Short-term forecasting of high-speed rail demand: A hybrid approach combining ensemble empirical mode decomposition and gray support vector machine with real-world applications in China

Short-term forecasting of high-speed rail (HSR) passenger flow provides daily ridership estimates that account for day-to-day demand variations in the near future (e.g., next week, next month). It is one of the most critical tasks in high-speed passenger rail planning, operational decision-making and dynamic operation adjustment. An accurate short-term HSR demand prediction provides a basis for effective rail revenue management. In this paper, a hybrid short-term demand forecasting approach is developed by combining the ensemble empirical mode decomposition (EEMD) and grey support vector machine (GSVM) models. There are three steps in this hybrid forecasting approach: (i) decompose short-term passenger flow data with noises into a number of intrinsic mode functions (IMFs) and a trend term; (ii) predict each IMF using GSVM calibrated by the particle swarm optimization (PSO); (iii) reconstruct the refined IMF components to produce the final predicted daily HSR passenger flow, where the PSO is also applied to achieve the optimal refactoring combination. This innovative hybrid approach is demonstrated with three typical origin–destination pairs along the Wuhan-Guangzhou HSR in China. Mean absolute percentage errors of the EEMD-GSVM predictions using testing sets are 6.7%, 5.1% and 6.5%, respectively, which are much lower than those of two existing forecasting approaches (support vector machine and autoregressive integrated moving average). Application results indicate that the proposed hybrid forecasting approach performs well in terms of prediction accuracy and is especially suitable for short-term HSR passenger flow forecasting.     

一个应用复合箱体结构传动箱的柴油发电机组设计

因运载车辆或其它条件限制,在某些情况下,柴油发电机组设计中需将发电机布置在柴油发动机的侧面,以减小机组在长度方向的尺寸。本文对该种布置方式的力学特性进行了分析,并从传动齿轮箱设计和柴油发电机组结构总成方面提出了合理的设计方案,产品经运行效果良好,证明具有使用价值。     

基于支持向量机的装载机齿轮箱故障智能诊断研究

在分析现有齿轮箱故障诊断方法的基础上,提出了采用多分类器支持向量机齿轮箱故障智能诊断方法,简介了该方法的系统结构、实现原理、特征提取与故障类别,重点讨论了齿轮箱故障多分类器支持向量机智能诊断模型与算法。仿真试验结果说明了采用多分类器支持向量机智能方法进行齿轮箱故障智能诊断的可行性与正确性。     

一种适用于大变形支护的新型可伸长锚杆

支护理论的发展对锚固技术提出了新的要求,即要与围岩变形相协调,允许围岩可控变形,充分发挥围岩的自支撑能力。基于此设计了一种适用于大变形支护的新型可伸长锚杆,该型锚杆在达到初始锚固力后,在保持与围岩协调变形的伸长过程中锚固力可基本保持恒定,达到围岩许用变形形值后,锚固力急速上升。室内与现场试验证实了新型可伸长锚杆协调围岩大变形的优良性能,可在围岩大变形支护中推广应用。可伸长。     

新颖自锚式悬索桥设计与转体施工

新颖自锚式悬索桥的主缆采用钢管混凝土索套的半刚性索;加劲梁采用预应力混凝土箱梁,主缆作为预应力体外索,在跨中正弯矩区段穿入箱梁内,托起箱梁并起主缆中央扣的作用,形成梁索组合结构。桥梁的恒载由主缆承担,预应力混凝土箱梁承担主缆索力的水平分力,箱梁用于减少自锚式悬索桥的活载作用下的挠度,并承担压力与弯矩。这类桥梁建筑高度约为l/40～l/50,它适用于跨径100m左右的二跨或三跨连续梁桥。施工方法过去一般采取满堂支架现浇,因此限制了本桥型的适用范围。在上海松江施贤路油墩港桥,将偏心转体施工方法首次应用于自锚式悬索桥,并利用盆式支座为转体的磨心及滑道,缩小了主桥跨径及省略钢筋混凝土磨心的精工细作,施工工艺简便易行,使上述桥型可适用于不同场合。     

基于分层壳元法多梁式T梁的极限承载力评估

基于分层壳元法,对钢筋混凝土多梁式T梁的极限承载力问题进行了研究。建立实体退化壳元模型后,推导了壳元位移场,用分层壳元模拟了多梁式T梁。基于Owen理论考虑了混凝土的材料非线性,并基于V.Karman假设考虑了结构的几何非线性。通过多梁式T梁实例分析,结果表明,应用分层壳元法能正确地进行多梁式T梁的非线性分析,能有效地评估结构的极限承载力,且支承形式对多梁式T梁的极限承载力有很大影响,研究表明应选择修正的铰支-弹性支承形式。     

基于Takens理论和SVM的滑坡位移预测

针对滑坡变形时序非线性,数据量少的特点,引入Takens理论,采用支持向量机(SVM)建立其预测模型,建模过程中,比较了由不同核函数获得的SVM模型的性能,同时将SVM与RBF、El-man神经网络模型进行外推7步预测试验比较。结果表明:RBF核函数具有更好的工程实用价值;在有限样本情况下,SVM预测模型具有更好的准确性和泛化性,其7步预测平均误差率控制在5%以内,可见该方法在滑坡变形预测方面极具潜力。     

黄土隧道网喷支护结构中锚杆的作用

为了检验锚杆在黄土隧道中的作用,在某黄土隧道中设置有系统锚杆和无系统锚杆2个长为30 m的试验段,对隧道初期支护的净空收敛、拱部下沉、围岩压力、钢架应力、喷射混凝土应力、锚杆轴力和纵向连接筋应力进行监控量测。研究表明:2个试验段无论从变形还是受力上讲,同类数据均处于同一量级,说明系统锚杆对结构的稳定性作用不大;网络钢架、喷射混凝土、钢筋网共同组成的支护结构是合理的黄土隧道初期支护结构;取消系统锚杆,可以及时喷射混凝土,有利于围岩稳定,从而大大缩短工期;以Ⅳ级围岩为例,取消系统锚杆可降低工程造价10.6%。     

桥梁盆式支座更换实例

在某连续箱形桥梁施工过程中,由于施工过程疏忽,造成6个盆式支座发生不同程度的倾斜偏位,其中倾斜最大处使盆式支座上钢板高差达到35mm,大大超出规范允许值,并使梁体的受力无法与设计吻合,需要通过对支座进行更换,使支座受力符合设计要求。该文介绍了桥梁盆式支座更换实例,可供类似工程参考。     

武汉阳逻长江大桥北锚碇基坑开挖施工技术

锚碇作为承力结构的重要部分,是悬索桥的重点控制性工程。介绍武汉阳逻长江大桥的北锚碇开挖与基坑支护的施工情况,着重介绍基坑土石方开挖(爆破)、弃渣运输、基坑边坡防护与排水以及锚碇安全检测等关键施工技术。