基于Adaboost的改进Elman神经网络港口吞吐量预测方法

为提高港口吞吐量的预测精度,建立基于Adaboost算法改进的Elman神经网络预测模型,进行吞吐量的预测.首先对Elman神经网络进行多次训练和迭代,然后将每个Elman神经网络作为弱预测器,基于Adaboost算法将多个弱预测器加权组合,形成Elman-Adaboost强预测器模型.经过Adaboost算法优化的强预测器对误差较大的数据样本有更强的识别能力,可以实现对数据的动态增强学习.以宁波-舟山港2011-2017年的港口吞吐量数据为样本进行仿真,分别使用BP神经网络、Elman神经网络、BP-Adaboost神经网络以及Elman-Adaboost神经网络进行预测,比较四种模型的预测精度.研究结果表明:Elman-Adaboost强预测器模型用于港口吞吐量的预测,预测结果的相对误差最大值1.91％,最小值0.06％,可以将预测误差控制在2％以下,数据拟合效果更好预测精度更高,可以作为港口吞吐量预测的一种方法.     

横风荷载下电磁悬浮EMS型磁浮车辆动态响应特性分析

强烈的横风荷载会影响磁浮列车横向稳定性和安全.为全面了解横风荷载下电磁悬浮(EMS)型磁浮车辆的动态响应特性,建立了一个精细化的3D磁浮车辆多体动力学模型,并利用CFD(计算流体运动学)方法获得了磁浮车辆的气动载荷系数.基于"中国帽子风"阵风风速曲线计算生成横风荷载,进而通过时域动力学仿真,最终获得磁浮车辆车体与悬浮架的动态响应,并从车体位移、电磁悬浮系统和关键部件等方面细致全面地分析了横风荷载下EMS型磁浮车辆动态响应特性.     

公路作业区临时交通安全设施布局方案动态自动生成系统的设计与实现

针对公路作业区交通组织方案设计与相关管理人员编制临时交通安全设施布局方案不规范、效率低的问题，设计了一套公路作业区临时交通安全设施布局方案动态自动生成系统。该系统构建了作业区交通安全设施模型库以及三维交互模块，可生成二维静态、三维静态和三维动态三种形式的临时交通安全设施布局方案，实现临时交通安全设施与社会车辆在作业路段的三维动态交互功能。该系统可辅助设计与管理人员合理化、规范化编制作业区临时交通安全设施布局方案，提升方案编制标准化程度和效率，以动态、直观的方式呈现交通安全设施的布设过程，可提升作业区临时交通安全设施布局方案设计时间40%,提升作业区交通安全设施布局方案展示效果50%。     

面向大数据节点的动态可信度评估模型

大数据处理平台分布式、大规模等特性,使得各个节点间的信任问题变得日益突出.针对现有模型中对节点进行评估时存在灵活性差、未充分考虑历史访问信息、固定权重等缺点,文中提出了一种基于大数据平台节点的动态可信度评估模型,考虑了节点交互中由于非恶意因素导致失败的情况,同时还兼顾当前时间片交互与历史交互次数的权重问题;提出了利用相似度为信任值赋权重,并且给出相似度计算方法.实验证明,文中提出的模型对节点的可信度评估具有一定的动态性,而且相较于其他模型具有更好的效果,更加适用于大型集群中节点的可信度评估.     

加铺于旧沥青路面的薄层罩面层间剪切疲劳性能研究

薄层罩面作为一种预防性养护措施,其层间抗剪性能的好坏直接影响到罩面层的使用年限,为了更好地评价薄层罩面的疲劳寿命,进行了层间不同粘结材料、不同应力水平和不同温度条件下的剪切疲劳试验,并建立层间剪切疲劳方程。结果表明:层间粘结材料、试验温度和应力比等都对薄层罩面层间剪切疲劳寿命影响较大,不同粘结材料的层间剪切疲劳寿命随着应力比的增大、试验温度的升高都明显下降。