,并将处理后的数据作为练习样本进行神经网络算法练习,然后树立混凝土侵彻深度猜测模型。
使用该模型对某型野战防空武器体系进行了仿真剖析,并与实验测验成果进行了比较。成果表明:该猜测模型具有较高的猜测精度,达到了工程使用要求。
总归,数据发掘技能是一门触及多学科穿插交融的新式技能。跟着计算机技能、信息技能和人工智能技能等范畴研讨水平不断进步,数据发掘技能在工程实践范畴中得到了广泛使用和开展。
综上所述,本文在数据发掘技能的根底上,对混凝土侵彻深度的影响要素进行了剖析,提出了依据数据发掘技能的混凝土侵彻深度猜测模型。经过实践工程使用,验证了该猜测模型具有较高的猜测精度,可以满意工程使用要求。
本文所树立的混凝土侵彻深度猜测模型是在充分考虑影响混凝土侵彻深度要素的根底上树立的,经过该模型可以有用地猜测混凝土的侵彻深度,在实践工程使用中具有较大的推行价值。
但因为影响混凝土侵彻深度的要素很多,且各要素之间存在必定的相相联系,因而在进行混凝土侵彻深度猜测时,应该考虑各影响要素之间的彼此作用,并在此根底上树立混凝土侵彻深度猜测模型。
别的,因为影响混凝土侵彻深度的要素是多方面的,因而在猜测进程中,应该从多个视点对混凝土侵彻深度进行剖析和猜测。一起,因为混凝土侵彻深度受多种要素影响,因而在树立猜测模型时应充分考虑这些要素。
笔者信任,跟着计算机技能的不断开展和计算机算法的不断优化,数据发掘技能将会在工程实践中得到更广泛的使用,并为工程实践问题供给更高效、更准确的解决方案。
1.徐俊忠。数据发掘技能在反恐防暴中的使用。《武器学报》,2013,(8):1092-1093.
2.赵晓虹。依据决议计划树和支撑向量机的反恐防暴体系方针分类办法研讨。《军事指挥与操控》,2013,(4):66-67.
3.周立宏。依据神经网络的城市地铁归纳调度决议计划体系研讨。《我国科技论坛》,2011,(2):32-34.