铁路路基沉降变形组合预测模型优化

由于传统灰色模型在预测波动性较大的数据时精度不高，提出一种改进的动态GM-Poisson-Markov组合预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进，通过原始序列的动态更新实现模型的参数更新，在此基础上与泊松曲线模型建立一种组合预测模型，并利用马尔科夫链进行残差修正，得到改进的动态GM-Poisson-Markov组合预测模型。利用汉巴南铁路路基沉降变形监测数据进行实例分析，将预测结果与泊松、灰色模型、非等间距无偏灰色模型以及组合模型预测结果进行对比分析，结果表明:模型对铁路软土路基沉降变形可取得较好预测效果，提高了预测精度与稳定性。     

张桑高速公路路基沉降预测方法研究

以张桑高速公路3个典型路基断面实测数据为研究对象,采用灰色GM(1,1)、Verhulst和非等时距UGM(1,1)三种模型对各断面的沉降数据进行了拟合及预测,根据计算结果确定了各阶段最适宜的预测模型并利用该模型对各断面的工后沉降进行了预测。结果表明,Verhulst灰色模型模拟和预测精度更高,适用于路基断面的中长期沉降预测,预测结果可为路基施工提供参考。     

基于小波降噪与最小二乘支持向量机的公路软基沉降预测模型

根据沉降数据的特性,以最小二乘支持向量机为核心技术构建预测模型,提出了一种路基沉降预测的新方法。由于测量误差不可避免,沉降数据通常含有噪声,不宜直接进行拟合,因此首先采用小波分析的方法对原始沉降数据进行降噪预处理,然后馈送到最小二乘支持向量机完成沉降预测。最后用某高速公路实测数据进行了实例分析,并与BP神经网络预测结果进行了对比,计算结果表明,小波分析结合支持向量机的模型有较好的预测精度,将该模型应用于公路软基沉降预测是可行的和值得研究的。     

基于神经网络实现的改进灰色组合预测及应用

针对GM（1，1）模型预测精度差的问题，采用马尔可夫链、残差数据正数化等多种方法修正残差．按等维新息的思路建立多个改进型GM（1，1）模型，并提出了基于神经网络实现的改进型灰色组合预测模型及预测算法。仿真分析表明，通过该模型可以寻求到多个改进型GM（1，1）模型预测值的最佳组合。     

灰色模型在路基沉降预测中的研究及应用

以湖南益马高速公路典型路基断面实测数据为研究对象,采用GM(1,1)和Verhulst两种灰色系统模型对沉降数据进行建模分析,得到不同维度下拟合公式的预测值及c值,并据此分析了预测精度以确定最佳维度;在最佳维度下计算了两种模型所得预测数据的拟合误差,进而确定了两种模型的适用预测时间。结果显示:在最佳维度7下,灰色模型GM(1,1)可用于路基沉降4个月内的预测;Verhulst模型可用于路基沉降14个月内的预测,其预测结果可为后续施工组织提供参考。     

基于实测沉降资料的路基沉降预测模型比较研究

该文基于实测沉降资料进行路基沉降预测,在龚帕斯成长曲线的基础上提出了皮尔曲线预测模型,并利用现有的各种预测模型对衡（阳）-枣（木铺）高速公路的路基沉降变化进行了预测分析,通过与实测沉降结果的比较,研究了各种不同路基沉降预测模型的特点和适用条件。     

灰色理论在高速公路软土地基沉降预测中的应用

运用灰色理论对高速公路软土地基沉降进行预测,建立不等时距的预测模型GM(1,1),采用后验差法对模型的可靠性进行检验,弥补等时距GM(1,1)模型的不足。同时,结合沿江高速公路常州段实测数据,进行计算机模拟,得出了预测模型,并与实测结果进行对比和分析,结果理想可靠,证明了该法的实用性。     

基于AGA-SVM公路软基沉降预测

由于公路沉降影响因素较多,加之沉降计算参数的变异性,很难通过理论方法准确算出任一时刻的沉降,因此根据已有沉降观察数据对之后沉降进行预测成为研究热点。支持向量机以其优异的非线性拟合及泛化能力被广泛运用于沉降预测,但是其沉降预测精度依赖于参数C、σ、ε的取值。因此采用自适应遗传算法对支持向量机主要参数寻优,建立了自适应遗传算法支持向量机(AGA-SVM)沉降预测模型,进一步提高了预测的精度。并以广东省兴(宁)汕(头)高速公路中某断面处部分沉降观测数据为训练样本,运用AGA-SVM预测模型对该路堤短期沉降进行预测,预测结果与实测数据吻合良好。     

公路地基沉降预测及其计算方法研究

为弥补公路路基沉降预测中各现有模型存在的不足,提出一种新的沉降预测模型,并给出了利用该模型进行沉降预测的解析方法和数值方法。分析了该模型的特点,说明了测量误差以及测点数对预测结果的影响。通过与其他预测方法的比较,该模型有明显的优势。结合工程实例验证了该模型的合理性,并指出解析方法在求解过程中会影响实测数据的权重,进而影响预测效果;而数值方法求解简单,方便实用,对测点数的多少要求不高,不影响实测数据的权重,预测精度较高。     

基于速率-沉降特征分析工后沉降预测方法适用性

以曲线拟合法为主,研究了预测模型的速率与沉降的特征,指出了Gompertz模型、Usher 模型等增长曲线预测工后沉降存在的不足,改进了二次三项式预测模型,提出了计算幂函数模型参数的简便方法.结合高速公路长期的工后观测资料,分析了常用方法的适用性和预测精度,并对工后沉降预测模型的选择提出了建议.     

沥青路面使用性能的非等时距灰色预测模型

目前常依据灰色理论在检测数据缺乏的条件下建立沥青路面使用性能指标的预测模型,但传统的等时距灰色模型仅适用于等时间间隔且累加生成具有明显指数规律的原始动态序列,而非等时距灰色模型能减少原始数据在检测时间上的限制,可以系统地利用原始数据。对等时距灰色模型进行了改进,建立了非等时距灰色模型。工程实例计算表明,非等时距灰色模型在沥青路面性能指标的预测方面较传统的等时距灰色模型具有更高的精度,更能符合工程实际的需要。     

BP神经网络和GM(1,1)灰色模型在公路客运量预测中的应用

在灰色预测的基础上,引入BP神经网络模型,建立了GM(1,1)和BP神经网络组合模型。此组合模型兼有灰色预测和BP神经网络预测的优点,模型既克服了原始数据少,数据波动性大对预测精度的影响,也增强了预测的自适应性。实例证明了组合模型的预测精度高于单独的GM(1,1)模型,可以用于公路客运量预测。     

基于Logistic曲线和Gompertz曲线的最优组合沉降预测模型及其应用

地基的全过程沉降量与时间呈S形曲线关系，可用Logistic模型和Gompertz模型较好地描述。根据I_ogistic曲线和Gompertz曲线的共性和个性，引用最优加权组合建模理论，以组合模型的对数误差平方和最小为目标函数来确定最优的加权系数，建立了最优加权几何平均组合沉降预测模型。通过工程实例，验证了该最优组合沉降预测模型的可行性。对比计算结果表明，最优组合沉降预测模型的精度不仅比Logistic模型和Gompertz模型的预测精度要高，而且可靠性也优于各个单一预测的模型，是地基沉降观测资料的一种有效分析方法。     

基于尺寸工程解决后座椅靠背装配问题

新车型开发总装过程中座椅靠背装配困难,靠背翻转中与侧围饰板干涉导致面套起皱。本文通过对相关零件尺寸调查,绘制尺寸链了解影响装配困难和翻转干涉的主要因素,包括功能尺寸、定位、公差分配,进而推导设计是否合理。通过实例的阐述,对尺寸工程在总装工艺工作中的应用有指导意义。     

装配尺寸链的应用分析

装配尺寸链的应用过程,实际上就是通过尺寸链的分析与计算确定零件制造公差、校核产品装配精度、处理零件加工质量和产品装配质量的过程。在各种不同条件下,只有对装配尺寸链采用不同的方法进行合理的分析和计算,才能既经济,又保证产品装配精度,达到提高产品质量和生产率的目的。     

伸缩臂式自装卸机构总体参数的优化设计

建立了伸缩臂式自装卸机械总体参数化设计的数学模型，以油缸受力最小为目标函数，满足最大纳向装卸角及尺寸２条件为约束条件，详述了结构优化设计过程，编制了优化计算软件。并以某型自装卸机械为优化设计计算，求得了机构最优参数。     

灰色系统理论在汽车齿轮寿命预测中的应用

探讨了利用灰色系统理论基于GM(1,1)模型拟合汽车齿轮可靠性寿命试验数据的方法,该灰色模型可以依据较少的试验数据预测出汽车齿轮寿命试验的后续数据。实例计算表明,模型的精度符合残差检验、后验差检验和关联度检验的要求,计算值与实际测量数值吻合程度较好,能够满足试验要求;将灰色系统理论用于产品的失效分析,可解决以往需通过大量试验才能确定的问题,节省了试验时间。     

移动交通检测系统中探测车的样本数量

基于各国移动交通检测系统中探测车样本数量问题的研究现状,分析了现有成果存在的不足。在考虑探测车速度、计算时间间隔、数据精度要求等因素基础上,针对交通流密度均匀分布和非均匀分布两种情况,利用数理统计方法建立了道路网上探测车样本数量的双层模型。结果表明:当计算时间间隔为5 min时,若道路网上交通流密度均匀分布,则探测车比例至少为5.0%;若道路网上交通流密度非均匀分布,则探测车比例至少为7.0%。     

岩体结构面粗糙度的分形计算

论文将分形几何理论运用到岩体结构面粗糙度的描述中,指出了以往粗糙度分形计算的不足:只是对某条曲线的分形计算,不能完全反映整个粗糙表面的几何形态。针对该问题,用一种能测量表面三维几何形状的测量仪,测得试样的表面形态,并引用立方体覆盖法,对试样结构面的表面形态进行了分形计算,所计算的分维数能反映整个结构面表面的粗糙情况。