隧道施工超前地质预报方法综述

简述了各种超前地质预报方法的特点，提出在复杂地质条件下，运用多种方法进行综合预报，并以韩家岭隧道为例，说明综合预报的有效性。     

动载作用下柔性车体结构疲劳寿命的仿真

为准确预测随机动载作用下柔性车体结构的疲劳寿命，将多体动力学仿真和有限元分析相结合，建立了车体多体动力学模型．计算了35个关键部位的载荷历程，并用准静态应力分析法获得了对应的应力影响因子．用模态分析技术获得了车体结构固有频率和模态振型，用子结构技术获得了车体有限元缩减模型．根据危险应力分布、应力时间历程以及Palmgren-Miner损伤理论，利用疲劳分析软件FE-FATIGUE的基于应力的安全强度因子分析法和MATLAB的WAFO技术对柔性车体结构疲劳寿命仿真．仿真结果包括损伤和疲劳寿命预测．     

金鱼隧道涌水处治技术

绵茂公路一期工程金鱼隧道隧址区含水丰富,部分地段涌水,针对此情况,通过对隧址区水文地质进行调绘及对涌水原因的分析和涌水量的计算,制定了不同的处置方案,并进行比选,采用了安全性最好的拦排相结合的施工技术,最终成功解决了该隧道的涌水问题     

危岩变形的灰色预测方法及应用

危岩是山区常见的地质病害之一,危岩变形监测预测是危岩防灾减灾的重要基础。将灰色预测理论应用于危岩变形监测,建立了危岩变形灰色预测模型及残差修正灰色预测模型。以重庆南川甑子危岩为例,以实测危岩累计位移值为原始数据,建立了GM(1,1)灰色预测模型及残差修正预测模型。经精度检验,小误差频率P=1,后验差比值C=0.160243,模型精度等级达到较高水平,比常规危岩预测方法更具有可靠度。     

堡镇隧道围岩变形的神经网络预测

隧道新奥法施工中，常以围岩变形量作为评判围岩稳定性和支护结构经济合理性的重要指标。隧道围岩变形量是随时间而变化的数据序列，因而可以建立一些实时跟踪预测模型和方法。针对宜万铁路堡镇隧道软弱围岩区段施工大变形特点，采用神经网络技术对其变形量进行了预测分析，预测结果经过工程实践检验，具有相对较高的准确性和可靠性，为隧道施工决策提供了有效依据。     

基于GIS的公交乘客信息系统的研究

考虑到乘客出行的心理特征差异,利用公交乘客信息系统的关键技术和GIS的特性,建立基于公交乘客出行路径优化模型的城市公交乘客信息系统,可为进一步开发适合我国的城市公交乘客信息系统提供重要的参考.     

基于BP神经网络算法的特大跨度斜拉桥施工过程中的线形预测

随着斜拉桥跨度的增大,其几何非线性因素影响越来越明显,这就需要寻求考虑几何非线性影响的特大跨度斜拉桥施工线形预测方法。文章分析BP神经网络算法的基本原理及改进措施,借助Matlab语言建立预测模型,探讨其在特大跨度斜拉桥施工控制中的应用。以某主跨为1088m的特大跨度钢箱梁斜拉桥为工程背景,验证该方法的合理性和可行性,为同类型桥梁的线形控制提供参考。     

An Approach to Hide Secret Speech Information

Introduction Informationhidingasacommunicationprob-lem[1]canbeadoptedtoprotectthesecurityofme-dia(signal)andchannelofcommunication.Media securityisrelativetocopyrightprotectionofdigital media,i.e.watermarking.Channelsecurityasso-ciateswithsecurecommunication.Mostresearch todaylayparticularstressontheformer,whilelit-tleattentionispaidtothelatter.Thispaperisfo-cusedonthesecurityofcommunicationchannel,proposesanapproachofreal-timespeechsecure communicationbasedonthetechniqueinformation hiding.Th…     

高速公路汽车追尾模型

应用自适应神经模糊推理系统,以两车车速差、跟随车的车速、行车间距为输入量,两车的追尾概率为输出量,建立了高速公路汽车追尾的ANFIS(自适应神经模糊推理系统)概率模型,计算出在不同车速差和行车间距时的高速公路汽车追尾概率.该概率模型为高速公路汽车追尾建模提供了一种新思路,对模型进行实时校正后用于追尾预测,对避免高速公路汽车追尾具有指导意义.     

道路网短期交通流预测方法比较

介绍了用于短期交通流预测的两大类模型:统计预测算法和人工神经网络模型.对其中各种模型的特征进行了比较,将历史平均模型、求和自回归滑动平均模型(ARIMA)、非参数回归模型、径向基函数(RBF)神经网络模型与贝叶斯组合神经网络模型,应用于一个真实路网的短期流量预测,比较了各模型的预测结果.结果表明,组合神经网络模型预测误差最小,可靠性最高,是一种对短期交通流预测的有效方法.