基于Bootstrap和GA-Elman的土质滑坡坡表变形区间预测

坡体变形是表征边坡稳定性最直观的指标。如何科学合理地解译其演化特征,对滑坡灾害预警防范具有重大的工程意义及科学价值。由于滑坡灾害的影响因素中,很多不确定因素都不可能完全准确地定量分析,只能从定性层面建立影响因素与坡体变形的关系,为了解决滑坡确定性预测方法中未考虑预测与数据误差的问题,量化滑坡点预测结果中的不确定因素的影响,依托滑坡坡表变形点预测方法,提出基于残差Bootstrap与GA-Elman神经网络的区间预测方法。相比于传统方法,通过变形伪数据集的建立、GA-Elman模型的迭代训练与总方差估计、ELM网络残差训练与随机误差方差估计等步骤创建的区间预测方法在预测可靠性、区间宽度、针对特殊变化坡体的预测灵活度等方面都有显著提升。利用Bootstrap重抽样模型、GA-Elman神经网络预测算法以及区间预测理论方法,建立基于Bootstrap和GA-Elman的滑坡变形区间预测模型。研究导致滑坡变形的不同影响因素、预测模型参数及置信区间等对于区间预测模型效果的影响,并运用到现场滑坡中。分析结果表明,所提出的方法可适用于现场滑坡,更好地将滑坡降雨等影响因素与坡体表观变形建立联系,为滑坡...     

基于工程线路数据的电子地图自动生成方法研究

电子地图数据是实现卫星定位的基础，而实际卫星数据采集的工作量较大，易受到现场因素制约，且不能满足基于卫星定位的列控系统仿真测试平台对任意线路的测试环境需求。为此，提出一种基于工程线路数据的电子地图自动生成方法。先读取、校验和分析工程线路数据，生成线路拓扑关系，识别并提取电子地图要素信息；再根据设定的线路起点经纬度和各信号点方位角，计算正线、侧线各信号点的经纬度，生成满足卫星定位的电子地图；最后，对电子地图数据进行准确性检查。该方法对于任何一条工程线路均能仿真生成电子地图数据，为基于卫星定位的列控系统车载设备的研发和实验室测试提供有力的技术保障。     

铁路安防数据记录器架构及关键数据设计

目前我国铁路各专业车载检测监测系统采集的数据信息较独立，关键参数未进行集中记录，研究确定铁路安防数据记录器架构及关键数据成为当前重要工作之一。从我国铁路事故类型出发，结合现场调研，确定事故调查所需的各专业车载检测监测系统及其采集的关键数据。对动力分散型动车组、动力集中型动车组、机车等不同车型，分别梳理既有车载检测监测系统之间的结构关系，在此基础上设计铁路安防数据记录器架构，并明确铁路安防数据记录器包含的关键数据。     

浅谈现代职业教育体系下汽车专业产教融合教学体系的构建

<正>汽车专业经过多年的发展已经形成了较为成熟的专业体系,也有一批专业水平较高的教师从事相关教学工作,相关的教材体系也日益完善,但现阶段职业教育汽车专业培养出的人才依然未能与相关企业的生产经营活动实现无缝对接,究其根本原因是未从生产实际角度出发完善相关教学内容。本文通过分析现代职业教育体系中汽车专业存在的问题,提出从人才需求调研、从岗位职责中提炼教学内容、开展深度校企一体化教学、优化现有评价机制4个方面开展产教融合,以期职业教育汽车专业培养的人才成为推动我国汽车产业发展的新动力。     

铁路安防数据记录器发展现状及建议

简要介绍铁路安防数据记录器的由来与发展、国内外相关法规和标准规范，分析国外TELOC^?、Trainnet^?、REDBOX^?事件记录器的定义及功能特点。根据我国铁路列车设备情况，分析LKJ-2000型列车运行监控记录装置、机车远程监测与诊断系统(CMD)等产品装车情况，以及铁路安防数据记录器相关产品的特点及存在问题。针对铁路事故调查的时效性、权威性、准确性及全面性等多方面的需求，结合铁路安防数据记录器开发应用过程中可能存在的问题，提出加强法制建设、制定抗毁防护性能指标标准、研究数据集成化设计方案、建立译码中心的建议。