高速公路边坡稳定性的模糊聚类分析

根据河南省洛阳一嵩县高速公路地勘资料,在分析地形、岩体、外在影响因素的基础上,采用模糊聚类分析的理论和方法,对公路沿线的边坡稳定性进行了评价,其计算结果与实际调查基本一致.研究表明,模糊聚类分析法合理实用,评判结果能反映实际情况,可作为有效评价高速公路边坡稳定性的方法之一.     

一种新型复合边坡稳定性预测模型及其应用

提供了一种将模糊层次综合评价法和K-Means聚类方法相结合的新型边坡稳定性预测模型计算方法,并将该复合边坡稳定性预测模型应用于20个边坡样本中,预测准确率达到100%,验证了该模型的可靠性和实用性。传统极限平衡法所计算出的安全系数大于1并不能完全保证边坡工程的稳定安全,该复合边坡稳定型分析模型能有效的克服单纯安全系数预测边坡稳定性的局限性,为边坡的稳定性评价提供了新思路。     

基于模糊相似聚类神经网络模型的公路边坡稳定性分析

边坡稳定性分析一直以来都是岩土工程中的核心问题之一,随着社会建设的不断发展,这一问题也变得越来越突出。当今,我国正处在快速发展阶段,各项基础设施建设正在如火如荼地开展,使得边坡稳定性问题变得越来越复杂。特别是高速公路的边坡稳定性,其重要性不言而喻。其工程地质环境复杂多变并受到多种因素的影响,致使人们亟需解决公路边坡稳定性中不太准确的评价问题。为了解决复杂公路边坡稳定性评价这一庞大的系统带来的困难,需要将各学科领域进行交叉融合,以期获得较准确的公路边坡稳定性评价方法。文中将模糊相似聚类模型引入到RBF神经网络中,建立公路边坡稳定性模糊相似聚类RBF神经网络模型,并将该模型应用于公路边坡稳定性评价与预测。研究表明,模糊相似聚类神经网络模型能够合理、可靠地评价公路边坡稳定性。通过各学科领域的交叉融合取得了良好的效果,进一步优化了边坡稳定性评价方法。     

基于GA模糊聚类的城市快速路交通流状态划分

采用基于遗传算法的模糊聚类划分城市快速路交通流状态,借助模糊相关度函数分析聚类结果的有效性,以寻找交通流状态的最佳分类数。遗传算法的引入,有效改善了传统模糊聚类对初始化敏感以及容易陷入局部最优解的问题。经上海市城市快速路实测数据验证,此算法对交通流状态的划分具有可行性,且聚类有效性分析能够合理确定交通流状态最佳分类数。上述研究成果可用于城市快速路交通信息发布、服务水平评价以及交通设施的控制与管理。     

基于两阶段K-means聚类的道路运行状况评价方法

为有效评价道路运行状况,通过分析车辆在行驶过程中运行状态的变化,研究了一种基于两阶段K-means聚类(TSKC)的道路运行状况评价方法.针对K-means聚类数选取的任意性和聚类中心选取的随机性问题,提出基于遍历的K-means聚类方法,采用类吸引度确定聚类数和初始中心,并以此为初始条件进行第二阶段K-means聚类,得到交通模式.提出模式吸引度、路段评价指数、分布均衡度,并用这些指标来评价路段交通运行状况.以北京市朝阳区北辰东路为例进行验证,结果表明,该方法比传统道路评价方法更细致、全面、直观地描绘了车辆状态的演变过程和交通模式的分布情况,具有良好的实用性.      

基于(SAGA-FCM)-PNN的交通状态判别方法研究

为了提高城市道路交通状态判别的正确性与稳定性,研究了一种基于遗传模拟退火算法改进的FCM算法与概率神经网络(PNN)结合的短时交通流状态判别方法.针对传统FCM算法会收敛到局部最优解的问题,利用遗传模拟退火算法对其进行改进,优化算法初始聚类中心;将已分类的数据分为训练集与测试集对概率神经网络(PNN)模型进行训练与测试,通过对径向基函数的扩展速度的优化提高PN N算法的准确性;并利用厦门市城市道路地磁检测数据对模型进行实例验证及性能分析.结果表明,文中方法能够有效的实现交通状态的判别,且能够得到全局最优解;同竞争神经网络模型、GRNN模型、SVM模型相比,文中模型的交通状态判别正确率分别提高2.1%,4.5%,2.7%,且具有更好的稳定性.      

基于投影寻踪的快速路交织区交通状态判别方法

为了准确判别城市快速路交织区的交通状态,实现交通控制策略的优化决策,基于投影寻踪模型与k-means聚类算法,研究了一种新的交通状态判别方法.以交通状态的量化分析为目标,考虑投影寻踪模型的特性,定义了交通状态系数;根据类内聚集度与异类间散度的分析,建立了聚类效果评价系数表达式;应用推导的改进式遗传算法,结合k-means聚类算法,计算获得最优投影方向与聚类中心;应用最优投影方向将新观测的交通流数据转化为交通状态系数,判定欧式距离最小的聚类中心,获得相对应的交通流状态.新方法克服了传统方法对专家经验的依赖性,解决了熵权法对小概率事件信息熵的过量估计问题,并改进了投影寻踪模型的聚类效果评价系数.仿真实验结果表明,新方法状态判别准确率为96.63%,较神经元网络和决策树算法分别提高了5.58% 和7.01%,能够准确判别交织区交通流状态.      

基于数据分布特征的城市道路拥堵判别算法改进

针对传统模糊c算法与阈值两种交通流状态划分方法的适用性不足,分析了交通流数据的分布特征,并在二维空间的城市道路以各状态离散性变化差异作为参考进行状态的划分,在FCM算法的基础上加入历史先验数据与后验概率进行初始聚类中心的优化,并以对不同维度数据之间变化关系与离散性更加敏感的马氏距离代替传统欧式距离进行改进,并在最终的结果单值化时不再采用整数使结果更加接近实际交通运行状况。并使用实验数据进行算法验证,判别结果与数据表现更加接近,验证了方法的稳定性与有效性。     

二分K-FCM结合算法在交通运行状态判别中的应用

正确判别交通运行状态是交通运营管理的理论依据。以高速公路交通状态判别为研究对象,综合考虑交通流三参数(流量、速度、占有率)的基础上,应用模糊C均值(FCM)与二分K均值结合算法对交通运行状态进行判别。首先,对交通数据集分布特征及交通运行状态特征进行分析,确定以V05~V85为最小欧氏距离判别的数据范围。其次,为解决算法收敛较慢及任意初始化质心对聚类结果的不良影响,对传统模糊C均值聚类算法进行了改进,将运行二分K均值算法的聚类结果矩阵作为FCM的初始聚类中心。经检验,改进的FCM可以有效减少算法迭代次数,得到的目标路段交通状态判别矩阵能较精准地划分高速公路不同的交通状态。     

基于K-means聚类方法的物流多配送中心选址优化研究

针对城市物流多配送中心选址过程中因素选取和方法融合研究方面存在的不足,提出先对备选配送中心进行聚类分析而后在各聚类单元内进行选址排序的思想方法。首先,建立物流多配送中心选址的评价指标体系,将语言变量值与梯形直觉模糊数相结合并应用模糊集成方法进行计算,进而得到各配送中心在准则指标下的集成综合评价值;其次,根据隶属度函数,将集成后的综合评价值拆分成3个分属性值,并将分属性值作为聚类过程的输入。然后,应用K-means方法计算多配送中心的聚类单元和确定初始聚类中心,并选取聚类单元均值作为新的聚类中心进行优化迭代计算,直到确定聚类中心位置,进而得到最终聚类结果。最后,应用TOPSIS方法计算各类中选址位置的评价值,排序选出配送中心选址位置。实例验证表明,所提方法得到的选址结果合理且优于其他选址方法,并可应用到多级物流配送网络的选址优化问题研究中。     

基于加速遗传算法的震区边坡稳定性可靠度分析

针对传统极限平衡理论的传统边坡安全度评价方法——中值安全系数法难以体现边坡工程的不确定性,本文基于随机概率分析的边坡稳定可靠度分析方法,充分考虑岩土体参数的均值及其变异性,采用的加速遗传算法计算边坡可靠度指标,并同时搜索最危险滑动面的算法,避免了遗传算法的嵌套,减少了计算量,从而极大的提高运算效率。结合湖南省对口支援四川理县灾后重建项目——理县至小金公路（理县段）k4＋040路堑边坡开展可靠度分析,计算结果表明,该边坡在普通工况条件下边坡安全系数为1.305,满足规范要求,其可靠度指标Pf=10.21%,稳定性较好;但对于该地可能出现的强震及降雨（工况3）,边坡安全系数分别为1.060,边坡基本处于极限平衡状态其可靠度指标Pf=5.87%,稳定性较差,在此基础上提出的加固优化方案,为今后类似工程提供参考。     

基于PCA-SVM的边坡稳定性预测模型研究

提出了一种基于主成分分析(PCA)和支持向量机(SVM)的边坡稳定性预测模型。首先分析了影响边坡稳定性的因素,采用主成分分析方法求取主成分;再将主成分作为输入对支持向量机进行训练,并利用遗传算法优化支持向量机参数;最后通过实例与常用寻参方法所得结果进行比较。结果表明,该法能减少输入变量维数,提高了边坡工程稳定性的预测精度。     

基于OBD数据的驾驶人出行模式挖掘

传统的出行模式研究通常依靠问卷调查分析驾驶人出行特征，所得结果易受调查数据主观性影响，针对此问题基于北京市域范围内2个月共计3 570辆私家车的车载诊断数据，对驾驶人的不同出行模式进行分析并建模。通过长期采集的车辆各项参数，采用基于密度峰值的聚类算法进行聚类，将不同的驾驶人分为高频出行者、通勤出行者、长距偶发出行者以及危险出行者，并从平均出行距离、出行频次、百公里危险驾驶行为次数和出行时段等多维度进行分析，反映驾驶人行为的变化性和规律性。根据聚类的结果，使用多维离散隐马尔可夫模型进行建模并完成测试。测试表明，所提出的算法对于驾驶人出行模式的识别具有较高的准确性，对于4种类型的出行者，平均识别率超过91%，最高识别率可达94.5%。      

基于谱聚类算法的城市路网动态分区研究

合理高效的路网分区是交通优化与控制的基础,为适应动态分区的原则并提高分区的效率和划分结果,以谱冈理论为基础结合谱聚类算法进行路网动态分区的研究。分析路网分区的原则并提出路网动态分区的模型框架,根据实时变化的交通流数据和道路交叉口的拓扑结构属性建立谱聚类的相似矩阵,给出结合谱聚类算法的路网分区步骤。通过实际数据验证了算法的实用性。结果表明运用该算法进行路网动态分区可以较好的体现交通流的变化特性,能够得到较为理想的分区结果。     

铁路集装箱空箱动态优化调度模型及求解算法

根据铁路集装箱空箱调度的业务优先原则,以最大限度地提高区域内空箱的利用率和减小空箱调度的成本为目标,建立了在一个计划期内的铁路集装箱空箱动态优化调度模型.综合运用优先等级法和遗传算法对模型进行求解,解决了在一个计划期内,如何最优化地对每个工作日的空箱进行区域性调度的问题.通过计算机仿真实验,并与现行的调度方法进行比较,证明了模型和算法的有效性.     

基于高斯混合分布的交通拥堵评价模型

为了客观、有效的评价交通拥堵的程度,采用速度指标作为反映交通流状态特征的关键变量,针对交通流速度变量存在混合分布的特点,建立了基于高斯混合分布的交通拥堵评价模型,并将EM算法运用于模型求解,通过对速度变量的聚类分析,以判别交通状态,评价交通拥堵程度.上海市快速高架路实测数据应用模型分析的结果表明:模型可以客观分析交通流...     

基于SOM神经网络的多工况驾驶风格识别

不同的驾驶员对车辆的各项性能可能有个性化地要求,因此有必要对驾驶风格的分类与识别问题进行研究。首先在驾驶模拟器上采集不同驾驶员在多工况下的数据,利用主成分分析法选取驾驶员在各个工况下的特征参数,SOM神经网络分别对起步、加速及制动工况下的驾驶数据进行了聚类分析,然后以驾驶风格聚类分析结果为基础,建立了基于SOM神经网络的驾驶风格识别系统,该系统可根据驾驶员驾驶历史数据来判断其驾驶风格,最后以某一温和型驾驶风格识别结果为例验证了系统的合理性。     

基于加权Kendall相关系数和序贯代理模型的有限元模型修正

为了提高桥梁结构有限元模型修正的效率和效果，提出基于加权Kendall相关系数和序贯代理模型的有限元模型修正方法。首先，建立基于目标响应误差和待修正设计参数灵敏度的加权Kendall相关系数指标，并采用凝聚层次聚类算法，合理确定待修正设计参数的数量和位置，保证待修正设计参数对目标响应具有合适的解耦能力；其次，为解决传统一次性代理模型法在构造代理模型过程中产生的欠采样或者过采样的问题，采用基于FLOLA-Voronoi通用序贯设计策略的序贯代理模型法，提高构造代理模型过程中试验设计样本的利用率和模型修正效率；最后，根据一座斜拉桥的静动力荷载试验数据进行有限元模型修正。结果表明：基于FLOLA-Voronoi算法的序贯代理模型能够合理地确定构造代理模型所需的样本数量和位置，使得在相同样本数量的情况下，序贯代理模型比一次性代理模型具有稍好的精度指标；采用加权Kendall相关系数指标的聚类方法可以得到具有合适解耦能力的待修正设计参数，使得修正前大误差目标响应的误差显著下降，小误差目标响应的误差基本都处于合理范围内，有效地降低了目标响应的整体误差；同时，有限元理论静动力响应与实测静动力响应的平均误差分别由5.56%、8.43%降低至1.87%、3.41%，并且相较于常规方法，修正精度更好，所提方法可以用于桥梁结构有限元模型修正，可得到准确的桥梁结构数值模型。     

基于FCM和组合神经网络的车牌汉字字符识别方法

提出了1种组合神经网络结构的车牌汉字识别方法,主要从特征选取和分类器设计2方面研究车牌汉字字符识别,识别系统由2层神经网络组成,应用FCM算法对汉字进行粗聚类,聚类结果作为后续网络的先验知识,产生网络训练目标,采用LVQ网络进行粗分类,通过BP网络进行细分类。该种分层结构缩减了待识别模式的搜索范围,克服了传统单层识别系统识别率不高和组合网络粗分类率低的缺点。实验结果显示,本方法的识别率高,识别效率较好。     

基于变尺度混沌优化算法的山体震裂缝多参数优势分组研究

以云南省牛栏江红石岩堰塞湖永久性整治工程为依托，采用基于变尺度混沌优化算法的山体震裂缝多参数优势分组方法，考虑山体震裂缝的走向，长度，宽度，深度，充填物性质和充填度6个重要参数，通过度量震裂缝之间的相似性建立目标函数，运用变尺度混沌优化算法搜索目标函数的最优解来确定聚类中心，对库区右岸王家坡潜在不稳定震裂山体上的82条震裂缝进行了研究。研究结果表明:运用此算法可以快速将具有多参数相似性的震裂缝划分为组，优化了传统的依据震裂缝的产状数据和现场调查资料定性分析的分组方法。通过对现场震裂缝资料反复核对，验证了计算方法的准确性。