日高潮不等海域乘潮水位的计算方法比较

依据我国近岸4个代表性站点的潮汐表逐时数据，分别选取所有高潮（方法1）和每日一个高潮（方法2）计算不同保证率的乘潮水位，分析两种方法对工程的影响。结果表明：方法2使乘潮水位抬高，节省工程费用，但可缩短高潮时的通航窗口期，增加船舶候潮时间，给项目运营带来不便。这种影响对正规半日潮不明显，对其余潮型明显，其中对不正规全日潮影响最大。在不正规半日潮和日潮港区的工程应用中，可根据工程投资和来船频率，对两种方法充分论证后，综合选取合适的乘潮水位，既能满足工程应用又能节省工程费用。     

基于偏最小二乘回归的疏浚产量预测方法

针对绞吸式挖泥船产量预测困难的问题,对挖泥船作业实时反馈的数据进行研究。利用Relief权重算法提取出影响挖泥船产量的主要工艺参量,并在此基础上采用偏最小二乘回归,建立主要工艺参量与产量之间的数学模型,实现对挖泥船产量的预测。结果表明,利用偏最小二乘回归建立的数学模型能够很好地对挖泥船的产量进行预测,可为预测挖泥船的产量提供一种有效的方法。     

基于改进低秩矩阵补全的交通量数据缺失值插补方法

提出了一种低秩矩阵补全的改进方法以研究道路交通量数据缺失值插补问题。应用基于核范数的低秩矩阵补全对交通量数据矩阵中的缺失值进行第1轮插补; 通过层次聚类算法将交通量数据划分为不同类别, 使得同类中的数据具有较强相关性, 异类中的数据具有较弱的相关性; 在每类样本上应用低秩矩阵补全得到缺失值的第2轮插补; 为了减少聚类数的影响, 提出最小二乘回归集成学习方法将不同聚类数下的插补结果进行融合, 得到最终的交通量数据插补结果; 用美国俄勒冈州波特兰市的交通量数据比较了5种方法的插补误差, 并分析了不同聚类数和距离度量方法的影响。研究结果表明: 在完全随机缺失模式下, 缺失率为10%~60%时, 其相对于传统的低秩矩阵补全模型的插补误差降低了5.93%~9.11%;在随机缺失和混合缺失模式下, 插补误差也分别降低了8.32%~9.55%和8.14%~9.20%;集成不同聚类数下的多个插补结果比单一聚类数下的插补误差降低2.62%~4.76%。可见, 在3种数据缺失模式下, 改进低秩矩阵补全方法降低了交通量数据的插补误差, 能有效提高插补后交通量数据的有效性。      

机务乘务作业动态管理应用系统的设计与实现

针对乘务员携带行车资料的不易管理和使用、途中故障不能及时有效处理、指导司机不能充分发挥管理职责、乘务员学习方式单一等问题,以基于Android系统的高效智能搜索引擎技术、手持终端数据安全性保障技术、无线组网技术、VPDN组网技术、Web技术为软件基础,以乘务员手持终端、服务器、管理工作站、无线路由器为硬件支撑,设计机务乘务作业动态管理应用系统,在指导司机、机车乘务员和运用管理人员之间搭建一个信息交互平台,将运用管理信息及时发送到作业一线,提高指导司机对乘务员指导的针对性和时效性。     

自行车骑行者生理、心理与综合负荷感知模型

为探究自行车骑行者在骑行过程中的生理、心理状态与骑行者个体属性、骑行强度及骑行环境之间的影响规律, 设计并实施了自行车骑行试验; 选取了相对代谢率、心境状态、自感疲劳程度和任务负荷指数等指标, 分析了骑行者生理、心理与综合负荷感知的特性及规律; 以骑行试验数据为基础, 应用偏最小二乘回归方法建立了骑行者生理、心理及综合负荷感知模型, 并对模型预测能力进行评估。研究结果表明: 骑行者个体属性、骑行强度及骑行环境均对骑行者负荷感知有影响, 其中骑行者个体属性因素中, 身体质量指数和基础代谢率作用较为显著, 二者在负荷感知模型中的平均影响因子分别为0.121和0.112;骑行强度因素中骑行时间对于负荷感知影响最大, 其平均影响因子为0.139;骑行环境因素中交叉口数对骑行负荷感知影响最为显著, 其平均影响因子为0.137;各个变量对心理负荷与综合负荷感知的影响趋势相同, 对生理负荷与综合负荷的影响趋势不相同。可见, 关注部分因素以及骑行者心理负荷对于提高骑行服务水平具有一定作用, 研究结果可应用于改善自行车骑行设施环境。      

基于PSO-LSSVM的牵引供电系统故障诊断研究

为了提高列车运行稳定性,针对牵引供电系统故障诊断进行研究。根据牵引供电系统工作原理和特性分析故障现象与发生原因,提取用于故障诊断的特征信号;建立基于粒子群优化算法(Particle Swarm Optimization,简称PSO)优化最小二乘支持向量机(Least Squares Support Vector Machine,简称LSSVM)的故障诊断模型,并使用主成分分析(Principal Component Analysis,简称PCA)算法提取数据特征作为故障诊断模型的输入来降低输入维数;使用多种故障诊断模型进行对比分析。研究结果表明:经过PCA算法提取特征的PSO-LSSVM故障诊断模型具有较高的识别效率和识别准确性。     

最小二乘支持向量机-粒子群算法在地下厂房围岩参数反分析中的应用

为准确确定地下厂房围岩的弹性模量、泊松比、黏聚力、内摩擦角、侧压力系数等参数,以正交设计、最小二乘支持向量机和粒子群算法等现代数学方法为基本手段,建立基于位移增量的围岩参数反分析方法。以CCS水电站大型地下厂房为研究背景,通过工程地质条件研究选取8#机组剖面作为分析对象,采用二维弹塑性有限元方法建立地质结构分析模型。以地下厂房洞室群分层开挖多点位移计实测位移增量为依据,对CCS水电站地下厂房区域围岩力学特性及地应力场特征进行反分析。研究结果表明： 主厂房第Ⅵ层与第Ⅰ层开挖和主变室第4层与第1层开挖所产生的位移增量计算值与多点位移计实测值吻合较好,最大相对误差小于10%,说明采用最小二乘支持向量机和粒子群算法相结合的反分析方法在工程上是可行的,且效果较为显著。