高速铁路噪声影响分析及基于GIS的预测与规划

在分析高速铁路噪声源分布特点的基础上,建立了高速铁路对居民区影响的数学模型,根据数学模型并在GIS平台Arc View上对其影响作了预测,为铁路线路规划提供了科学依据,在铁路勘测设计自动化环境影响因子的界定过程中具有一定的参考价值。     

灰色系统理论在道路货运量、货运周转量预测中的应用

基于灰色系统GM(1,1)模型和残差修正GM(1,1)模型,预测道路货运量及货运周转量,可充分开发并利用了少量数据中的显信息和隐信息,避免复杂的相关关系,克服原始数据的离散性,得到高精度的预测结果.以山东省道路货运量及货运周转量为例进行了中短期预测,并用后验差方法对预测结果进行了检验。     

高速船的振动预报与控制

在分析了高速船振动特性的基础上 ,阐述了适合高速船的振动预报方法与控制措施 ,提出了相应不同计算方法精度的不同频率储备量 ,对处理舱内液体对船底结构振动的响应提出了更符合实际情况的新规定。     

丹东电厂蓄水库淤积预报和施工验证

简要介绍以著名的潮流模型Ｓ２１ＨＤ为基础,用新建的依赖于原观资料的全沙冲淤概化模型,对丹东电厂蓄水库设计方案进行了回淤计算;引述了相应的波浪模型试验结构和浪、流联合作用淤积预报结果。经过对库区开挖主要阶段施工资料的分析与验证得知：所建立的冲淤概化模型和整个淤积预报都是成功的。     

朔黄重载铁路局部区段扩能改造方案研究

随着朔黄铁路运量的逐年攀升,下行线谭家庄线路所—肃宁北站区间通过能力不足的问题日益凸显,亟待进行扩能改造.本文基于既有线路的实际运行情况,对改建王佐下联线、改建朔黄铁路下行线两种线路走向方案进行了对比分析,确定采用改建王佐下联线方案,并对该方案控制性工程特大桥上跨京九铁路、肃宁上联线的4种桥型方案进行了比选,选定采用主...     

基于相空间重构的冻土路基变形预测

应用最大Lyapunov指数预测多年冻土路基变形,分析冻土路基变形的相空间重构方法和不同延迟时间及嵌入维数对最大Lyapunov指数的影响。发现当延迟时间为1,嵌入维数为5时,最大Lyapunov指数趋于稳定,其值为0．00528。运用该指数,进行冻土路基变形预测,比较预测变形量和实测变形量,得到最大相对误差为0．749％,最小为0．135％。结果表明最大Lyapunov指数能够较好地反映冻土路基变形的混沌特征,利用其进行冻土路基变形预测是可行的。     

径赛运动员成绩预测的数学模型

体育比赛的竞争日益激烈, 其影响和意义也日趋扩大。科学选拔和训练运动员是取得 优异成绩的重要一环。运动员成绩的预测又是科学选拔和训练运动员的有力手段。通 过预测成绩和实际成绩的比较, 就可以判断出该运动员是否可以被选拔, 或者此种训 练方法是否有效、合理。本文以径赛为例, 用指数函数作为拟合曲线, 建立数学模型, 预 测运动员的成绩, 以帮助教练员科学地训练和选拔人才。      

神经网络结合遗传算法用于航迹预测

研究利用遗传算法对BP神经网络进行优化设计,建立了基于遗传算法的BP神经网络机动目标航迹预测模型。该模型克服了普通神经网络算法在训练过程中容易陷入局部最优点的缺陷,得到了更高的学习精度和更快的收敛速度。最后,用实测数据进行了验证分析,结果表明,基于遗传算法的神经网络的预测模型比单神经网络预测模型预测精度高,可用于航迹的预测。     

基于LSTM神经网络的地铁变压器绕组温度预测

传统的地铁状态监测系统仅能反映变压器绕组当前的温度状态及其历史温度趋势,当绕组温度超过阈值时系统报警,但不能对绕组未来的温度变化进行预测。绕组温度受设备运行功率和环境温度等多重因素影响,其变化呈现非线性和周期性,传统预测方法精度难以提升。本文基于长短期记忆网络(long short-term memory,LSTM)算法预测变压器绕组温度,选取绕组温度、环境温度、运行功率、运行电流作为输入变量,收集变压器历史状态数据构成训练数据进行离线训练,通过训练完成的绕组温度预测模型反映多重影响因素与绕组温度的变化关系。最后将算法应用于某地铁站动力变压器,收集样本数据进行训练得到温度预测模型,将测试数据输入模型中,计算绕组温度真实值和预测值之间的相对温差,分析验证算法可行性与模型准确度。结果表明：LSTM算法面对大数据量样本可充分挖掘多重影响因素与绕组温度之间的深层关系,温度预测模型可准确预测绕组温度的变化。     

人工神经网络在流量预测中的运用

基于流量预测难于水位预测及资料限制,通过人工智能模型之人工神经网络的建立,运用智能模块来记忆流量的历史变化并且联想出未来的流量,分析得出此模型的适用范围,并提出改善措施。