基于动态时间调整的时空图卷积路网交通流量预测

为深入挖掘交通流数据的复杂时空特征并建立其依赖关系,提高交通流参数的预测精度, 本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络 (TSARGCN)。TSARGCN对输入数据进行切片,实现多分支建模,挖掘数据的时间周期性特征; 引入残差网络保证网络中信息传递的完整性;利用DTW (Dynamic Time Warping)算法计算路网 中节点之间交通流量序列在时间维度的相似程度大小,提出时间图的概念,结合路网结构中各节 点的邻近关系,提出时空关系图的概念;基于时空关系图,在每个分支结合注意力机制分别进行图卷积和时间维度卷积,捕获交通流的时空特征及其依赖关系,实现对路网交通流量数据时空关系的建模。经过在公开数据集PEMSD4上进行实验,结果表明：TSARGCN在交通流量预测中的平均绝对误差 (MAE) 达 到 19.24,均方根误差 (RMSE) 达到 27.09,比 ARIMA(Autoregressive Integrated Moving Average model),Conv-LSTM(Convolution Long short-term memory)及 ASTGCN (Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度。     

基于时间累计法的机车维修性预计分析

基于时间累积法,阐述机车维修性预计工作流程以及系统与LRU平均修复时间的计算方法。并以空调与通风系统为例,说明了系统及LRU平均修复时间的计算过程,并由此得出整车的平均修复时间。文章最后阐述了维修性预计对机车设计的指导作用以及使用时间累积法的局限性。     

基于数据驱动的电动汽车动力电池SOC预测

为准确预测电动汽车动力电池的能耗,缓解驾驶者的里程焦虑,本文中提出一种基于数据驱动的电动汽车动力电池SOC预测模型。首先分析电动汽车能耗构成并提取能耗影响因素,接着基于某款电动出租车CAN总线采集的汽车运行数据,采用机器学习算法,提出基于温度分层的能耗模型,通过宏观数据与微观数据的融合减小误差,最后使用该模型对车载BMS提供的SOC数据进行对比验证。结果表明,该模型预测效果较好,为帮助优化电动汽车能量控制策略、缓解里程焦虑提供科学的决策支持。     

基于数据驱动的隧道地质信息精细化管理系统研发与应用

针对现阶段隧道超前地质预报系统管理粗放、数据利用率低等问题，结合数据驱动原理重塑业务逻辑，研发新的隧道地质信息系统TGIS。通过高度集成隧道勘察设计阶段地质、施工阶段超前预报地质及掌子面开挖揭示地质，实现基于数据驱动的预报方法优选、临近预报提醒、分级实时预警与有效处置、掌子面自动素描、预报成果辅助判识等功能，达到隧道地质信息精细化管理的目的。经现场使用表明： 基于数据驱动的隧道地质信息精细化管理系统界面友好、运行稳定、效果良好，各项功能达到设计要求，相对于传统超前地质预报系统具有明显的优势，可普遍服务于隧道建设。     

水泥混凝土路面翘曲脱空与面板破坏原因分析

文章针对广西近年来水泥混凝土路面翘曲脱空与面板破坏的情况，分析产生病害的原因，介绍采用有限元程序对翘曲脱空后的路面在荷载作用下的受力进行计算的方法，对翘曲脱空后的路面寿命进行预估，同时提出翘曲脱空的防治对策。     

基于深度学习的破碎带盾构施工沉降预测分析

为进一步提高复杂地层条件下盾构沉降预测的准确性，以广州地铁7号线1期工程谢村站-钟村站区间盾构工程为依托，针对破碎带盾构隧道沉降控制难题，提出基于深度学习的人工智能预测模型。通过分析开挖面破碎带分布规律，确定将破碎带面积比作为地层特性参数。采用相关系数矩阵分析不同施工参数与破碎带面积比的相关性，确定采用刀盘转矩代表破碎带面积比实时描述地层分布特性。以刀盘转矩、盾尾间隙与注浆量作为输入值，地面沉降作为输出值训练深度学习模型，并利用训练后的深度学习模型进行沉降预测分析。通过分析预测结果与沉降实测值的对比验证预测模型的有效性。     

综合勘察与超前地质预报技术在兰渝铁路长寿山隧道中的应用研究

长寿山隧道为特长隧道,其工程规模大,埋深大,需勘察范围广,地形地质条件十分复杂,为了详细查清隧道的工程地质与水文地质条件,并及时对地质勘察资料进行补充和完善,指导并保证隧道施工的安全顺利进行,通过在勘察阶段采用遥感、大面积地质调绘、物探、钻探、综合试验、测试相结合的地质综合勘察技术,在施工阶段,采用地质编录、TSP、地质雷达、红外探测、超前水平钻探等相结合的综合地质超前预报技术,提高勘察效率及质量,补充地质资料、指导及保证安全施工,取得很好的效果。实践证明,山区长大、深埋、地形地质复杂隧道,在勘察及施工阶段分别采用综合勘察与地质超前预报技术,其方法是必要、合理、恰当的。     

一种短时交通流组合预测模型

为提高短时交通流预测的精度,提出利用BP神经网络、RBF神经网络和ARIMA模型构建组合预测模型,该组合预测模型利用最优化原理进行权系数的分配,并且满足分配到的权值始终具有实际意义。通过对分配的权系数进行显著性检验,以确保组合预测模型中选用的单项预测方法显著相关。通过实例分析,验证了组合预测模型的有效性,结果表明,相比较单一的预测模型,组合预测模型具有更高的预测精度。     

Study of automatic designing of line heating technique parameters

1Introduction Lineheatingisashellplateheatprocessingmethod usedinshipbuildingproduction.Itisacomplexand difficulttechnique,mainlyusedindoublebending shellplateforming.Becausetherearemanyinfluence factorsinplateforming,theinfluencedisciplineis hardtopredic…     

高埋深软硬岩互层地质条件下敞开式TBM岩爆段施工方法研究

基于喜马拉雅山区域某软硬岩性互层地质条件下的深埋隧洞工程，为解决该区域TBM施工过程中的岩爆问题，统计分析了TBM施工过程中的岩爆特征；在施工过程中开展了多种岩爆规避试验，形成了一套较完整的有针对性的施工方法： 1）岩爆风险巡查常态化； 2）超前地质预报和超前处理措施相结合； 3）支护材料和支护方式合理化； 4）掘进参数动态调整。在后续的施工中加以应用，取得了较好的效果，可以为类似地质条件下的安全施工提供参考。