基于MATLAB和ANSYS的大体积混凝土水化热效应分析

大体积混凝土水化热效应产生的温度场和应力场十分复杂,在施工过程中经常会因为内外温度差异产生有害裂缝。在有限元仿真过程中,选取的基于《大体积混凝土施工规范》(GB50496-2009)中规定的热学参数只适用于强度等级为C25~C40的低强度混凝土。对于大跨径桥梁中常用的高强度大体积混凝土,热学分析参数的选取是一个难点。为了解决这一问题,文章基于遗传算法,先确定温度场分析时的反演热学参数,建立目标适应度函数,然后针对ANSYS二次开发建立温度场反分析模型,最后研究在MATLAB中使用遗传算法工具箱调用ANSYS中保存的温度场数据,对比现场实测温度数据,反演得到混凝土的最大绝热升温系数、导温参数、导热系数和表面放热系数。用该方法对某高架桥大体积混凝土承台水化热效应进行反馈分析,结果表明,基于改进遗传算法反演参数有限元模型得到的温度场计算值与实测值误差在10%以下,结果吻合良好。     

基于遗传算法优化支持向量机的再生混凝土抗压强度预测模型

针对再生混凝土抗压强度预测问题,提出了一种基于遗传算法优化支持向量机(GA-SVM)的抗压强度预测模型。利用遗传算法对SVM的参数进行优化,并得到优化的SVM预测模型。仿真试验结果表明:与BP神经网络和传统SVM的预测结果相比,基于遗传算法优化支持向量机模型的预测精度更高。     

考虑不确定性影响的管内混凝土超声波速概率预测模型

为克服传统确定性预测模型无法合理考虑主客观不确定性因素影响所存在的缺陷,研究建立一种基于材料和时间因素的管内混凝土超声波波速概率预测模型。通过分析混凝土抗压强度和检测龄期对核心混凝土超声波波速的影响规律,在综合考虑上述影响因素的基础上,建立考虑不确定性影响的核心混凝土超声波波速预测模型表达式,进而结合贝叶斯理论和M-H(Metropolis-Hasting)算法确定了概率模型参数的后验分布信息,从而建立了核心混凝土超声波波速概率预测模型。并利用传统的确定性模型和超声波检测数据,验证了该模型的适用性。     

泊松曲线沉降预测模型的遗传优化及应用

建立了基于实数编码多子种群遗传算法(PPGA)的泊松沉降预测模型,用遗传算法来直接估计泊松模型的参数,编写了模型求解程序,并应用于工程实例进行计算分析。结果表明,预测模型具有良好的适应性,预测的精度较高,具有求解速度快,自动化程度高,通用性强等优点。     

BP神经网络在通道交通流预测中的应用探索

利用通道交通流参数在通道相邻路段的传动机理,分析上下游交通流特征参数的耦合关系,提出通道交通流预测技术,并基于传统数理方法建立交通流预测模型的局限性,提出神经网络模型。利用遗传算法不断优化网络权值,并通过改变网络隐含层节点数以及网络各层之间的转移函数提高网络模型的预测精度,实现通道下游交通流的实时预测。     

基于遗传算法和极限学习机的智能算法在基坑变形预测中的应用

为解决传统智能算法网络结构参数复杂、运算速度慢等问题,基于遗传算法和极限学习机构建基坑变形的新型优化智能预测模型。先利用皮尔逊相关系数评价不同影响因素与基坑沉降变形之间的相关性,以确定极限学习机的输入层; 再采用试算法确定最优激励函数和隐层节点数,并将遗传算法和极限学习机耦合,利用遗传算法优化极限学习机的初始权值和阈值,以提高预测精度。经实例检验表明： 1)开挖时间、开挖深度、土体抗剪参数及重度均与基坑沉降变形显著相关,为构建极限学习机输入层提供了依据; 2)在预测过程中,激励函数和隐层节点数对极限学习机的预测效果具有一定的影响,以Sigmiod型激励函数和13个隐层节点数的预测效果为最优; 3)通过遗传算法的优化,能进一步提高预测精度,验证了遗传算法的优化能力和有效性。预测模型在不同工况下的预测结果均较优,说明该模型具有较高的稳定性和可靠性。     

基于相空间重构和PSO-GPR的短时交通流预测

准确实时的短时交通流预测是智能交通诱导的关键.为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型.针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延迟时间和嵌入维数,进行相空间重构,获得与原始数据具有相同动态特性的更为合理的模型输入-输出数据集.利用粒子群算法改进传统高斯过程模型参数优化的不足,构建预测模型.以重构序列作为预测模型的训练集和测试集,实现短时交通流预测.采用北京市东四环快速路检测器实测数据对比分析模型预测效果.结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型能够有效提高短时交通流预测精度.      

轨道列车运行时间的线性预测模型与算法

为更加准确地预测城市轨道交通列车运行时间,建立列车运行时间改进线性预测模型.该模型基于正交函数和最小均方误差规则求解线性预测系数.采用不同长度的数据样本建立预测模型,分析数据样本长度和预测阶数对预测结果的影响,进而引入基于顺序迭代法的数据调整机制,提高模型系数计算的准确性.通过对比站间距离不等的情况下距离变换前后模型预测的准确性,分析了站间距离对预测精度的影响,进而引入站间距离的线性变换方法,提高模型的预测精度.结果表明,模型改进前后的平均预测精度分别为92.53%和95.43%,预测精度提高3.13%;提高预测阶数可小幅提高模型预测精度,模型的改进可明显提高运行时间的预测精度.将该模型应用于上海轨道交通2号线列车运行时间的预测,与列车运动模型相比,所提模型预测误差降低17.4%,验证了模型的实用性与准确性.      

基于改进GA-BP的模糊神经网络在高速公路交通量预测中的研究

科学准确预测运营期高速公路通行量能够对运营决策提供关键性支撑,同时,对高速公路路网建设规划、国民经济评价及投资效益分析也至关重要。人工神经网络算法能够映射高速公路交通量产生与变化的非线性和复杂性规律。为了提高传统BP网络高速公路交通量预测精度,提出了改进算法,通过遗传算法优化网络初始权重,引入峰值理论和模糊算法提高网络模型对较大流量的预测准确度;将优化算法应用于网络模型,建立了基于改进GA-BP的模糊神经网络高速公路交通量预测模型;模型应用于太原市绕城高速公路长风东收费站交通量预测,将预测值与实际统计值进行对比;应用结果验证了改进神经网络模型的有效性和准确性。     

基于GA-SVM的汽车追尾预测方法研究

提出了一种基于GA-SVM的汽车追尾预测方法.该方法选取行车间距、后车车速、前后车速差、汽车制动时间、制动减速度等5个因素作为预测模型的输入指标,选取追尾概率作为输出向量,通过建立SVM预测模型,并用GA进行参数优化,对汽车追尾概率进行预测.通过仿真值与预测值对比,证明了该方法的准确性.     

CO2排放、气候变化及其对混凝土结构开始腐蚀时间和时变可靠度评估的影响

基于改进的碳化深度预测模型,结合IPCC预测数据,研究了气候变化(CO2浓度)的规律及其对混凝土结构的碳化损伤影响.由于概率预测模型能够考虑环境、结构尺寸、保护层厚度和劣化机制的不确定性和变异性,提出了时变可靠度模型来计算混凝土结构在多种CO2排放策略作用下将来100年内的开始腐蚀概率.研究表明:在最高CO2排放策略下的开始腐蚀概率比其在最好CO2排放策略下高4.6倍;大多数混凝土结构在服役期存在碳化腐蚀损伤现象,将来需要大量的维修和维护工作;如果最高CO2排放策略在将来发生,混凝土保护层设计厚度需要提高3-15 mm以降低混凝土结构的开始腐蚀概率和减少腐蚀损伤.     

基于贝叶斯更新的斜拉桥施工过程索力预测

为提高大跨径预应力混凝土斜拉桥施工过程中斜拉索的过程索力预测精度,引入贝叶斯统计方法,提出基于贝叶斯更新的斜拉桥过程索力预测模型及计算方法,基于过程索力偏差样本数据库,利用MATLAB平台,迭代更新下阶段索力偏差,不断修正、提高预测精度,并将该方法应用于广东省均安特大桥(主跨250m的双塔预应力混凝土斜拉桥)中。结果表明:采用基于贝叶斯更新的斜拉索过程索力预测方法后,该桥斜拉索过程索力预测精度提高了36.34%～39.33%。该方法将传统统计学理论与斜拉桥建设过程索力预测相结合,为大跨径预应力混凝土斜拉桥施工过程索力预测提供了新的解决方案。     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.      

混凝土收缩徐变预测模型的分析比较

提高对混凝土收缩徐变的长期预测精度，是大跨度桥梁设计中要解决的一个关键问题。通过从模型建立的机理、影响因素的考虑、预测精度的比较以及通过短期试验确定预测模型中材料参数的可行性与可靠性等方面对常用的5种收缩徐变模型进行了比较，得出一些有益的结论。     

基于优化灰色神经网络模型预测公交换乘需求量的换乘枢纽选址

根据公交换乘枢纽换乘量的生成特点和影响交通换乘量的主要组成因素,研究发现交通换乘量具有“小样本、贫信息”的灰色特征,为此提出了一种基于灰色软计算的换乘需求量预测方法.该方法利用灰色系统原理建立灰色神经网络系统预测模型,通过采用遗传算法改进神经网络的性能,提高系统预测的精度.以兰州市市区公共交通枢纽规划为例,结合实际的道路交通调查数据,运用该方法对提出的交通枢纽方案进行了实证分析与评价.结果表明:改进的灰色神经网络能有效地改善预测精度;运用GA-GNN模型求解道路交通中的非线性问题对提高决策水平具有较大的现实意义.     

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。     

深中通道钢壳沉管自密实混凝土拌合物泵后性能评价及预测模型研究

为保证钢壳沉管自密实混凝土的入舱质量,对钢壳沉管E1—E4管节现场泵后的自密实混凝土拌合物性能进行取样测试,基于灰色关联分析、支持向量机和贝叶斯推断,对影响钢壳沉管自密实混凝土拌合物泵后性能关键参数的敏感性进行评价,同时建立自密实混凝土拌合物泵后性能预测模型。结果表明:1)泵送距离、弯头数量、输送时间和环境温度均与钢壳沉管自密实混凝土拌合物的泵后性能(入模温度、扩展度、V漏斗流动时间、L型仪H_2/H_1及含气量)存在关联性,且敏感性大小为环境温度输送时间弯头数量泵送距离; 2)经过工程实际验证,建立的支持向量机非线性预测模型和贝叶斯线性概率预测模型的精度均较高且具有较好的鲁棒性; 3)支持向量机非线性预测模型的预测精度要高于贝叶斯线性概率模型,而贝叶斯显式概率模型的实用性强于支持向量机隐式模型,此2类预测模型的结合使用,成功指导了深中通道钢壳沉管自密实混凝土后续管节的施工质量控制。     

基于神经网络及关联性修正的交通异常预测研究

为实现城市交通异常管理的主动式响应,给交通异常处置争取更多的时间,减少交通异常对城市路网的影响,提出了一种基于神经网络及关联性修正的交通异常预测方法.基于历史异常数据构建交通异常数据库,并定义了预测模型中的主要参数;构建了基于改进神经网络算法的交通异常预测模型,在此基础上,创新性地提出了结合不同单元区域背景概率及交通异常相关关系挖掘的预测修正算法,对预测结果进行关联性修正以得到最终更加准确的预测结果,大幅提升了模型的预测精度.应用哈尔滨市30 d实例数据训练了所提出的交通异常预测模型,用15 d数据进行了验证,结果表明经过关联性修正的预测模型成功预测次数明显增加,相较于传统方法,预测成功率提升了31.46%,皮尔逊检验值均大于1.642,预测的结果的可信度大于80% 的置信水平.      

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。     

预应力混凝土结构碳化腐蚀参数敏感性分析

基于碳化深度预测模型,使用已有的参数敏感性分析方法,研究了碳化腐蚀参数对混凝土结构时变性能评估的重要性.由于概率预测模型能够考虑CO2排放、环境、结构尺寸、腐蚀电流密度、预应力筋布置、保护层厚度和劣化机制的不确定性和变异性,发展了可靠度计算模型来定量地计算碳化腐蚀参数对结构时变性能的影响.研究表明:对于预应力混凝土结构,活载模型、混凝土保护层厚度、混凝土抗压强度和荷载横向分布系数是最重要的影响参数.