基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果.为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比.实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点.这为舰船运动短期预测提供了一个新的思路和方法.     

软粘土路基沉降的蠕变效应研究

天津滨海地区广泛分布深厚的软粘土,研究其蠕变特性对于预测该地区建筑工程的地基变形和长期稳定具有重要的意义。文章对天津滨海地区典型软粘土进行了一维固结蠕变试验,根据时间硬化蠕变定律建立了蠕变本构模型并确定了模型中的3个蠕变参数:应变率系数A、应力指数n和时间指数m。结合道路工程实践,运用有限元软件ABAQUS开展了路基沉降分析,对比了固结模型与蠕变模型的沉降量计算差异。研究表明,天津滨海地区软土的蠕变特性显著,考虑软土蠕变特性的路基沉降计算结果较固结模型大20%,且与工程实测结果吻合,软土蠕变导致的沉降量在道路工后沉降中占50%以上。     

2014年上海道路交通事故简述

2014年,上海市共发生适用一般程序处理道路交通事故1 172起,造成902人死亡、624人受伤,同比详情见表1. 一、一次死亡2人以上(含)道路交通事故情况 2014年,全市共发生一次死亡2人以上(含)道路交通事故27起,造成59人死亡,事故起数同比减少1起、死亡人数同比增加1人.     

基于极大代数的城际高速列车晚点传播研究

长三角城际铁路网客流量大、行车密度高,初始晚点产生概率增大,列车不能及时恢复正常运行,会造成大规模的列车连带晚点。通过对晚点传播基础特性的分析,基于极大代数的离散事件动态系统晚点传播模型,以长三角城际铁路网为例,通过对晚点传播的描述和推演,评价给定的列车运行图稳定性和鲁棒性。在此基础上提出3个运行图的调整策略,通过模型计算和分析,评价策略的适用性。     

列车在站技术作业时间写实管理信息系统设计

研究列车在站技术作业时间查定与管理现状，立足实践，设计列车在站技术作业时间写实管理信息系统。基于现有的铁路技术作业相关流程及查定模式和C/S模式，采用面向对象的系统设计方法，提出“ 1主1辅3层次4应用”的系统总体结构与分层结构，详细设计了数据获取、数据汇总与处理、数据统计与分析等功能，阐述数据结构设计、分布式数据查询优化等系统关键问题的解决方法。该系统可解决部分列车习惯性晚点的问题，在一定程度上提升列车运行的正点率。     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发，提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想，以真实数据构造10万条随机路径验证该方法的可行性，并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照，利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量，结合基础属性建立二项Logit模型，从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类，其结果对关键路段识别模型的性能有提升效用；行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性，虽然其个数与路段关键性无明显关系，但其与常见波动程度指标相关性小，可保留用于描述行程时间波动常发性和聚集性.     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度，提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间，利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间；将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量，基于底层BPNN模型预测车辆在目标路段的行程时间，进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试，并与其他4 种模型进行比较. 结果表明，所提模型具有较高的预测精度，尤其在雨天，比传统BPNN模型预测精度提高57.25%.     

一种防尘保温电池板以及太阳能发电系统

本实用新型公开一种防尘保温电池板以及太阳能发电系统,涉及光伏技术领域。防尘保温电池板包括太阳能光电板组、清洗保温卷、支撑传动装置以及驱动装置。清洗保温卷在驱动装置的驱动下具有使得镂空部位于感光面并使感光面直接暴露于太阳下的第一状态以及使得保温清洗部覆盖并接触感光面的第二状态;当处于第一预定时间时,驱动装置驱动清洗保温卷运动至第一状态,当处于第二预定时间时,驱动装置驱动清洗保温卷运动至第二状态。     

基于客流需求的城市轨道交通动态时刻表优化模型

为使城市轨道交通列车运行时刻表更贴合客流需求,依据不断变化的客流需求确定每列车的发车时刻和停站时间,采用多目标优化方法构建以乘客出行时间费用和列车运行时间费用最小为目标、列车发车时刻和停站时间为决策变量的城市轨道交通动态时刻表优化模型,并采用粒子群算法求解。以广州地铁13号线为例进行验证,结果表明优化后的时刻表更满足客流需求,能有效地提高乘客出行效率,具有更好的动态适应性。