基于岩爆烈度预测的川藏铁路线路比选研究

拟建川藏铁路线路穿越区域地质条件复杂,隧道工程占比高、埋深大和岩体初始应力高,具备岩爆灾害发育的必要条件,岩爆地质灾害的分析预测对川藏铁路线路比选尤为重要。通过分析国内地下工程岩爆案例,再结合新建川藏铁路某段的实际情况分析岩爆影响因素,考虑指标的重要性、相关性和易获取性,选取岩石强度、地应力、地质构造和围岩级别4个指标,采用层次分析法(AHP)-专家打分法,建立隧道岩爆灾害烈度预测模型。通过对拟建川藏铁路某段的K、A和C三个比选方案的隧道岩爆灾害烈度进行预测,并通过统计分析获得C方案的岩爆灾害影响最小,为推荐选线方案。在新建川藏铁路某段的岩爆烈度预测实际应用表明,该模型能较为快速地进行岩爆烈度预测,在铁路前期选线阶段具有较好的适应性。     

基于粒子群优化神经网络算法的货运机车能耗预测研究

机车能耗是铁路能耗的主要部分,是衡量铁路运营水平的重要指标,机车能耗水平的有效降低,将成为未来铁路节能降耗的主要手段之一。阐述测算机车能耗普遍采取的算法,考虑粒子群算法具有全局最优、能够实现动态搜索等优势,提出粒子群优化神经网络算法,将机车能耗有关影响因素作为输入变量,建立基于粒子群优化神经网络算法的货运机车能耗预测模型。以邯长线货运机车能耗为例,分别采用神经网络算法和粒子群优化神经网络算法进行货运机车能耗预测。结果表明,基于粒子群优化神经网络算法的货运机车能耗预测具有较高的可信度。     

基于IPSO的霍尔特指数平滑系数的铁路客运量预测研究

为了提高霍尔特指数平滑法对铁路客运量预测的精度,基于改进粒子群算法(IPSO)对铁路客运量预测领域中霍尔特指数平滑系数的取值进行优化研究。以我国各省铁路客运量为研究对象进行仿真实验,以验证改进粒子群算法的寻优效果,并求解霍尔特指数以预测各省铁路客运量的平滑系数最优取值。研究表明,相较于经典的线性递减权重优化法和固定权重法,非线性递减权重优化的粒子群算法能更加准确地求出最优平滑系数,具有更好的寻优能力和收敛速度。以上海市为例,其收敛速度分别提高4代和14代,求解精度分别提高了0.000 18、0.000 006。     

基于IPSO-Capsule-NN模型的中欧班列出口需求量预测

为提高中欧班列出口需求量的预测精度,提出将改进粒子群算法(IPSO)与胶囊神经网络(Capsule-NN)相结合的预测模型(IPSO-Capsule-NN)。与全连接神经网络不同,胶囊神经网络通过动态路由算法增强了模型的拟合能力和泛化能力。利用改进粒子群算法优化胶囊神经网络的神经元数量、迭代次数以及学习率,以克服人为设定模型参数随机性较大导致模型精确度不高的不足之处。此外,针对标准粒子群算法存在的缺点,提出一种非线性递减惯性权重并引入Levy飞行对粒子群算法的全局寻优能力和收敛速度进行优化。将采用spearman秩相关性分析得到的11个因素作为中欧班列出口需求量的影响因素并对其进行预测,结果表明:胶囊神经网络具有2层隐含层时,IPSO-Capsule-NN模型预测精度更高。     

基于PSO-SVM的轨道交通车站安全态势预测研究

提出一种基于PSO-SVM算法的安全态势预测模型,用于城市轨道交通车站安全态势预测研究。首先介绍支持向量机(SVM)和粒子群优化算法(PSO)的基本概念,以高斯径向基函数为核函数建立支持向量机安全态势预测模型,然后应用粒子群算法优化模型参数,得到优化的预测模型,再以某车站为例进行仿真实验,结果表明利用PSO-SVM算法预测车站安全态势值具有可行性。该预测方法对车站安全运营和乘客安全出行具有一定指导意义。     

IPP-PNN模型在川藏铁路深埋长大隧道岩爆预测中的应用

为了准确预测在高地应力、高地温铁路隧道中的岩爆灾害,以川藏铁路前期拉林段的重要隧道节点工程为研究背景,系统、全面地总结应力水平、埋深、温度、围岩岩性及地质构造、岩体系统刚度等影响因素对川藏铁路深埋长大隧道岩爆的孕育作用,重点分析高地应力和高地温对岩爆发生的影响相关性。构建川藏铁路深埋长大隧道岩爆预测指标体系,测试并量化岩体岩爆的倾向性指标。由于各影响因素与岩爆的非线性关系,选用能充分提取数据信息、处理多因素复杂非线性问题的改进投影寻踪(Improved Projection Pursuit,IPP)评价模型对川藏铁路拉林段典型高地应力、高地温深埋长大隧道桑珠岭隧道在施工期发生的岩爆问题做初步评价,并引入密度函数估计和贝叶斯最小风险准则,将IPP模型和概率神经网络(Probabilistic Neural Networks,PNN)模型相结合,实现对岩爆等级的聚类划分。研究结果表明：根据岩爆等级预测结果可知IPP-PNN模型预测结果相比于传统PP-PNN模型和GSA-PP模型其准确度更高,在对桑珠岭隧道11～19号隧道路段的岩爆预测中,岩爆预测等级与实测等级相符合程度由66.67%和77...     

基于BP神经网络修正的自适应灰色模型的隧道变形预测研究

隧道围岩具有高度的非线性变形特征,通过变形预测能有效判断隧道变形的发展趋势。首先以自适应GM(1,1)模型对隧道变形进行初步预测,且为保证自适应模型的参数为全局最优参数,提出以粒子群算法对模型参数进行优化;其次,以BP神经网络为基础,建立误差修正模型,旨在进一步提高预测精度。在此基础上,将该预测模型应用于2个工程实例中,结果表明:该预测模型在横向和纵向上的预测效果均较好,自适应能力和递推能力均较强,预测结果与实测值较为吻合,预测精度较高,能较好地反映隧道围岩的变形规律。该预测模型能较为有效地实现隧道围岩的动态预测,可以进行推广应用及研究,为隧道变形预测提供一种新的思路。     

考虑日期属性和天气因素的铁路城际短期客流预测方法

分析2014—2018年上海至南京的单向铁路客流数据发现,日期属性和天气因素会对铁路城际短期客流的波动产生显著影响。为此,结合对非线性时间序列数据处理具有优势的长短期记忆(LSTM)神经网络模型,以及可弥补模型中超参数设置主观性的粒子群优化(PSO)算法,将日期属性和天气因素纳入模型的影响因素体系,提出1种基于PSO-LSTM组合预测模型的铁路城际短期客流预测方法,以解决因短期客流波动性大、随机性强而产生的准确预测难度大等问题。利用2014—2018年上海至南京的单向铁路客流以及上海的天气信息,设置预测输入步长为14 d、输出步长为7 d,对模型进行实例验证。结果表明:与实际客流相比,该模型的最终预测平均误差为6.75%;与删除1个影响因素的PSO-LSTM组合预测模型,以及结合了BP神经网络的PSO-BP组合预测模型相比,该模型具有最优预测精度。     

基于FPSO灰色Verhulst模型的铁路货运量预测

为提高灰色Verhulst模型的预测精度,采用粒子群算法对灰色Verhulst模型的参数值进行优化,利用滑动窗对原始数据序列进行动态更新,使用Fourier序列修正模型的误差,提出FPSO灰色Verhulst模型预测铁路货运量的方法。以平均绝对误差、均方根误差、平均相对误差为评价指标,采用传统灰色Verhulst模型、GM(1,1)、径向基神经网络、FPSO灰色Verhulst模型分别对具有增长趋势、摆动发展以及交叉发展趋势的铁路货运量进行预测。结果表明,FPSO灰色Verhulst模型能更好地反映铁路运输过程中的突变因素,是一种减少误差、充分利用新生数据、提高预测精度的有效方法。     

改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

Discussion on the assessment of initial stress field of railway rock massEI北大核心

Research purposes: In actual work, according to the ground stress data for assessment, most railway tunnels are under very high ground stress and high ground stress state, which causes adjustment of surrounding rock and engineering measures to strengthen, thus these will cause large increased investment, even cause large dispute and chaos in analysis causes of tunnel lining cracking and deformation, but the engineering case that rock burst and large deformation occurred in actual excavation of tunnel is very rare. In this paper, according to rock mass mechanical theory, the ground stress information and engineering case, combined the relevant provisions of similar industry, the assessment of initial stress fields of rock mass in railway specification is discussed. Research conclusions: (1) The assessment of railway specification to initial ground stress field is not realistic and should be revised, preliminary judgment when the measured in-situ stress >30 MPa, the possibility of rockburst is increased. (2) Assessment conclusion of initial ground stress field should be discreet, the increased investment should be incorporated into the dynamic design. (3) The stress tests of survey design stage should be reasonable and appropriate. (4) The research results can be applied to the modification of railway norms and tunnel exploration.     

基于PCA-改进RBF神经网络模型的铁路隧道突水风险评价

为了准确预测铁路隧道突水风险等级,降低隧道施工过程中的突水灾害风险,结合相关规范,在调研分析影响隧道突水灾害的风险因素集的基础上遴选13个因素构建评价指标体系。利用主成分分析法对突水风险评价指标提取主成分并实现降维,模糊C-均值聚类算法计算RBF神经网络的中心,梯度下降法修正权值和方差,并将分析后得到的主成分作为改进RBF神经网络评价模型输入向量,建立了基于PCA-改进RBF神经网络铁路隧道突水风险评价模型。最后结合天秀山隧道对该模型预测效果进行验证,评价结果与实际情况相符。实例研究表明:该模型合理可操作,相比于其他方法准确率更高、训练更快、均方误差更小,为类似铁路隧道预防突水灾害事故提供了一种新的途径和借鉴。     

隧道岩爆预测的距离判别分析模型研究及应用

将洞室最大切向应力和岩石单轴抗压强度的比值、岩石单轴抗压强度和岩石单轴抗拉强度的比值、弹性能量指数这3项影响隧道岩爆的主要指标作为判别因子,建立隧道岩爆预测的距离判别分析模型。以国内外重大隧道工程发生岩爆的实测资料作为学习样本进行训练,建立相应判别函数对待判样本进行预测。该模型在预测判别中综合考虑了影响隧道发生岩爆的多项因素,通过判别模型的学习功能获得岩爆与其各影响因素之间的复杂关系,排除了一般准则中建立判据时人为因素的影响。实例证明该模型利用回代估计法所得到的误判率为零,并具有较强的判别能力。     

基于GAPSO-RBFNN的动车组电机吊架多目标稳健优化设计

基于遗传粒子群(GAPSO)算法获取最优平滑系数,从而改进径向基神经网络(RBFNN);通过电机吊架的灵敏度分析筛选出对其总质量和自然频率等质量特性影响较大的关键设计变量;结合正交试验设计与有限元分析得出电机吊架各质量特性值及对应的信噪比,将试验数据作为输入、信噪比作为输出用于GAPSO-RBFNN的训练和测试,并对比分析预测精度;基于GAPSO-RBFNN构建电机吊架的多目标稳健优化模型,采用NSGA-II多目标优化算法对其寻优求解,并与传统设计方案进行对比。结果表明:GAPSO-RBFNN的预测误差远低于传统RBFNN;优化后电机吊架各质量特性信噪比得到提高,实现了对电机吊架的多目标稳健优化,降低了电机吊架总质量,提高了其自然频率。     

我国铁路隧道通用图结构安全性的计算研究

我国既有铁路隧道大多按标准图或通用图设计,而标准图或通用图又是采用工程类比法设计,因此不能给出明确的结构安全系数。为了给今后的铁路隧道设计优化与既有隧道维护提供技术支撑,采用所建立的复合式衬砌总安全系数设计法,对以往标准图或通用参考图的结构安全系数进行校核,对影响安全性的主要因素进行分析,得出以下主要结论:(1) 2008年以来编制的铁路隧道通用参考图,结构总安全系数均偏高,具有一定的优化空间;而20世纪编制的时速140 km单线电气化铁路隧道标准图在软弱围岩地段的总安全系数偏低;(2)隧道埋深对安全系数的影响较大,地下水发育程度对耐久性影响较大,建议按照不同埋深、不同地下水发育程度进行支护参数优化;(3)隧道断面形状对安全系数影响较大,建议根据围岩压力分布形态采取合理的断面形状。     

基于数理统计方法的铁路隧道衬砌质量缺陷分析

目前,利用地质雷达法检测隧道衬砌质量时,通常仅对隧道衬砌缺陷进行描述,较少深入分析这些缺陷的内在分布规律。采用数理统计的方法,对某在建铁路工程14座隧道共285个衬砌质量缺陷样本的分布规律进行分析。研究表明,(1)在不同测线部位,其缺陷率、不同缺陷类型占该测线缺陷比例、缺陷径向尺寸的最大值、平均值及样本标准差均不同;(2)缺陷径向尺寸总体服从正态分布;(3)在给定显著性水平α=0.05下,缺陷径向尺寸总体均值μ的一个置信区间为(17.99,20.24),方差σ2的一个置信区间为(76.63,110.71);(4)Ⅱ、Ⅲ、Ⅳ级围岩段落的衬砌缺陷径向尺寸均值无显著差异,但与Ⅴ级围岩段落有显著差异。     

盆因拉隧道高地应力成因及岩爆防治措施研究

盆因拉隧道位于雅鲁藏布江峡谷区,受构造板块影响,地应力分布特殊,隧道的施工遇到较强烈的岩爆影响。本项目通过对隧道通过区的构造应力场进行分析,采集实测地应力数据,通过仿真技术分析预测隧址区的地应力分布特征;采用室内试验对隧道洞身处闪长岩进行矿物组分、结构特征分析;采用单轴压缩、三轴试验测试岩体力学指标,结合地应力数据及岩体力学参数、隧道开挖断面形状分析岩爆灾害发生机理,对隧道岩爆进行预测、评价,并提出采取"水压爆破、应力释放、加强支护"的措施,有效控制了岩爆造成的危害,为类似隧道的施工积累了经验。     

基于改进LS-SVM算法的列车通信网络时延预测方法

由于通信网络诱导时延的存在会对列车牵引制动系统造成影响,因此对时延精准预测并实现补偿十分重要。提出了一种基于改进粒子群(PSO)算法优化的最小二乘法支持向量机(LS-SVM)算法对列车通信网络时延进行预测,搭建了列车网络控制系统半实物平台,使数据通过多功能车辆总线(MVB)进行传输,分别改变车辆控制单元(VCU)特征周期及负端口数量大小,以获取大量不同特性的时延数据。将数据分组后利用改进的PSO算法优化LS-SVM算法进行预测仿真。仿真结果表明,与传统的LS-SVM算法及Elman神经网络算法的预测方法相比,所提出的方法在列车通信网络的时延预测方面具有更好的快速性和准确性。