软计算方法 篇1
实际中对油藏的精确计算是一个很困难的事情。这主要是由于对岩相空间分布和油藏物理特性的理解上存在偏差。由于这个原因, 多数油井的复采率相当低。基于传统的油藏描述方法存在不妥当之处而且效率低下, 讨论了下一代油藏描述技术—软计算。
在现代油藏处理中, 油藏描述扮演着重要的角色。恰当的油藏描述有助于我们作出合理的油藏开发决策, 同时也能够提高油气公司的经济效益。它能够最大程度整合多种常规数据和测井知识, 提高油藏预测的可靠性。对油藏描述的不精确性和不确定性而言, 最终的结果是一个具有一定误差的油藏模型。软计算的目标是充分利用这一误差来解决实际问题。
软计算是一个包含多种智能计算的概括性术语。它包括神经计算、模糊计算和进化计算。与传统计算和硬计算不同, 软计算对于不精确性、不确定性和部分真实性具有一个容忍度, 而且易处理、效率高、方便。在油藏描述中, 软计算用于从地震分布、测井数据和油藏映射中进行特征提取, 以进行不确定性分析、风险评估、数据融合等。软计算的主要目的是整合软数据 (如地质数据) 和硬数据 (如三维地震数据) , 以便建立一个油藏、地层学模型。在过去的数十年中, 某些方法 (如神经计算) 已经获得了广泛的应用, 但是软计算的真正优势在于不同方法的混合使用, 而不是孤立的应用。
利用3种主要的软计算方法—神经计算、模糊计算和进化计算各自的功能结合各种软计算方法, 总结了多种相关的、已经应用的油藏描述技术。最后介绍未来应用软计算发展方向-混合系统。这包括各种方法的混合 (例如, 神经-模糊、神经-遗传和神经-模糊-遗传) 和最新的软计算技术。
2 神经计算
2.1 概念
神经计算是应用人工神经网络来进行的普通计算。人工神经网络是一种试图模拟简单的生物学习过程和人类神经系统特定功能的计算模型。神经计算是一个自适应的, 并行的信息处理系统, 这一系统能够在对象与数值间实现联想, 转换或映射功能。
神经网络是生物神经系统的简单模型, 目前主要通过软件模拟实现[1]。神经网络的基本元素是神经元和连接权值。假设一个神经网络的拓扑结构表示神经元是如何连接的, 那么学习算法就是一个具有初始化数据和预先连接权值的模型, 该模型通过多次迭代生成一个最终的模型。神经网络的学习可以采取监督学习和非监督学习两种方式。监督学习需要一系列输入/输出数据模式 (或训练模式) , 而非监督学习只需要输入模式。
虽然神经网络不是人造大脑, 但神经网络这个名词已经足够说明它的功能。目前神经网络的许多功能已广泛应用, 这些行为实际上反应了真实大脑的一些功能, 而不像普通计算机一样只是执行程序。神经网络具有很强的自适应性和学习能力、非线性映射能力、鲁棒性和容错能力。
图1描绘了一个典型的神经网络结构, 有3个层次构成。直线表示神经元之间的连接方式。每一条直线上都有一个权值。在这个例子中, 输入数据依次经过每一层, 结果在输出层获得, 这就是熟悉的前向模型, 在这种模型中, 没有横向或反馈连接。
2.2 应用
神经计算在地质数据处理和解释、测井、油藏映射等方面都有广泛的应用。高质量的地震数据对于油藏结构的描述是必不可少的。地震数据的质量主要依赖数据处理的效率。
对于油藏描述来说, 神经网络通过对地震数据的处理获取油藏特性。例如吕晓光和李洁[1]在其神经网络方法在岩性识别中的应用一文中, 采用三层反向传播神经网络, 通过对测井数据中自然伽马、中子和密度进行训练来预测岩石的岩性。这是神经计算在解决地质学众多模式识别问题应用中的一个实例。该方法无需考虑计算的维数问题, 也无需统计知识, 因此该方法比普通的计算方法应用起来更方便, 也更灵活。
从三维分布中进行特征提取是一项很重要的工作。由于内在的复杂性和非线性, 许多传统的统计方法效果都不理想。Rogers应用神经网络找出了三维地震分布和测井之间的关系[2]。这一研究为测井地层映象提供了一个可行的方法。与常规的线性规划或动态规划方法相反, Rogers借助于神经网络采取交互方法, 从而较好地实现了特征提取和数据映射。
在过去的数十年中, 神经网络在测井中的应用已经相当普遍。Allen和J.R通过神经网络利用测井资料来预测油井的渗透率[3]。在这个应用中, 神经网络作为一个非线性回归工具用来充当测井和核心渗透率之间的桥梁作用。利用伽马射线测井曲线成功地完成Venture气田井间高渗透率带 (砂岩和粉砂岩段) 和低渗透率带 (页岩和灰岩段) 的对比研究, 通过一个有六个测井参数 (自然电位、伽马射线、密度、声波时差、中子空隙度和密度校正) 的训练集来训练网络。由网络提供一个测试曲线, 该曲线偏离标准越高, 预测的可靠性越低。这种方法预测模型也有许多优点, 在寻求地质物理属性之间复杂关系的处理上, 神经网络具有非线性处理能力, 无需事先给定模型, 更没有必要对输入变量做敏感性分析。同样的方法能够用来估计空隙度和流体饱和度。另外一个重要应用是用于岩相识别的测井聚类。对于提高参数估计的准确性来说, 这提供了非常有用的信息。
神经计算也可用于解决油藏映射问题。Wang和Wong[4]应用径向基神经网络把地质表面的分布与油藏空隙度联系起来。这能够把普通的, 由本地地质信息提供的油藏特性和模拟的特性融合起来。通过应用多维地震分布和地质映象, 能够产生三维物理特征模型。相比传统的两点地质统计方法, 这种方法颇具优越性。
在文献[5]中, 利用神经网络预测油井性能, 并通过注水的方法优化油井开采。他们构造好几个神经网络, 依据从周围油井获得的数据模拟单个油井的特性。训练网络用于预测未来的油井生产, 最终结果与实际数据相匹配。这项研究也产生了用最小的注入水量, 实现最优的油井开采。
3 模糊计算
3.1 概念
模糊逻辑是由Zadeh博士在1965年引入的。模糊是相对于精确而言的, 对于多因素的复杂状况, 模糊方法往往显示出更大的精确。模糊计算以模糊逻辑为基础, 抓住了人类思维中的模糊性特点, 以模仿人的模糊综合判断推理来处理模糊信息问题, 具有被人容易理解的表达能力。与经典集合要求一个元素要么属于一个集合要么不属于一个集合不同, 模糊逻辑由元素在每个集合中的隶属度表示。它模拟人类思维, 充分利用推理机制的能力, 恰当地处理在系统和误差中的不确定性。模糊逻辑最重要的意义在于模拟人类的思维方式, 而且这种方式比传统的数学逻辑工具更容易被人们所接受。
人脑可以理解由感知器官提供的不精确及不完整的传感信息。模糊集合理论提供了系统的、以语言表示这类信息的计算工具, 通过使用由隶属函数表示的语言变量, 它可以进行数值计算。选择合理的模糊规则是模糊推理系统的关键, 它可以有效地对特定应用领域中的人类专门知识进行建模。
模糊逻辑提供一个模拟复杂的, 非确切定义对象的新方法。模糊逻辑的主要概念是模糊“语言变量”的应用。在自然语言或混合语言中, “语言变量”是一个字或句子。这导致了模糊“IF-THEN”规则的使用, 在这一规则中, 前件和后件规则都是一个包含语言变量的命题。
图2表示用模糊如果-那么规则表示一个复杂函数[6]。在这个例子中, 规则被表示为一个设法覆盖曲线的“补丁”。规则越多, 曲线覆盖的越好。如果规则足够精确, 那么将不存在模糊, “补丁”也将在一个精确点消失。在油藏地质中, 大多数已观测的数据都是不精确、模糊的。因此, 对于解决多数油藏描述问题来说, 模糊逻辑都是一个很好的选择。
3.2 应用
近年来, 模糊逻辑已应用于油藏描述研究中。这主要是由于油藏地质是一个通常使用不确定、不精确、模糊变量描述的科学。模糊集理论有处理这些信息的能力, 并将它们和定量的观察结合起来。这方面的应用包括地震模型、地层学模型等。
吴晓莉和林哲辉[7]提出把模糊逻辑作为一个模式识别工具来进行岩性识别, 该方法围绕岩性的地质特性, 通过与神经网络相结合, 利用模糊C-均值聚类方法对岩石分类, 产生一个综合岩性分布图, 既有主观性, 又有模糊性。通过与已知的岩性特性相比较, 在综合岩性分布中引入了模糊逻辑。从而可以对某些岩石进行准确的岩性识别。
在文献[8]中, 作者应用模糊逻辑方法建立了葵花岛油田模糊逻辑储层流体识别模型, 并应用该模型对该油田内各井进行储层流体识别, 最后结合该油田油气水层及气层识别图版及模糊逻辑储层流体识别成果, 综合划分了该油田各井的有效厚度, 重新计算了原油天然气地质储量, 圆满完成了葵花岛油田的储量识别工作。
Fang和Chen应用模糊规则从5种岩石中预测空隙度和渗透率[9]。输入变量的5个输入参数分别是与相岩石相关的5种特性。通过模糊C-均值聚类首先把空隙度和渗透率分成几个聚类, 通过每一个规则的相关聚类特性产生模糊规则。每一个聚类产生一个具有5个输入状态的模糊IF-THEN规则。结合每个规则的结论, 通过用公式表示的规则作出预测。如果期望输出是一个数值, 那么可以利用去模糊化算法从一个模糊集中提取一个精确的输出。与传统的方法相比, 结果表明模糊模型给出了较好的结果。
4 进化计算
4.1 概念
进化计算是利用已知的生物进化机制原理而实现的计算。进化计算的算法有多种, 它们都是基于模拟单个个体进化的概念, 通过选择、变异、交叉和复制的方法实现的。进化计算中的一个主要算法是遗传算法 (GA) 。
遗传算法是基于自然选择和基因遗传学原理的搜索算法, 它将“优胜劣汰, 适者生存”的生物进化原理引入待优化参数形成的编码串群体中, 按照一定的适应值函数及一系列遗传操作对各个体进行筛选, 从而使适应值高的个体被保留下来, 组成新的群体。对于解决非线性、不连续的问题来说, GA算法是一个有效的全局优化方法。其他的优化方法, 例如模拟退火法、梯度下降法本质上都是局部优化方法, 通过迭代过程改进初始化模型。这些方法对初始模型有很强的依赖性, 易于陷入局部最小值。相反, 在遗传算法中, 不需要局部派生计算或矩阵转置, 因此这种方法对初始模型相对不太敏感。在合理的运行时间内, 可以应用这些算法。
遗传算法首先通过对给定参数进行编码, 这些编码称为染色体。然后随机产生一组串长为K的初始群体, 每一个染色体都通过一个适应度函数进行评估, 最优的双亲被复制, 应用遗传运算 (变异和交叉) 产生下一代, 新产生的子代再进行上述运算, 一直到获得最优解整个循环才中止。
象神经网络一样, GA也常用于参数优化。在文献[10中, 给出了进化计算在神经网络中的广泛应用。图3显示进化计算用于优化神经网络结构的一个简单实例。在这个图表中, 初始神经网络包括5个孤立的神经元 (图3 (a) ) , 为了把结构优化到一个合适的染色体形式, 进化计算产生一个复杂的、优化的结构。例如, 图3 (b) 显示一个具有前溃、反向、横向和循环连接的最终结构。同样, 进化计算有助于其他软计算技术实现更好的问题求解机制。
4.2 应用
用遗传算法优化神经网络, 主要包括3个方面:连接权的优化、网络结构的进化、学习规则的优化。遗传算法在地震学的应用上表现出极好的应用前景。还广泛应用于地球化学分析, 测井和地震解释中。在文献[11]中, 利用遗传算法优化神经网络的连接权值对测井数据进行渗透性预测。与传统的梯度下降法训练的网络相比, 遗传算法训练的网络产生的误差较小。然而, 遗传算法收敛的相当慢。这一技术也可以融合模糊推理, 从而形成一个神经-模糊-遗传混合系统。这样不仅可以提高人工神经网络收敛的速度, 而且可以获得比较满意的结果。
遗传算法的另一个重要特征是提取模糊规则的能力。然而, 当数据集太大时, 这又显得不切合实际。为了克服这一点, 近年出现了一种新的编码技术, 这种技术基于对生物DNA技术的理解, 统称为人工免疫技术。与传统的染色体技术不同, 这种染色体的长度可变, 而且插入或者删除一个染色体都很灵活。在文献[12]中, 采用一个混合神经-模糊-DNA系统模型用于从地震数据中进行知识提取, 把测井资料映射到地震数据中, 基于多维分布地震映射重新生成空隙度。
5 混合软计算
5.1 概念
与传统技术相比, 结果都显示出了智能技术的优越性。至此, 看到了神经计算、模糊逻辑和进化计算的主要功能。实际上它们各自的功能单一, 但彼此之间又是功能互补的。然而, 软计算的真正优势并不是利用单个智能技术, 而是将各种技术进行融合。
混合软计算是指在不精确和不确定的环境中综合使用多种智能算法来构成一个智能系统。构成软计算的3个主要元素是模糊逻辑、神经网络和进化计算, 其中模糊逻辑主要处理非精确性和进行近似推理, 神经网络使系统获得学习和适应的能力, 而进化计算中广为采用的遗传算法则提供进行随机搜索和优化的能力。如图4所示为混合软计算的几种方式。
在神经模糊混合方式中, 实现智能系统的关键是: (1) 如何用模糊系统原理来修正神经网络的参数及结构 (称之为模糊-神经系统) 。 (2) 如何用神经计算方法来调节模糊逻辑系统的行为 (称之为神经-模糊系统) 。在进化模糊混合方式中, 实现智能系统的关键是: (1) 如何用进化计算方法来生成和调节模糊逻辑系统的参数及行为规则。 (2) 如何用模糊逻辑规则来控制进化算法的算子及参数, 如:种群数目、交叉概率及变异概率等。在进化神经混合方式中, 实现智能系统的关键是:如何用进化算法进行神经网络学习参数及拓扑的优化。进化-神经-模糊三者的混合体可在功能上实现互补, 从而使智能系统的总体性能最佳。
5.2 应用
目前, 已经建立了许多混合软计算系统。在文献[13]中, 介绍一个应用模糊神经网络关于海底输油管道腐蚀检测系统预测的研究。在动态地层模型中, 在时间和空间上同时模拟几个过程是可能的。虽然用传统的数学方法可以模拟多个过程, 但是模拟物体表面腐蚀程度的变化通常是困难的。当处理几个独立的、复杂的参数时, 规格化地震参数也是一个复杂的问题。此外, 多数信息是定性的、不精确的, 它们不能直接进行数值处理。在该研究中, 成功地应用模糊神经网络模拟物体表面的腐蚀程度。由于将模糊逻辑与神经网络的优点相结合, 因此该方法有很强的学习能力和表达能力, 并可以提高对输油管道腐蚀程度的识别精度。
同样, 可以利用遗传算法优化模糊规则, 即从训练的神经网络中提取模糊规则等。尽管已经建立了一些混合系统, 但是这方面的研究还不成熟, 仍需要更进一步的努力。为了在智能油藏描述领域充分利用软计算, 混合系统设计和实现的目标是提高预测的精度和可靠性。同样, 混合系统应该包含少量用户定义的模型参数, 并且运行所耗时间尽可能少。混合系统未来的发展应该融合各种油藏地质方面的知识, 从数据类型中提取最大的用户信息量, 以便能够获得更合理的推断。
6 结语
回顾了用于解决各种油藏描述问题的多种软计算技术。这些软计算技术主要用于地震数据处理和解释、测井解释、油藏映射等, 并且都取得了比较满意的效果。混合软计算技术融合各种智能技术之长, 代表了软计算的发展方向, 目前还没有通过一种完美的方式展现出来。未来的研究将主要集中在混合软计算技术。
摘要：构成软计算方法的3个主要成分是神经计算、模糊计算和进化计算。其中神经网络使系统获得学习和适应的能力, 模糊逻辑主要处理非精确性和进行近似推理, 遗传算法则提供进行随机搜索和优化的能力。三者之间的混合体可在功能上实现互补, 从而使系统的总体性能最佳。软计算方法已在油藏描述领域引起关注和应用。研究资料表明, 软计算对于油藏数据的处理、油藏表征、地震反演、测井解释、油藏映射来说, 都是一个很好的选择。就不同软计算方法对油藏数据的处理进行了概述。为了提高对油藏数据的理解, 减少预测的不确定性, 未来的研究应主要集中在各种软计算方法的混合使用。
软计算方法 篇2
一软计算中的理性因素
软计算作为一种计算方法,理性思维是其计算的基本要素。从哲学层面上讲,理性是指人们在认识事物本质和规律时所运用的合乎逻辑的抽象性思维,主要表现为推理、判断等等,同时也是人区别于动物的最主要标志。如西方哲学第一人泰勒斯在提出“水是万物的本原”这一哲学原理时就充分运用了理性思维。可以说,古希腊哲学家正是运用理性思维开创了系统化的西方哲学体系,之后理性哲学也一直是西方哲学的主流哲学思想。理性不仅在哲学发展过程中起着不可忽视的作用,在科学的发现、发展以及优化过程中的作用同样不可忽视,人类理性以及通过理性所得出的科学知识是解决问题最有效的方法。软计算作为一种新型的计算方法,正是建立在理性基础之上并运用理性思维不断发展壮大,这表现在:
首先,硬计算具有强烈的理性主义色彩,软计算作为硬计算的发展方法也继承了其数学推理、精确计算等理性因素。其中,模糊计算、粗糙集以及遗传算法是软计算中提出较早、发展成熟并极具代表性的算法,同时也是软计算中理性因素的具体表现。
作为软计算成员之一模糊计算的提出主要是为了解决人工系统中存在的模糊性问题。其计算特点是用严格的数学计算分析模糊的系统信息,主要运用传统经典定量分析方法,是精确世界和模糊世界的桥梁,体现了软计算的理性特征。例如,扎德提出的关于“年轻”的模糊集的隶属函数: 以年龄为论域,取X = ( 0 - 200) ,则其隶属函数为:
由此可以得出,在软计算的计算过程中理性思维是其主要特征,而数理逻辑运算方法则是其理性思维的重要表现。“我们所知道的自然界及其秩序和规律,正是我们的心灵进行吸收和整理的产物,正是我们创造了关于宇宙的知识”。[1]科学发现就是理性活动,软计算的提出和应用正是研究者运用理性思维的结果。
遗传算法经过近几十年的发展,已逐渐成为现代数学优化方法的重要组成部分。遗传算法主要是对参数的编码进行操作,通过目标函数来设定最优解,因此,对问题本身的依赖性较小,而对数据分析能力则较强。遗传算法中常用的诸如变异、复制等概念均源于生物学遗传特征,由之而来的遗传算子显然具有数理逻辑层面上的理性特征。
再如,粗糙集作为软计算中处理不确定性问题的工具,其主要原理是基于集合数据间不可分辨性思想,通过已有的数据,经过属性约简和属性值约简等一系列数据操作生成规则,从而得出数据间的联系,识别出新的数据。这一优化过程不需要任何先验信息,对数据的分析完全是理性的。
由以上案例可以看出,软计算的每一组成部分都具有理性因素,理性思维是软计算提出和不断发展的基础。
其次,对真理的不断追求同样是理性思维的重要表现。软计算自提出到现在的不断进步和壮大,以及软计算中每一成员计算方式的不断优化,正是研究者运用理性思维从实用性角度考量的结果。这些研究者放弃之前只追求逻辑严密和精确计算的硬计算,而选择和发展更能够更好地解决实际问题的软计算。
科学理论的发展是一个渐进的过程,从硬计算到软计算也是人们认识转变的过程,同时软计算的提出也与科学发展的历史过程相对应。因此,只有不断增强科学理论的解谜能力才能更好地促进科学发展———软计算与硬计算相比在实际应用中范围更广,解决问题的能力更强,所以它是一种更加完善的数学优化理论。早在软计算提出之前,库恩在《科学革命的结构》一书中就提出了科学理论理性选择的标准,即精确性、一致性、广泛性、简单性和富有成果性,按照库恩的这五个标准,软计算在理性的分析计算方面有着传统计算无法比拟的优越性,可以获得更为广泛的应用。同时,软计算虽然在计算过程中加入了人的情感、意志和主观想象等非理性因素,但这些因素都是对理性的补充,它们并不能动摇理性思维在软计算中的决定性作用。虽然政治、权利等社会因素在科学体系的形成过程中起着重要作用,但并不代表科学知识是随意构造的,相反,“它完全是坚硬的,它丝毫都不奉承观察者的心愿或愿望,它完全能够提供决定性的意见来反驳与它行为不符合的假说,人能够影响的不是世界,而只是世界在某些方面的变化。”[2]
科学的发展是一个不断纠错的动态的过程,软计算作为一种科学的计算方法自提出以来便处于一个不断纠错的发展过程之中,不同科学家所提出的不同的计算模型正是通过运用理性在不断试错的过程中逐步准确和完善。以模拟退火算法为例,模拟退火算法作为软计算中应用较为广泛的一类算法,其关键在于对控制参数的终值确定,即对模拟退火停止准则的确定。最初,纳哈尔( Nahar) 等人提出用事先确定好的Markov链的个数或迭代次数作为停止准则,但这一算法最终解的质量与目标函数的相对误差较大。之后,一些研究者把渐进收敛性引入模拟退火算法当中,控制参数的终值随着参数t值的逐渐减小而缓慢进行。这一方法虽然取得了巨大进步,但只有当t值足够小时才可以得到高质量的最终解。这一弊端使得研究者必须另辟蹊径使得在模拟退火进程中可以得到一些近似解作为控制参数终值的标准。目前应用较为广泛的是以当前解的质量是否得到显著的连续性的提高为终值t的标准。在这一过程中同时出现兼顾CPU算法和最终解质量的算法。模拟退火发展至今虽然还存在一些弊端但一直处于不断优化的过程中,由此可以看出,真理虽然是客观的,但我们并不能获得绝对真理,只能不断逼近真理,科学的目标并不是发现绝对真理。软计算的计算目的并不是得出唯一的、绝对的计算方法,而是在实践的过程中不断得出最优化方法。
最后,随着软计算近年来的迅猛发展,软计算成员之间依据实际情况的融合运用也是软计算理性特征的表现,体现了理性内部普遍联系和相互融合的特性。正如扎德在创立软计算这一概念时就明确提出: “软计算内部的各种方法之间在求解问题的过程中是相互协作的……这将最终会形成一种综合的智能系统。”[3]如粗糙集和模糊集之间的取长补短形成了模糊粗糙集以及粗糙模糊集; 粗糙集和证据理论虽然研究方法不同,但证据理论中的信任函数和似然函数可以与粗糙集理论中的上、下近似集相融合,是工程应用中的重要突破。由此得出,软计算中各个成员之间依据实际情况相互融合,正是运用理性思维的结果。
科学并不是静止不变的,而是处于一个动态的历史发展过程,由硬计算到软计算的发展就是科学方法历史的、动态的转变。就软计算而言,它既不是纯粹理性的传统计算,更不是完全非理性的计算,而更倾向于理性主义的科学历史主义。在科学发现的过程中既包括逻辑推理,同样也包括科学家固有的经验事实和产生这种理论的历史背景。同时,科学家在通过观察获得新知识之后要对原有的信息进行修正,科学在此基础上才可以不断进步。软计算的提出和发展也是对原有理论不断修正的过程,是具有理性性质的。
二软计算中的非理性因素
非理性是与理性相联系、相对应的一组范畴,主要指除理性之外的情感、欲望、意志、信仰等等,人的主观意识、愿望、直觉、灵感从认识论角度来讲也属于非理性范畴。非理性在哲学上主要是指不自觉的、与理性思考相对应的一种心理形式,非理性主义建立在对理性主义批判的基础上,是对理性的反思。软计算作为一种新型的计算方法,其主要特点是在计算模型的提出和建立过程中加入人的情感、主观感觉和经验等非理性因素。同时,软计算中本身存在的随机性、不确定性也是非理性的重要表现。所以,非理性同样是软计算重要的哲学特征。
首先,软计算与硬计算的主要区别是,在纯数学推理的基础上融入了一些主观经验、个人情感等非理性的因素。神经计算、进化计算、粗糙集、情感计算作为软计算成员中极具代表性的计算方法,都在理性的基础上融入了一些非理性因素。
以软计算中应用广泛的模糊集理论为例,模糊集主要研究同一类中不同对象间的隶属关系,但是隶属关系的确定需要模型提出者的经验、情感、意志等非理性因素。模糊集的隶属函数这一关键步骤则主要利用科学家的知识背景和经验来确定,是人脑认知的反映。显然这不是根据逻辑推理所得出的结论,也不能解释得出结论的原因,不同的科学家由于个人因素不同会给出不同的模型,而且不同模型之间往往存在竞争,这也正是模糊计算中非理性因素的主要表现。“作为一种方法论,模糊集理论将非精确性和非理性融合进入了模型构造和问题求解的过程中。”[4]例如,模糊集中决定输出变量的两类方法: 预先设定法和根据输入/输出样本设定法。这两类设定法都融入了研究者的个人经验和情感因素,不同研究者所得出的结果会存在一些差异。可以得出,模糊集理论的计算过程体现了软计算中的非理性因素。同样,在神经网络中关于神经元激活函数的选取也取决于研究者的个人喜好; 在遗传算法中对于编码的选择以及遗传算子的取舍同样取决于科学家自身的教育和经历,是不能通过传统逻辑推理所得出的。证据理论中信任函数和似然函数的产生往往依赖于提出者的个人经验。所以说,软计算中的非理性因素体现在各个算法之中。
从科学史的发展过程来看,科学家个人的直觉和情感在理论的选择过程中起着重要的作用,“科学家进行理论选择的理由与科学家特有的经历和个性有关,甚至创新者的国籍、他们已有的声望以及他们的导师有时也能起到重要的作用。还有一种考虑可以使科学家改变原有的理论,其要点是个人的美感或适宜感,新理论比旧理论更精巧或更具美感———非理性的考虑有时却是决定性的”。[5]由此可以得出,不同科学家所持科学理论以及个人经历的不同,但有一点不容置疑,那就是非理性因素在软计算中的作用。所以说,非理性是软计算重要的哲学特征。
其次,软计算并不是纯粹的逻辑推理计算,在计算过程中需考虑实际因素的不确定性,不确定性也是软计算中非理性的主要表现。例如软计算中的情感计算主要是把情感因素融入计算方法中,文化基因计算则是把人类文化作为得出计算结果的因素。而情感和文化本身就是不确定因素,这是软计算中因实际因素融入非理性的重要表现。
从哲学层面上讲,情感是人对客观存在的一种特殊反映形式,也是人对于客观事物是否符合人的需要而产生的个体体验。明斯基( Minsky) 作为人工智能的奠基人,他在《思维的社会》一书中指出问题的关键并不在于智能机器是否具有情感而在于没有情感的机器如何称之为智能,明斯基认为智能机器本身就应该包含情感因素。之后皮卡德在《情感计算》一书中首次提出“情感计算”一词,情感计算主要指由情感引发,与情感有关或能够影响情感因素的计算。情感计算的目的在于赋予计算机理解和表达人类情感的能力,把计算延伸至人的内心世界,使得计算结果更全面,应用也更加人性化。
情感计算作为软计算中把实际不确定因素融入逻辑推理的重要表现,就是要使非理性的情感因素加入到逻辑计算之中,包括情感的主观体验和情感的外部表现,并用情感作为辅助手段帮助人工智能解决实际的计算问题。随着脑科学和神经科学的进一步发展,人类对情感有了更全面的认识。纽约大学的一项研究表明即使没有理性的参与情感也可以触发行为。而同时期的另一项发现表明,如果人脑中的情感通道受损,人类智力和认知能力不会降低但决策能力却严重受损,所以,在决策中情感因素必不可少甚至在某些情况下比理性本身更为重要。可以得出,在科学理论的发现过程中科学家的情感、灵感、顿悟等非理性因素起着不可忽视的作用。科学家正是通过这些灵感对理论进行猜想和反驳,促进了科学的发展。软计算正是在传统计算的基础上加入非理性因素,不仅解决了许多实际生活中的不确定性问题,更在此基础上促进了科学的发展,是计算史上的重大突破。
最后,软计算提出的大背景是人际交往中的自然语言,而人类自然语言的主要特征就是模糊性、不确定性。要想在这一大背景中解决实际问题,就必须对这些模糊性、不确定性进行考量。软计算之所以可以更好地解决这些不确定性问题就是考虑到了自然语言中本身存在的一些非理性因素。因为在日常生活中不只是语言在传递信息,人的情感、民族文化等因素也传递一些信息。任何微妙的情感变化都可能对科学发现产生重大影响,这就要求计算机不应该只是计算客观数据,更应该赋予计算机感知人类情感的能力,把人类感受也计算进去。在理性重构的过程中情感因素、文化因素对科学发现产生重大影响并在科学实践中发挥积极作用。可以看出,只有把诸如人类情感之类的非理性因素加入到传统计算之中才能最大程度保证计算的真实性、可靠性。虽然软计算中存在许多非理性因素,甚至是在一些关键步骤中融入非理性,但这并不能减弱软计算的实际作用,相反,正是由于这些因素的加入才使得软计算的应用更加广泛,可以解决传统计算所无法解决的不确定性问题,同时也肯定了非理性在科学发现和科学证明中的积极作用。
三软计算是理性与非理性的结合
事实上,对理性与非理性区别对待与严格划分只是人的思维中的理想状态,因为,在现实生活中,理性和非理性是无法完全割裂开的。人们在思维过程中往往会不自觉地同时运用到理性和非理性,它们共同构成了人的主观世界的全部内容。理性主义是西方哲学发展的基础和根基,而非理性主义则是对理性主义的挑战和补充。从科学哲学的发展历程来看,无论是早期的逻辑经验主义,还是之后的历史主义、后现代主义,其发展的客观脉络都是从简单性、纯粹理性到复杂性、理性与非理性融合的过程。而近几十年发展起来的软计算就是将理性与非理性结合起来的重要运用。
软计算作为许多方法的集合,其每一部分在传统理性的基础上都融入了非理性因素,软计算是理性与非理性的结合。计算机之父图灵在《机器能思维吗》一文中指出,一项没有道德的技术失之粗野,而没有技术支持的道德则只能流于空谈。“粗野”在于只信奉纯粹理性的力量会抑制人的非理性发展,“空谈”则在于脱离社会实际条件人的理性思维的发展就会陷入封闭与抽象。这并不是单纯的道德呼吁,而是提示着人类理性与非理性的必然联系。在科技与人文社会矛盾日益凸显的今天,由于脱离理性与非理性的关系,过分强调理性的作用,忽视人的情感、文化、信仰等非理性因素必然导致荒谬。人的存在、认识及实践活动无不在理性与非理性的关系之中。软计算正是对传统计算的突破,在计算问题越来越复杂的环境下,仅仅依靠传统逻辑计算已经不可能,软计算中不仅包含传统计算中的理性因素,并在此基础上融入了许多非理性因素,是理性与非理性的结合,也是解决科学技术困境的一种新方法。
一方面,软计算作为许多计算方法的集合,每一个计算方法都是理性与非理性的结合。例如,粗糙集的理论基础是从近似空间导出一对近似算子。目前研究者主要用构造化方法和公理化方法来定义这些近似集,但是这两种方法的侧重点是不同的。构造化方法探讨的往往是实际生活中存在的问题,所以研究者建立的模型往往注重实用价值而无法深刻体现近似集的代数性质,融入了研究者的个人情感以及价值取向,具有大量的非理性因素。而公理化方法则主要研究近似集的代数性质,是纯理性推理。由此可以得出,粗糙集作为软计算中的典型算法正是理性与非理性的结合。
同样,文化基因算法是软计算中发展较新的一种算法,是建立在模拟文化进化基础上的一种优化算法。文化基因算法中的初始种群的选择和产生是随机的,研究者往往会利用优化问题的先验知识加入一些自己所认为的优秀个体。一些研究人员同时也会根据实际中所遇到的具体问题研究出新的优化算子,或者采取不同的结合方式,如与模拟退火、禁忌搜索相结合等等。不同的结合方式同样是研究者个人经验、意志的体现。同时,文化基因算法建立在遗传进化论的基础上,体现了数理逻辑的理性思维方法,所以是理性与非理性的结合。
在科学的发展过程中理性与非理性之间有一种“必要的张力”,在现实生活中,每一个科学发明或发现不可能只有纯粹的理性因素,科学家个人的情感、意志等非理性因素往往包含在科学发现的过程中。理论本身就具有价值负载,当人们的科学知识还不能解释所有的科学疑问时便会受到宗教、政治、心理等因素的影响从而改变信息背景。可以说,科学的绝对理性只是一种不切实际的臆想。科学既不是完全理性更不是完全非理性的而是理性与非理性的结合。软计算作为一种科学的计算方法同样是理性与非理性的结合。
另一方面,软计算作为人思维方式的产物其本身就是理性与非理性的结合,是理性与非理性相互作用的产物。人的认识就其本质而言是理性的,但人有社会性,会受到一系列非理性因素的影响。可以说,对于人的认识而言非理性可以起到一定的调节和补充作用,直觉、情感作为非理性的重要表现形式,很大程度上促进了理性认识的发展,许多著名的科学发现就是从直觉开始的。例如,元素周期表的发现者门捷列夫曾经从各个方面研究过元素及其化合物的各种联系,但都不得要领,真正发现元素周期律的想法在于门捷列夫一次毫不相干的灵感,即原子按原子量系统化的原则排列。正是这一天才的灵感促使了元素周期表的发现。其实,理性和非理性共同构成了人类精神实体的全部内容,二者缺一不可。从近几十年的发展过程来看,软计算之所以获得更快的发展和更广泛的应用,其主要原因在于结合了理性与非理性的双重因素。
总之,理性与非理性的结合是软计算重要的哲学内涵。同时,软计算也正是因为在传统计算的基础上融入了非理性因素才可以更好地解决实际生活中存在的不确定性问题。但目前尚没有建立起一套完整的关于软计算的理论体系,软计算还处于发展时期,其理论主要包括模糊逻辑、遗传算法、神经元网络、混沌理论、概率推理等。软计算已经在工程和非工程领域得到了广泛的应用并为人工智能提供新的发展思路。由于软计算既继承了传统硬计算中的理性因素,同时又加入了许多非理性因素,可以针对现实世界的复杂性,通过不确定性、不精确性以及近似表征等技术,将多种智能信息处理方法有机地结合在一起,互相取长补短,在解决实际工程问题中发挥重要作用。从科学哲学的角度探索软计算的哲学内涵,可以发现软计算正是由于融合了理性和非理性的双重因素才获得迅猛发展,同时这也弥补了软计算研究的一个空白。
参考文献
[1]波普尔.猜想与反驳[M].傅继重,等译.上海:上海译文出版社,2001.
[2]库恩.必要的张力:科学的传统与变革论文选[M].范岱年,等译.北京:北京大学出版社,2003.
[3]ZADEH L A.Fuzzy logic,neural networks,and soft computing[J].Communications of ACM,2994,37(3):77-84
[4]KAHRAMAN C.Fuzzy applications in industrial engineering[M].Berlin:Springer-Verlag,2006:1.
计算机的“软”肋 篇3
DOS只需要4MB内存就能运转如飞，到了XP就需要256MB内存，需要加载的程序代码翻了数十倍，功能虽然多了不少，可同时接踵而来的还有源源不断的漏洞和永远打不完的补丁。
其实麻烦还远不止这些。我家里有台爱普生几年前生产的照片打印机，在某一次给Windows 2000打补丁之后就罢工了，打印时而正常、时而乱码。说实话，我当时并没有意识到这是补丁惹的祸，直到我家的台式机在打补丁后出现同样故障。
这种倒霉事儿其实并不是第一次撞到，我的佳能扫描仪、三星录音笔等一些几年前的老产品都出现过类似问题，而且很多厂家在产品停产后往往也不再提供软件升级。现在我只好在电脑上另装了一套Windows 98，让老设备在老系统上继续转着，总不能随着Windows打补丁把我的设备都打废了吧！
在PC遇到故障的时候，我们喜欢骂微软来出出气，其实也不都是微软的错儿。因为现在很多新产品的驱动程序从一开始就包含了祸根，那些五花八门的应用程序就更不用说，错误多得数不过来。
家用和消费领域的IT厂商都喜欢追时髦，把“人性”、“快乐”、“生活”等五花八门的高帽子戴在“科技”的脑袋上，实际上这些蛮不错的理念在软件环节都打了水漂儿，让消费者找不着北。
对那些打着“企业计算”、“高端”招牌的后台计算和存储系统，我就更加担心了。如前所述，未来手机都将变得和现在的PC一样强大，那么后台系统需要支撑的终端数量将提高多少倍？无所不在的无线接入更将使这些应用变得实时而且复杂。
连那些简简单单的小程序都搞不定，编写高质量的复杂后台程序就更没有可能了。而开放源代码的流行，让任何二把刀的程序员都可以拼凑出复杂的后台应用软件，您可以想像这些软件有多么可怕吗？让整个企业的命运、甚至国家命脉和那些千疮百孔的软件绑在一起，实在让人放心不下。
过去十年，软件走入了错误百出的时代；再过十年，软件或许将走进一个失去人类信任的年代。软件始终是计算机的“软”肋。
计算机软考技巧 篇4
拿到试题，仔细看题，不要匆忙做答，尤其是有论文的，先要酝酿好，但是时间也要把握好。答题卡一定要边答边填涂，不要等到最后一起涂!万一没时间了，上午题就没分了! 不会的问题不要总是在想，只需要在卷上做个记号，如果有时间的话再回头看!不要因为捡芝麻而丢西瓜! 下午主观题，卷面整洁、清晰是最基本要求。想想看，老师批改那么多的试卷都要晕头转向了，再揣摩、猜测考生试卷上写的什么字，怎会有好心情?字写的不好没关系，但总得让老师看起来不费劲。做题时，碰到不会做或没把握的简答题、问答题，我们建议在卷子上写一些相关文字，能得一分算一分，得不到也不会有什么损失。对非常确定的题目大可不必多此一举，这有可能让老师没发现关键答题点，出现失分现象。
2.一遍搞定勿反复
上午题，争取一遍搞定，根据自己以往的经验和成功率来决定是否要检查一遍，因为有些考生第一遍准确率还高些，反到在第二遍检查的时候把对的改成错的，所以，自己要掂量好，是否要检查(对上午考试而言)。
3.不对答案
上午考试完成后，不要对答案，找个地方吃饭，中午休息一下，然后轻松对付下午的考试;如果考的不好，也没有时间沮丧或埋怨，更不要跟同学对答案，或打开书本查答案，这除了自讨苦吃外，对整个考试没有任何好处。考完一门后，应及时调整心态，以更饱满的精神投入到下一门考试中。
4.不交白卷，题题做答
下午考试题目可能有点难，不要急，你觉得难的地方，其它考生也觉得难，这个时候，不要放弃，或者交空白卷，运用自己的想像力，根据自己的理解来回答，尽量写满，阅卷老师会给你些辛苦分的。
5.交卷前检查
道路软基处治方法 篇5
公路建设定额造价管理工作, 对交通行业说, 是一项比较老的管理内容。在计划经济时代, 它是一项重中之重的管理内容。但随着市场经济的发展, 公路投资管理模式的多元化, 公路工程定额造价管理工作职能逐渐被削弱, 特别是一些社会投资、民间筹资、“四自”工程等项目, 其工程概预算不仔细、不及时, 工程决算不实际等问题已严重地影响到了工程建设质量和市场秩序。就如何适应市场经济的发展, 做好交通建设工程造价管理工作发表如下几点意见:
1 加强交通定额造价管理机构建设
要做好交通行业造价管理, 最重要的是要有一支胜任工作的定额造价管理队伍, 要充分发挥省厅定额造价管理机构的龙头作用, 带动地 (市) 交通局定额造价管理机构的发展。当前困扰交通工程造价管理队伍建设的重要问题:一是人员素质问题;二是定额造价管理工作经费问题。对于后者问题, 交通部虽然明确公路建设定额管理费为0.17%计列, 但鉴于部分业主的思想问题, 这一部分经费是很难到交通建设定额造价管理机构身上。如按国家行政事业收费政策, 目前物价部门批准我们地 (市) 交通定额站只能向施工单位按建设工作量的0.45‰, 向设计单位按设计收入的0.18‰收取定额管理费。收费标准未含造价管理内容, 如按此标准收费, 地 (市) 级定额造价机构在当前工程建设的规模下, 一年有10万元收费是很困难的。故认为当前专业定额造价管理机构的正常工作经费问题是影响交通定额造价管理机构工作的重要问题, 这需要交通主管部门领导达成共识, 给造价管理机构增拨一定的造价管理工作经费, 切实解决造价管理机构的建设。
2 关于交通工程定额造价管理工作的侧重点问题
2.1 定额编制管理问题
以前, 劳动定额的测定, 工程定额编制的管理是工程定额管理机构的主要任务。但随着市场经济的发展, 随着公路建设质量要求越来越高, 当前许多公路工程概预算定额已不适应公路建设工程的实际。为解决公路工程预算定额适应公路建设发展的需要, 在当前专业定额造价管理机构人力不足的情况下, 可把定额制定工作作为项目下达到实力较强的施工企业去测定, 可以一个项目由多家施工单位去测定, 后由造价管理机构组织专家进行审定后作为国家或地区指导性工程造价的主要依据。作为施工企业的招投标报价, 主要还是以本企业的技术管理实力以合理低价为原则, 切实做到公路工程计量支付以合同条款为依据。
2.2 公路工程招投标标底的编制及审查
在当前, 交通建设主管部门及定额造价管理机构, 应该加强对造价工作的依法依合同管理工作。在市场经济尚未完全形成, 施工企业素质参差不齐的情况下, 标底在招投标管理中是一项重要的内容。标底太高, 必然造价过高。标底太低, 造成低价中标, 直接会影响到工程施工质量的控制, 同时影响到招投标工作的公正性, 故在现阶段定额造价管理机构必须强化标底审查这项工作, 对建设单位或建设单位委托中介机构编制的标底, 应审查其正确性、合理性、合法性及是否符合在新形势下工程质量对造价工作要求。
2.3 加强对公路工程计量支付工作的管理
造价管理部门要加强对工程实施阶段支付情况的中间检查。作为专业造价管理部门, 是代表国家的最具权威的专业管理队伍, 对工程实施过程中, 检查施工、监理、业主单位是否按投标价或合同依据进行合法的计量支付, 应是市场经济条件下造价管理部门的十分重要的职责。只有加强对工程计量支付的依法管理检查, 才能发现一些高估冒算的行为, 使造价过高的问题消灭在萌芽状态。
2.4 加强对工程决算的审查
加强对工程竣工验收的工程决算审查应是定额造价管理部门的重要职责。现在工程竣工审计往往是财务审计为主, 而财务人员往往是非公路工程专业人员, 对一些支付涉及公路工程专业技术上的问题不能很好地了解, 故公路定额造价管理部门作为国家专业机构应对工程决算进行全面的检查确认。
2.5 仲裁工程造价争端
仲裁工程造价纠纷也是新时期下交通工程定额造价管理机构的一项重要工作。随着市场经济的发展, 施工、监理、建设单位在造价上的争议, 往往付诸于法律诉讼, 作为审判机关, 须委托一个公正权威的专业造价机构出具有结论作为它判决的依据。这是市场经济下面临的一个新的重要任务。
2.6 做好服务工作
开展服务工作, 如定期发布工程材料造价信息, 出台一些国家指导性造价管理办法, 也是造价管理部门服务于社会的一项任务。
城市快速道路软基处理方法 篇6
1 软土的工程特性以及危害
1.1 软土的工程特性
软土的特点与性质跟地基土的沉积年代、成层构造以及成因的类型均有着相当密切的关系。不同年代、不同成层以及成因的软土, 它的物理性质以及指标虽然有可能很接近, 但是若用作地基使用, 其快速道路的性质却有可能相差很远。
1.2 软土对工程的危害
我们知道软土作为快速道路的地基是相当不利的。因而, 要在软土地基上面进行地基施工, 必须要做好软土地基的处理。而处理软土地基的最终目的主要是为了将地基土的工程性质进行改善, 以达到满足工程对地基变形以及稳定的要求。包括地基土的变形特性的改善, 对其抗剪强度以及抗液化能力的提高, 将其他的不利的因素和影响进行消除等。
2 快速道路工程中软土地基的处理方法
2.1 方法一:强夯
强夯方法最适用于大孔隙疏松的碎石土、砂土及建筑垃圾, 也适用于低饱和度的粉土、素填土、湿陷性黄土和粘性土。不适用于淤泥类土及高饱和度的粘性土。是一种有效的松软地基加固方法。具有很大夯击能量, 加固到深度土层, 快速加固软土地基。
加固软土地基的作用主要: (1) 重锤撞击地面形成的强劲的冲击力, 在力 (波) 作用下传播到地基内, 使地基土的振动压密。 (2) 饱和土体内在冲击作用下, 产生强大的超静水压力, 水压力与总应力持平时, 土的强度系数为零。形成振动土发生液化, 加固粉细砂地基, 起密实和抗地震液化作用。 (3) 夯击时, 对饱和粘性土内残余超静孔隙水形成很大的压力, 夯击后随着超静孔隙水压力的消散, 动力固结效应, 使地基内土体产生压缩和密实。提高饱和粘性土的密实强度。 (4) 夯击结束后, 时间久, 饱和粘性土触变效应更明显, 逐渐地增大饱和粘性土的强度系数。
强夯方法的加固效果的作用是提高地基承载力, 地基深层得到改善, 对软土地基消除液化、除湿陷性的缺陷, 减少地基沉降量。强夯法的优点是: (1) 使用设备简单, 现场操作工艺, 快速加固。 (2) 适应范围广, 适用性好。 (3) 人员配置少, 快速施工。 (4) 节约材料。缺点是: (1) 振动大, 噪音高, 对于密集居民区难以使用。对周围环境的影响研究不透切。 (2) 强夯方法不够完善, 试夯确定强夯参数。
2.2 方法二:换土垫层
顾名思义是换填土法。简单而言就是先处理原有基底范围下的软弱土, 挖掉置放到别处。后分层换填, 选用性能稳定、强度大、压缩性小的材料, 夯压实达到要求的密实度, 作为地基的持力层。材料选用以砂、灰土、碎石、矿渣、石渣和素土等强度较高, 透水性强为主。根据软土地基实际情况和主要作用, 把垫层分为换土、排水和加筋土垫层等。垫层对软土地基的作用: (1) 提高地基持力层承载力。降低沉降量。 (2) 软弱土层加速排水固结, 防止冻胀。 (3) 遏制膨胀土的胀缩对地基产生的影响。优点:较短的工期、简单的工艺、造价比较适中。
施工时, 换土垫层关键工序是对碎石土的碾压厚度、密实度的检测, 抛填时, 筛选石料和碾压顺序等。换土垫层只能改善浅层地基强度、变形性质和应力场应变, 因此对于荷载较大的运输工具而言就显得力不从心。需要与其它方法联合使用。
2.3 方法三:排水预压
砂井堆载预压对于透水性小的饱和的粘性土地基是有效方法。原理是加速粘性土中孔隙水的排出, 挤紧土颗粒加快固结, 提高粘性土强度的目的。采用砂井上部铺设砂垫层预压时间可以缩短, 构成砂井与砂垫层的地基排水系统, 填土荷载的压实, 粘性土加速排水固结, 这种效果比较实用。应用填土使软土自然沉降排水固结。这种方法在工期不紧, 运用堆载预压或超载预压, 分期加压逐渐填筑, 可以达到预期的路基标高, 最实惠的方法。缺点是预压期要半年至一年, 项目未经批准难以提早施工。
砂井堆载预压施加荷载时, 严格控制$11D载速率, 防止地基侧向变形失稳破坏。砂井堆载预压可以改进方法: (1) 采用真空预压法可减少工程量与节省造价。 (2) 袋装砂井可节省材料, 尤其砂料可以节省几倍, 避免砂井出现空隙而紧缩, 加快进度, 提高过程质量。 (3) 塑料排水带, 减小投资与工期。
2.4 方法四:深层搅拌
作为一种新型地基处理方法, 适用的范围比较广, 一般含水量较高地基承载力标准值≤120 k Pa的粘性土地基 (淤泥、龄铌质土、高饱和度的粉土) 。搅拌材料以水泥、石灰等作为固化剂的主剂, 机械搅拌深层强制搅拌软土和固化剂混合, 使固化剂和软土混合后产生物理、化学反应, 软土混合硬结成具有稳定性、水稳性, 并达到一定强度的优质地基。施工工艺利用水泥、石灰作为固化剂, 不断加速回转的中心轴端, 喷出浆体或粉体, 融于四周被搅拌松的土中, 经过搅拌的混合物硬化而成柱。达到软土地基承载力和减少沉降量, 边坡稳定性得到提高。优点:施工时无噪音、无污染, 不会对周围环境及建筑物产生影响, 特别对桥的两端软土地基路段效果显著。
2.5 方法五:振冲碎石桩
碎石置换置部分软土是通过振冲置换, 构成碎石与原地部分基土的复合地基, 复合地基变形的碎石桩模量较大于软土, 加速地基软土的排水固结, 提高地基承载力。适用于处理不排水抗剪强度较大的 (粘土、粉土、砂土、饱和黄土) 和人工填土地基。振冲碎石桩以三角形或正方形平面布桩体, 加固后的地基属于复合地基。从来强度看, 较高时, 振冲法加固效果优。强度<30 k Pa时, 加固效果就较差。原因是振密强度低, 软土难以排水固结, 或比较缓慢。
2.6 方法六:化学加固
应用水泥或其它化学材料加入软土地基, 处理软土地基的方法称为化学加固法。适用范围淤泥质粘土、粉质粘土、粘土、粉土、砂土和一般人工填土, 还可以应用在裂隙岩体的处理, 已有构筑物地基加强中。注入土体后, 产生化学反应, 水泥或化学材料吸收土中部分水, 水反应后形成空气被挤出地面, 使软土地基形成复合地基具有较高承载力。
常用材料如下: (1) 高标号的硅酸盐水泥与水灰之比1∶1, 水泥浆液掺入速凝剂或缓凝剂等外加剂, 调节水泥浆的性质。优点:配方简单, 充足材料, 价格低廉对环境无污染。 (2) 主剂为水玻璃的浆液, 掺入酸性固化剂, 可以形成凝胶。 (3) 主剂为丙烯酰胺的浆液, 状态在水溶液时注入地基, 与土体发生反应聚合, 不溶于水具有弹性聚合体。 (4) “三废利用”的利用, 以废纸搅拌成纸浆为主的浆液, 源广价廉, 降低成本。根据地基土颗粒的大小、化学浆液的性状也有所不同。此外常用的软土地基处理方法, 还有压力灌浆法、高压旋喷桩、粉喷桩、注浆、水泥土搅拌法等。
3 快速道路施工工程软土地基施工的相关技术要点
对于软土地基除了要进行相关处理之外, 在施工过程中, 也要注意到其相关的施工技术要点。下面将以快速道路施工工程的相关进技术要点进行论述。
软土地基在快速道路施工里面属于路基中的地基层, 它对于工作的使用性能以及工程进展是否能够顺利进行, 起到直接的决定性。因而作为施工单位必须做好相关的技术措施, 以确保路基的稳定性, 将快速道路施工质量进一步提高。
3.1 排水系统与加压系统的相关问题
在进行施工过程中, 作为施工单位首先采取有效的措施以做到加快地基排水的固结;同时, 还要将地基中的水及时引出。而要将这方面的工作做好, 便需要确保排水系统能够畅通地进行工作。同时, 加压系统能够实现对土体的施压, 有效地实现地基的沉降与固结。
3.2 确定材料的配合比例
在进行快速道路施工过程里面, 作为工程师需要开展出一系列的实验工作, 而通过这些实验以分析软土基的强度以及稳定性, 继而将合理的材料配合比制定出来。进行施工时, 施工人员需要严格按照配合比做好材料调配工作, 以有效防止地基坑陷与鼓胀等问题的出现。
3.3 处理沉降的方法
地基沉降能够破坏路面的稳定结构, 是制约软土地基施工的关键问题。要想让这个问题得到充分的解决, 作为施工单位首先要对施工的条件以及环境做好具体的分析, 并在分析结果的基础上面采取管桩、石灰等等技术以实现沉降问题的解决。而生石灰自身具有良好的吸水性, 能够有效地将软土地基的抗裂能力以及抗震能力进一步增强和提高。而管桩技术则主要用在软土的厚层范围里, 在操作实施时, 要根据软土地基的实际情况选择具体相适应的管桩结构;而在进行管桩施工的时候, 则要采取预应力的管桩实施方法。而石灰技术, 指的是施工人员以相关的技术流程作为根据, 先将工程机械的软土进行清除, 再将生石灰进行填放, 然后再进行反复的碾压。
4 结语
在快速道路施工中, 软土地基对地基的稳定性有着直接的影响作用。所以, 在快速道路施工的过程里面, 首先要做到对地基情况的充分分析, 并根据结果选择与之相适应的软土地基施工措施, 以突破施工技术上面的难题。而对于这些问题, 我们均要认清路基里面存在的具体质量问题, 加强施工技术要点的控制工作, 以提高建筑工程项目的稳定性与安全性减少工程事故的发生。
参考文献
[1]任雪柏.杨错溅谈高速公路工程软土地基处理施工技术[J].建筑与装饰, 2006.
[2]龚晓南.地基处理新技术[M].陕西科学技术出版社, 2000.
[3]杨林德.软土工程施工技术与环境保护[M].人民交通出版社.
[4]李镜培.浅基础、深基础与地基处理[M].人民交通出版社.
软计算方法 篇7
并行组合扩频(Parallel Combinatory Spread Spectrum,PCSS)通信模式是从M-ary扩频通信模式演化而来的一种高效的扩频通信方法[1,2]。PCSS通过从M条扩频码中选取r条叠加后进行发送的方法,使得传输效率变为:
PCSS在接收端大多采用硬判决的解调方法,即对接收到的载波先进行载波解调再进行扩频码序列相关解调。先解调后解扩的模式使部分扩频码的关联信息丢失,增加了误码概率。
本文在传统硬判决解调模型基础上,推导出一种全新的QPSK软判决解调模型。该模型运用解调解扩同时进行的方式保留了扩频码序列的码元关联信息,提高了判决精度。同时,本文从欧氏距离和汉明距离的角度分析了判决精度提高的原因,并基于最小欧氏距离最大化的理念给出了一种QPSK最佳映射方法,使得该系统得到了理论推导和仿真实现上的双重可行性认定,具有重要意义。
2 QPSK调制并扩通信系统硬判决解调
对于PCSS的QPSK调制,硬判决等价于先解调再解扩,即对相关波形进行最大值判决从而检测出一组扩频码和序列中每一位的值后再乘以本地扩频码序列进行解扩处理[3]。这样的判决方式使得一组扩频码中码和码之间的关联信息损失,使得Eb/N0坐标下的误比特率曲线较软判决相差较多。
对于一组输入的波形样本,在进行载波同步以后分别乘以4种本地载波(QPSK而言)进行相干解调,取解调结果的相位最大值所对应的码元为当前扩频码序列的码元,如此反复。解调出的和序列码元分别乘以M条本地扩频码序列进行解扩运算,取其中相关值最大的r个扩频码序列作为逆映射的序列,得到对应信源信号。
3 QPSK调制并扩通信系统软判决解调
对于PCSS的QPSK调制,软判决等价于解调解扩同时进行[4]。这种判决方式不是在相干解调后立刻判断当前波形所对应的扩频码码元,而是对一组和序列整体进行相关解调。用来作为本地相干载波的波形也不在是QPSK对应的4个波形样本,而是经过所有可能的和序列样本调制后的载波形态。也就是说M选r并扩系统的和序列有多少种可能,软判决相干解调时就有多少个本地载波样本与其相关。下面给出该方式下软判决系统接收端框图。
图2中系统工作原理如下,对于接收到的波形信号,在载波同步,码元同步的前提下,与本地载波的4个波形样本(QPSK)进行相干解调。相干解调的结果并不进行最大值判决运算,而是把连续L位(L为一组扩频码和序列的长度)的相干检测结果送入Chip相关值寄存器,则该寄存器为4×L阶的相关值矩阵。以M=1 6,r=3的并扩通信系统为例,在不加入极性信息的情况下,扩频码和序列的总数为CMr=C316=560种,则对应上图中的PN码和序列表应为560×L阶矩阵。这560个和序列与k比特信源信号是一一对应的关系,其中k=log2(C316)向下取整。根据发送端和序列4值间与QPSK的4载波波形间的对应关系,只需在Chip相关值寄存器中根据P N码和序列表进行反向映射即可求出560个和序列与接收到的波形所对应的和序列的波形相关值。其中波形相关值最大值所对应的和序列经过逆映射后就能得到信源所发信息。
4 仿真及性能分析
对于M=16,r=3的并扩系统进行仿真,扩频码序列采用63位平衡Gold码序列条件下的硬判决和软判决系统横向对比。在Eb/N0坐标下的两系统误比特率曲线如图3所示:
图中星点虚线是软判决的误比特率曲线,方点实线是硬判决的误比特率曲线。在Eb/N0坐标下,两者存在较大的差距,并且随着Eb/N0的增加,这种差距还在不断扩大中。而造成这种差距的原因可由QPSK星座映射前后欧氏距离和汉明距离的改变所解释。
4.1 载波之间映射关系对Eb/N0坐标下误比特率的影响
对于QPSK星座映射而言,伪随机码序列的4个值3,1,-1,-3与Q P S K四个相位cos(ωt),sin(ωt)-cos(ωt),-sin(ωt)之间共有3种对应关系,这三种关系用星座如图4所示。
假设图4中的三种映射关系由左至右分别定为第一种、第二种、第三种映射方式,仿真结果表明,采用软判决方式解调且其他参数全不变的情况下,只改变这三种映射关系,其误比特率曲线如图5所示。
由图可见映射关系的变化会改变并行组合扩频系统软判决的误比特率。其中以星座映射图4中第二种映射关系的误比特率曲线为最佳。这一现象是多值信号进行正交调制后其汉明距离映射为欧氏距离时和序列间最小欧氏距离变大的原因所致。
4.2 序列最佳映射方法及其特性分析
从信号空间的角度看,调制实质上是把信号从信道编码后的汉明空间映射成调制后的欧氏空间,映射可以是线性的,也可以是非线性的,可以是一维的,也可以是多维的。
接收机译码准则(判决准则)符合多维通信系统中最小距离准则的接收机称为理想接收机。相关接收机就是理想接收机的一种,它是最小距离准则下的最佳接收机。对于并行组合扩频系统的软判决来说,也是运用了最小距离准则做为判决标准。软判决时各个扩频码序列之间的最小平方欧氏距离越远,则判决越准确[5,6]。
对于并行组合扩频系统而言,扩频码和序列之间的欧氏距离[7]可由公式(2)可得。
经仿真分析发现任意两条汉明距离小于的walsh码和序列或任意两条汉明距离小于的平衡Gold码和序列在对应码元不相等的位置上两个码元或为3和-1,或为-3和1,总是成对出现的[8,9]。
在把3和-1,-3和1放在超相关位置上时,最小欧氏距离将会最大化。由于采用相同幅值的载波信号时即载波函数到原点的欧氏距离都是D的情况下不同映射方法的最小欧氏距离之间可以直接进行比较。此时根据式平方欧式距离公式(2)计算可得:
基带和序列之间的最小平方欧氏距离为
而采用QPSK最佳映射方案时(超正交对应)和序列波形间的最小平方欧氏距离为
而采用最佳映射方案以外的映射方式时和序列波形间最小平方欧氏距离为
其中L为扩频码长度。
由于,所以采用最佳映射方案时误比特率曲线应该最好,基带次之,采用其他映射方案时的误比特率曲线最差。其仿真结果如图6所示。
可见最佳映射方案中信号间最小平方欧氏距离最大,判决时的误比特率最低;基带居中;而未采用最佳映射方案时最小平方欧氏距离最小,误比特率也最高。
5 结束语
本文所提出方法在接收端采用QPSK软判决相干解调时最小平方欧氏距离要大于基带和其他映射模式下的最小平方欧氏距离,而体现在误比特率上则是在Eb/N0坐标下最佳映射方案有着最低的误比特率。在误比特率为10-4时,最佳映射方案下QPSK软判决要比未采用最佳映射方案下QPSK软判决有3dB的增益。
摘要：传统的并行组合扩频(Parallel Combinatory Spread Spectrum,PCSS)通信系统大多采用硬判决的方式进行解调。本文针对并扩系统QPSK调制解调方法,提出了一种全新的QPSK软判决解调模型。对比传统的硬判决解调方式,该模型具有很高的解调准确性。本文从欧氏距离和汉明距离的角度分析了这种高准确性的缘由并由此提出了该解调模式下QPSK解调的最佳星座映射方法。
关键词：并行组合扩频,软判决,最佳映射,欧氏距离,汉明距离
参考文献
[1]ZHANG,T.,S.QIU AND S.GU.DSSS O-QPSK simulation and analysis in technology of ZigBee[C].in Control Conference(CCC),201029th Chinese.2010.
[2]LI,B.,L.GUO AND X.QI.Complex Position Code Parallel Combinatory Spread Spectrum Communication System with FEC Technique[C].in Communications and Mobile Computing,2009.CMC'09.WRI International Con-ference on.2009.
[3]BARRETT,M.J.Mutual Interference of QPSK and Spread Spectrum Signals[C].in Military Communications Conference-Communications-Computers:Teamed for the 90's,1986.MILCOM1986.IEEE.1986.
[4]MINGDUO,L.,L.HONGLEI AND G.LILI.Research of soft decision modulations based on parallel combinatory spread spectrum system[C].in Millimeter Waves(GSMM),20125th Global Symposium on.2012.
[5]李念,李胜华.一类四值相关的p元序列的研究[J].数学物理学报.2011,31A(3):620-627.
[6]高红涛等.多进制扩频系统性能分析与仿真[J].无线电工程.2007,(8):22-24.
[7]姜泉江,王勇,易克初.一种基于最小欧氏空间距离的PN码相位差估计方法[J].空间电子技术.2007,(1):34-38.
[8]李韵姣,叶凡,任俊彦.准循环LDPC码最小汉明距离的计算与校验矩阵的改善[J].微电子学与计算机.2010,27(6):118-121+127.
浅谈城市道路路基软基处理方法 篇8
1 简述软基
软土是淤泥质土和淤泥总称, 其主要涉及低承载能力、强压缩性、大含水量的少量腐殖质和淤泥沉淀物组成。这类物质压缩性高、抗剪能力低、稳定性和强度较差, 并且天然含水量较高。一旦软土地基抗剪强度不能够承载路面和填土重量, 就会出现不均匀沉降, 致使桥台损坏和路堤失稳, 严重影响道路路面整体稳定性, 交通也无法正常态通行。对软土危害、原因和表现形式处理不当, 会出现路基沉陷, 路面出现不规律起伏、路堤破坏, 还会威胁到人们的生命与财产安全。道路路基软基沉陷的因素主要包括两个方面: (1) 路堤处理不规范; (2) 地基处理不规范。所以, 在城市道路路基施工处理过程中, 需要选择恰当方法提升道路承载能力, 保证道路实用功能和质量, 从而促进城市道路实用安全。
2 判别和分析软土路基
2.1 分析软土路基成因
考虑土中含水量和成分, 路基干湿情况直接影响路基稳定性和强度。不但如此, 公路排水设施不合理、路基低或路面宽等都会造成排水不通畅问题, 造成生活污水和雨水的续存, 逐渐向路基里渗透, 软土自身稳定性较差, 二者综合影响导致路基软化。
2.2 判别软土地基
简单的判别软土路基方法弯沉测定法, 首先编号砼板块, 利用两台5.4米贝克曼梁、一台BZZ-100标准车, 双向来回检测车道。选择荷载最不占有优势地点的断缝旁和路面横缝作为检测点, 其中, 主测点置于板横缝前10厘米, 副测点就应该选在横缝后10厘米处, 弯沉情况应该精确进行测定。弯沉平均值可以显示出原结构负载能力和铺沥青之后, 路面反射裂缝所产生的机率及其严重程度。一般情况下, 影响原结构承载力因素是基层强度低、软土路基和板底脱空。所以, 可以采用“排除法”判断软土地基, 如果平均弯值处于20-45范围内, 需要采取压浆技术;如果平均弯值不小于45, 需要打裂压实砼板;处理后不小于45, 说明底层就是软土地基或者严重不符合要求。在这种情况下, 应及时挖除路面结构, 如果内侧道路路基的顶面弯沉, 结合路基天然含水量和干密度判定。
3 城市道路路基软基处理方法
3.1 排水固结基地表层
路基基地成为软土地基的最主要原因是路基表层含水量过高, 路基承载力严重下降, 所以, 需要对软土底基层排水凝固是解决这类问题的最直接的方式。软土表层的排水凝固方式需要配合要求非常高, 例如:填筑道路自身, 需要加大性能好的填筑物成分等。并且在填筑前, 预处理软土地基, 其包括加载处理, 将软土地基表层水分排除后, 降低了水含量, 充实了基底土体密实度, 承载力同时也会提高, 提高了道路使用性能。不同状态的软土地基分别采取不同排水工程技术, 其目的都是提高基底承载力。
3.2 深层搅拌法
将水泥或者是其他工程材料用作固化剂主剂, 在深层搅拌机中强制搅拌软土和固化剂, 并利用所产生的物化反应形成加固体。深层搅拌法主要有喷浆搅拌法和喷粉搅拌法, 而我国常用粉土、淤泥质土、淤泥加固的粘性土 (是指含水量大且地基承载力小于120k Pa) 。在处理侵蚀性的地下水和泥炭土, 需要预先进行试验, 确定其适用性能。
3.3 换填处理法
软土地基基本特性是承载力小, 不能够满足道路承压要求, 换填处理法是施工中较为常用的一种方法, 也可称为换土垫层技术。换土垫层是指去除深度差的地质土层, 填充并夯实坚硬质地的砂砾、中砂、粗砂、工业废料和石屑等, 改善软土地基硬度和强度, 从而满足道路施工基本施工条件。而换土垫层常用垫层主要有:无侵蚀性、稳定性良好的垫层, 砂卵石垫层、素煤渣垫层、土垫层、灰土、碎石垫层、砂垫层或矿渣垫层等, 从而提高浅层路基承载力, 加速软土层排水凝固, 减少沉降量等。除此之外, 施工人员需要充分考察施工现场条件, 选择合适的垫层物, 并科学施工。
3.4 改善施工性能和混凝土强度
混凝土是工程主材料, 工程质量的保证基础之一就是提高混凝土强度, 并切刀降低施工难度, 缩短工期等效益。需要再说生产混凝土过程中添加矿物掺合料, 改善混凝土性能。其中, 飞灰又称粉煤灰, 其收集与燃烧煤后形成烟气中的细灰, 其表面光滑成球形颗粒状, 因此, 可以与混凝土掺合使用, 减低材料内摩擦力, 具有润滑效果, 提高混凝土和易性。尤其是城市大型道路建设中, 可采用混凝土浇筑法, 并结合使用机械泵输送混凝土, 在其加入适量的粉煤灰, 由于混凝土可泵性的提高, 软土地基施工效率也明显提高。粉煤灰加入方法有外加法、超量取代法和等量取代法, 根据具体施工情况而定。并且为了加强软土地基施工效果, 在混凝土中还会加入化学外加剂, 例如:引气剂、减水剂等, 打开混凝土絮凝结构, 从而改善混凝土与外加物的流动性能。
混凝土骨料级配的改善是软土地基处理的常用方法。按照不同施工情况确定骨料级配, 一般情况下, 大型软土地基采用连续级配方法, 是指按照适当比例配比各个粒径下的骨料, 其混凝土和易性明显提高;小型软土地基混凝土浇筑工程, 采用的是间断级配组合方式, 提出多余骨料成分, 用细骨料补充粗骨料缝隙, 但由于软土地基需要机械振捣, 其不适合泵送形式下的混凝土施工中。
3.5 粉喷桩加固技术
粉喷桩加固技术确定在施工资料准备完毕后, 例如:室内配比试验报告、地质报告和土木试验报告等, 并结合停灰面高程、测量资料和原地面高程数据表设计粉喷桩位置图。在施工前需要整理场地, 现场位于地势低洼地段, 需要回填粘性土;如现场不能满足机械行走, 需要铺设碎石或砂土;如果土地表面过软, 需要采取一定措施避免机械失稳。
3.6 加载预压技术
加载预压技术处理使之在路基顶面加载等量或大于路面土方结构层, 从而达到固结沉降软土地基的效果, 获得路基稳定状态, 改善地基强度, 但是需要结合其他方法使用。考虑到工程经济效益和实用性, 有时会采用“多重”处理技术, 保证处理效果。
3.7 地基加筋技术
地基加筋技术处理是指土体和加筋材料形成垫层, 并逐步铺垫砂石和人工合成材料等, 构成地基受力层, 提升路基地基承载能力。
4 结束语
交通是连接城市和城市、城市和乡村的重要部分, 道路质量好坏直接影响人们的生产生活。如果因城市道路基础强度缺陷, 出现路基塌陷或沉降, 不但影响了交通, 还会延误施工, 影响施工单位信誉和形象。所以, 为了保证城市道路路基软基强度, 需要结合施工条件选择合理施工处理技术, 而不能简单地减少使用材料。随着技术水平的不断发展, 相关部门需要加强软土地基处理技术的加强和更新, 最大程度的发挥出道路工程使用性能。
参考文献
[1]沙泠.试论城市道路软土地基处理方法[J].中国新技术新产品, 2010 (10) :47.
[2]孙建超.城市道路软基分析处理技术研究[J].城市建设理论研究 (电子版) , 2011 (16) .
软计算方法 篇9
传感器在应用中通常存在信息耦合问题,例如车用或者机器人用力传感器[1,2],各个方向力之间存在维间信息耦合,影响了检测的准确度,因此信息解耦是传感器应用的关键技术[3]。对于传感信息耦合问题的处理,主要从以下两方面解决:一是从结构设计、制造工艺以及检测安装方法等方面进行优化设计或改进,但通常难度较大,有时效果不一定理想;二是采用软校正方法对传感器输出信号进行补偿与修正,它既能降低对传感器制造工艺的要求,又能获得较准确的测量结果,应用方便,是目前较热门的研究领域。下面介绍各种传感信息软解耦方法的原理和实现过程,并作深入的比较分析,以期对传感信息解耦方法有较为全面的认识,并找出可实时、准确解耦的方法。
2 通用传感信息耦合模型及信息解耦方法
若传感系统的待测主物理量x1受到其它因素x2,…,xn的影响,即存在相互的信息耦合,如要实现对物理量x1的准确检测,就至少需要有n个传感器,则该多传感系统的传感信息耦合模型,可用图1表示。
图1中,xi、Yi为传感系统输入、输出信号,Gii为传感器i的主通道模型,Gij为传感检测量xi耦合到传感检测量xj的通道模型,它表示传感检测量xi和传感输出Yj间的耦合关系。则输出Yi(1≤i≤n)由两部分构成,一部分是反映测量目标xi(1≤i≤n)的信号Yi1,另一部分是反映耦合量xj(1≤j≤n,j≠i)的信号Yi2,其耦合模型可由下式表示:
对存在信息耦合的传感系统,通过处理其输出Yi,并辨识各个耦合过程可提高传感系统的测量准确度,使测量结果Yi真实反映敏感检测量xi的变化,即使Yi(28)xi Gi'i,从而得到iY(28)f(x i)形式的传感模型,实现解耦。目前传感信息软解耦方法主要包括基于人工神经网络的方法[4～6]、基于传递函数矩阵分析的方法[7～10]、基于多尺度特征的插值解耦方法[11～13]等。
2.1 基于人工神经网络的解耦方法
对于一个线性传感系统,其耦合通道之间的线性关系可描述为:
式中,XRn为作用在传感系统上的输入列向量,YRm为传感系统输出列向量,CRnm为标定矩阵(本文仅讨论n(28)m的情况)。对式(2)的耦合模型,通过ln次线性无关的标定,利用最小二乘原理即可求解[14],但对于非线性系统,其解耦效果并不好,为此在实验标定的基础上,文献[4]引入神经网络方法进行解耦计算。
该神经网络解耦方法采用三层BP神经网络来描述多维信息耦合的传感系统,其模型如图2所示,它包括:输入层、隐层和输出层,同一层内各神经元互不相连,而每一层神经元都和相邻神经元相连,其连接权值决定了神经元之间的连接强度,改变权值或阈值就可改变神经网络输入与输出之间的映射关系。
在图2的BP神经网络模型中,模型输入向量为传感系统的输出向量U(28)Y,模型输出向量为传感系统的输入列向量F(28)X。由实验标定数据,经过BP神经网络的训练学习,就可用神经网络来完成非线性传感系统的解耦。但在BP神经网络的训练学习中,存在隐层节点数s难于选择的问题,在实际应用中,它主要通过反复实验的方法来确定最优或准最优的隐单元数。为解决这个问题,文献[6]选择RBF神经网络,利用正交最小二乘优选算法(OLS算法),通过设置学习误差变化率的阈值,实现了隐层节点数合理选择,获得良好的解耦计算效果。
基于人工神经网络的解耦方法对样本点的约束较少,泛化能力强,但它必须要有足够多的学习样本点才能保证解耦准确度,且在训练学习过程中,易陷入局部最小。
2.2 基于传递函数矩阵分析的解耦方法
基于传递函数矩阵分析的解耦方法,是将图1所示的耦合传感系统,用一个传递函数矩阵来表示其各通道的模型及其耦合特性,为:
利用传递函数矩阵G进行解耦的数学实质是:对表征传感器各主通道、耦合通道输入、输出关系的矩阵方程,进行求逆等运算,得到一个仅在主对角线上元素不为零,而其他元素均为零的传递矩阵。但是,直接求逆运算量通常很大,不实用。为此,学者们提出了多种基于传递函数矩阵分析的解耦计算方法[7～10],其基本原理是在多维传感系统的输出环节加上一个解耦补偿网络,如图3所示。此时,n变量解耦模型的输出可表示为:
变换(4)式,可得到:则n变量解耦模型的矩阵数学形式为:Y(28)FT(5)式中T是解耦矩阵,它为:
由图1的传感信息耦合模型(其矩阵数学形式为:Y=XG),加上解耦模型后,可得其数学表达形式为:F=YT-1=XGT-1(7)
则要实现全解耦补偿,必需有:G(28)T,由此,可得解耦模型各通道的数学函数为:
基于传递函数矩阵分析的解耦方法由传感系统模型即可实现系统的静动态联合解耦[8],解耦思路清晰明了。但实际应用中由于系统中测量误差、干扰的存在,以及辨识方法的局限性,使得到的系统模型往往不够准确,影响解耦准确度。为此,文献[15]在传递函数矩阵分析法基础上,应用小生境遗传算法,直接利用传感系统的标定数据求解并优化解耦网络,来避免传感系统的建模环节。
2.3 基于多尺度特征的插值解耦方法
插值解耦方法原理是利用实验标定的特性曲线,通过反复多次的一元函数插值,实现任意环境因素下多传感信息的数学建模,进而实现解耦计算[16],其解耦原理可用图4所示的四维空间耦合例来描述。
由于传感信息具有多尺度特征,为此文献[11～13]进一步根据传感信息的尺度特征,对多维空间耦合模型用不同的插值计算方法进行解耦。基于多尺度特征的插值解耦方法原理为:根据实验标定数据,求取各传感信息的分辩级mi(1in),并从中选择一个合适mi作为分辩阈值δ,则基于各环境因素组合下传感器的标定曲线,根据mj和δ,对非测量目标xj(j≠i,1jn),逐一采用不同插值方法进行解耦计算,最终得到Yi(28)f(x i)函数形式,实现解耦。其具体过程为:
对非测量目标xj,若其传感信息分辩级mj≥δ(表示该传感信息的尺度较窄、分辩级较粗大),解耦运算用准确度较低、运行速度较快的分段线性插值方法,公式如下:
若非测量目标xj的传感信息分辩级mj<δ,则采用如下准确度较高、运行速度相对较慢的Hermitte插值方法[17],进行解耦运算:
公式(9)、(10)中,l k(x j)、k(x j)、k(x j)为相应的插值基函数[11]。
基于多尺度特征的插值解耦方法,无需数学模型,仅通过插值基点,使用插值计算方法,即可实现多维空间耦合模型的解耦计算,具有收敛性、实时好的优点,并由分段插值计算,可保证高的解耦准确度。
3 传感信息解耦方法分析
由上述传感信息软解耦方法原理及其应用[4～13],并结合作者的相关研究,可得到如表1所示的各解耦方法特点。从表1可知,基于多尺度特征的插值解耦方法具有较好的比较优势,它具有准确度高、收敛性、实时好的优点,可适用于工业过程中复杂系统的在线解耦补偿,具有良好的应用前景。
基于多尺度特征的插值解耦方法,要实现对多传感信息的在线、高准确度解耦计算,可进一步开展以下几个方面的理论研究:
(1)传感系统优化设计及实验样本点的选择。对于一个复杂系统,使用基于多尺度特征的插值解耦方法进行计算,会存在标定实验数据过多,实验工作量过大的问题,因此需要对复杂系统的传感系统进行优化设计,并通过合理选择实验标定基点,来降低标定工作量。这可通过对传感信息的预处理及实验设计来实现,因为:(1)对复杂传感系统,各种变量间的相关程度不一,各种因素影响也不同,因此,由预处理可对系统进行降维处理,简化后续工作;(2)预处理分析可改进传感模型的结构而达到提高解耦准确度的效果;(3)在预处理的基础进行实验设计,可利用有限实验次数获得的实验数据,实现多传感信息系统特性曲线的标定,进而实现准确解耦。
(2)传感信息多尺度特征的准确、快速计算。传感系统多维耦合空间,是由不同尺度特征的多传感信息共同作用组成的。因此,可用尺度来实现对多维传感模型的划分,选择不同的插值方法,实现多传感信息解耦。从这个意义上看,传感信息多尺度特征的准确、快速计算会极大影响解耦准确度及实时性。
(3)传感解耦分辩阈值的自适应选取。合适的分辩阈值,可实现传感系统的准确、实时解耦。在分辩阈值的选择计算时,同时实现对解耦准确度和解耦时间的优化选择,其计算过程较复杂。而在实际应用中,解耦的准确度目标通常是可确定的,因此可用图5方法,在给定计算准确度目标下,以提高计算实时性为目的,进行解耦分辩阈值的优化选择。
从图5中可看出,分辩阈值自适应优化计算的关键是在多尺度解耦计算过程中,进行分辩阈值的优化选择,以实现在最快的速度下获得最优分辩阈值。
(4)分段三次样条插值在解耦中应用。三次样条插值法具有光滑性好、计算准确高的特点,但运算过程需要给出在连接点上一次或二次的偏导数,其插值约束条件高、计算量大[18]。在实际应用中,通常难于求取边界点一阶或二阶的偏导数,因此要在多维空间插值解耦算法中,应用分段三次样条插值方法,就必须对样条函数边界条件的求取方法进行改进,如用拉格朗日三点法,由域边附近的节点数据计算出边界节点处的一阶偏导数作为近似边界条件,或者直接结合多元Hakopian插值[19]对样条插值算法进行改进。
4 结语
软计算方法 篇10
关键词：大倾角工作面,冒顶,单向扶棚
一、概述
N107工作面为宝鸡秦源煤业有限公司北翼采区第四个工作面, 平均走向长1487m, 平均倾斜长度159m, 工作面平均倾角38°, 平均煤厚7m, 属大倾角倾斜工作面, 在工作面推采至730m处时, 发生冒顶事故, 工作面从38~62架顶部悬空最高处达5m, 最宽处约5m, 顶部漏煤417m3, 基本填满了58架以下工作空间, 事故总共处理了15个小班 (比计划少了6个小班) 。该事故对秦源煤业公司生产造成极大影响, 导致本月生产计划无法完成, 加大了公司全年任务指标完成难度, 造成经济损失约1040万元。
二、事故处理经过
N107工作面恢复生产以后, 材料道推进26m, 溜子道推进38m。10月4日中班工作面10~55架出现局部片帮, 宽度在0.6~1m左右, 10月4日夜班出现冒顶, 高度3~6m, 宽度2~5m, 属漏冒型冒顶事故。此次事故由于工作面采用了郑煤集团和华东机械厂联合制造的ZFG11500/23/38新型防倒支架, 事故发生时, 值班长迅速撤离人员, 没有造成人员伤亡, 工作面支护基本完好, 通风系统没有受到较大影响。事故发生后, 工区值班长立即上报公司调度室, 公司调度室值班人员及时报告给公司领导, 公司领导根据事故的情况启动顶板事故应急预案, 迅速召集技术人员, 制定以下措施:
1、煤机下滚筒停在第68架, 机身上下全断面用4m×1m菱形金属网封死。具体做法如下:采用三根DZ-315单体做骨架, 上端固定在支架侧护板侧, 用14#双股铁丝捆死在孔眼上, 下端固定在前溜槽上, 中间紧靠煤机机身, 再采用2根200mm的圆木做横梁, 一端钻进煤壁, 一端固定在支架立柱上, 全断面金属网封死, 彻底解决了大倾角工作面飞煤滚矸伤人的难题。
2、人员进入煤壁侧时, 采煤机、溜子必须停电闭锁, 清理好退路, 严格执行敲帮问顶制度后, 方可进入煤壁区作业。
3、人员进入煤壁区首先支护第62架以上有片帮掉顶危险的煤壁, 具体做法如下:全煤壁采用锚网支护, 锚杆采用φ18×2400左旋无纵筋螺纹钢锚杆, 锚杆间排距1000mm×1000mm, 托盘规格120mm×120mm×10mm。锚杆打设角度误差不大于5°, 间排距误差不大于50mm, 锚杆推到孔底, 孔深误差0~50mm。网采用3m×1m金属菱形网, 网压茬100~200mm, 联网采用不低于14#双股铁丝, 采用双排三角形扣连接, 联网间距不大于200mm。
4、从第62架向下清理溜槽上面浮煤, 通过滑行运到转载机上, 清理后, 紧接着扶单支棚, 扶棚方法如下:采用5m长11#工字钢撅顶, 一架一梁, 一梁一柱, 棚距中对中750mm, 采用3.15~3.5m单体, 工字钢靠煤壁侧一端放入已掏好的梁窝内, 紧靠煤壁扶3.15m单体, 另一端采用两道间隔1m的20mm连接环固定在支架伸缩梁上, 单体打设必须穿鞋, 穿鞋时挖好柱窝, 保持鞋和单体垂直;打设的单体必须迎山有劲, 迎山角度3°~5°, 单体用乳化泵打设, 打设后必须用双股14#铁丝将钢梁、单体分别捆扎到顶板上, 以防倒柱伤人。钢梁顶部用板皮、金属网瞒严。
5、割煤过程中, 采煤机司机要密切观察冒落区顶板情况, 以防冒落矸石伤人, 支架工要及时移架, 移架时严格执行“带压擦顶移架”, 移完架子后及时伸出前探梁和侧护板, 保证无空隙, 防止顶板漏煤。
6、几个创新点:掏梁窝时用手刨效率太低, 成形也差, 我们组织技术人员采用风镐前套120mm直径钻头, 加工成一个梁窝器, 现场使用效果不错, 缩短了施工周期;没有采用传统的一梁三柱扶棚办法, 梁一端采用20mm连接环固定在ZF1000/17/34支架伸缩梁上, 利用伸缩千斤顶可以自由的控制钢梁长度, 既节省了不少人力, 物力, 又解决了钢梁固定长度不能满足冒顶宽度变化较大难以支护完整的难题。
三、事故原因分析
1、工作面处于调面尾声, 顶部反复支撑, 造成顶煤破碎严重, 来压后散煤顺着42~46架漏下来, 抽空了上面的架子。是这次冒顶事故的主要原因。
2、N107工作面周期来压步距为12~15m, 自工作面恢复生产至今, N107工作面进入第二个来压周期, 造成煤壁区来压集中。同时此处煤层赋存紊乱, 节理发育, 是造成此次冒顶的重要原因。
3、因工作面防灭火需要, 大量向采空区灌注三相泡沫及黄泥浆, 由于工作面俯斜开采, 部分黄泥浆流向工作面, 工作面底板遇水后成胶泥状, 部分支架出现下陷, 初撑力达不到技术要求。是造成此次冒顶事故的第二个重要原因。
4、技术人员没有及时分析地质构造, 对矿压管理力度不够, 超前预控意识不强, 防范措施执行不到位, 是造成此次事故的第三个重要原因。
四、防治措施:
1、今后凡是工作面出现片帮现象, 技术人员要克服侥幸心理, 果断采取护帮措施, 及时穿料, 满网支护顶板, 严禁采用煤机强割的方式通过, 防止片帮事故进一步扩大。
2、进一步加强现场监督管理, 加大矿压监测、管理力度, 对支架支撑力重点监控, 保证支架支撑力, 防止顶板离层。进一步加强技术管理, 完善地质预测预报制度, 超前制定应对措施, 加强现场生产技术指导。
3、防止事故再次发生, 还需加强对工区技术人员的培训, 提高从业人员素质, 各级管理人员要经常深入一线, 使他们能经常了解到地质构造, 矿压, 支护等方面的技术, 及顶板管理的基础知识, 若能够认真检查分析工作面顶板情况, 严于把关, 做好安全管理, 就能很好地防止事故发生, 从而使生产稳定安全进行。
参考文献
[1]林世豪, 魏庆平.大倾角煤层冒顶机理分析及防范措施研究[J].龙岩学院学报, 2010, 5.