桥梁结构空心构件梯度温度参数研究

目前我国铁路、公路桥梁规范均未考虑南北气候差异对桥梁温度作用的影响,对降温温度梯度曲线的规定也较粗略。针对上述不足,结合哈尔滨40年(1963～2002年)及广州10年(1997～2006年)的气象资料,通过分析气象资料和建立有限元模型,对大型桥梁空心构件日照升温和寒流降温梯度温度参数进行分析研究。对日照升温温度作用,为区分不同地区温度作用的差异,提出其温差极值的预测公式并加以简化,可为建立温度作用分区提供参考依据;对寒流降温温度作用,定性分析壁厚对温差极值和温度梯度曲线的影响,并提出温差极值预测公式。结果表明:哈尔滨地区的日照升温温差极值为35℃,广州地区为20℃,两地温度作用相差较大,有必要考虑气候的影响并建立温度作用分区;寒流降温温度作用对构件的影响深度在0.6 m左右,随着壁厚的增加温差曲线指数相应减小。     

基于状态转移概率矩阵的轨道不平顺发展预测研究

应用系统状态转移概率矩阵决策理论和方法,基于轨检车现场实测的轨道不平顺数据,以高低不平顺为例,建立了高低不平顺25 m区间最大值状态转移概率矩阵.在此基础上,对高低不平顺区间最大值发展状况进行了预测,并同实际检测结果进行了对比.结果表明:借助状态转移概率矩阵可以预测轨道状态的发展变化;对于数据量小的系统,可以采用离散状态转移概率矩阵进行很好的预测,但如果样本数据量较大,离散状态转移概率矩阵建立较为困难,且受异常数据影响大,不利于分析使用;如果能较准确地获得轨道不平顺发展分布特征及其相关参数,并以此为基础建立连续状态转移概率矩阵,利用此矩阵可在一定程度上反映轨道不平顺状态变化,此矩阵不受数据量限制,受异常数据影响小.     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。     

多元评价体系组合模型在铁路隧道变形预测中的应用

为克服传统预测模型结构单一、预测精度及稳定性不足等缺陷,提出多元体系组合预测模型的建模思路。首先,基于支持向量机、BP神经网络及ARMA模型3种单一预测模型,构建铁路隧道变形预测体系;再以均方根误差、误差平方和及平均绝对误差等为评价准则或指标,构建各预测结果的误差评价体系,求解各单项预测模型的权值贡献指数,得到最优组合权值;然后利用后验差检验、残差检验和关联度检验构建预测精度校验体系,对组合预测结果进行检验,评价预测模型的有效性;最后,结合工程实例,对多元体系组合预测模型在特大断面隧道中的变形预测效果进行检验。结果表明:多元评价体系组合模型预测相对误差值均小于2%,具有较高的预测精度,且较单一预测模型具有更高的预测精度,也一致通过相关检验,验证了多元体系组合预测模型的有效性。     

高速公路清障救援资源需求预测综述

清障救援资源是高速公路缓拥堵保畅通的重要保障,对维护路网运营安全具有重要意义.本文在梳理了国内外道路清障救援资源需求分析方法的基础上,分析了目前研究所取得成果与不足,并提出了相应的研究展望.     

基于BAM神经网络河床断面模式识别的中小桥水害预测

针对现行的中小桥水害预测方法野外作业量大、缺乏资料无法预测等弊端,从推理公式出发,把实际中小桥河床断面分为9种类型,建立了各类断面直接从雨量到水位的水害预测模型;利用BAM神经网络对河床断面进行模式识别,以确定水害预测模型的类型;将该桥雨量-水位数据代入相应的水害预测模型,求解其中的参数,得出该桥的雨量-水位函数关系式.实例验证该方法具有可行性和有效性,大大降低了劳动强度.特别是对于缺乏资料的中小桥水害预测,尤为适用.     

基于遗传算法的二次回归方程在沉降数据处理中的应用

软基路基沉降与其影响因素之间呈非线性关系。以某软基高速公路为例,以时段天数、时段载荷量及时段加载平均速率为解释变量,以时段沉降量为被解释变量,建立了非线性二次回归模型,并用遗传算法估算模型系数。工程实例表明,经遗传算法优化的非线性二次回归方程具有较高的预测精度,效果优于神经网络,用该模型进行软基高速公路沉降预测分析是可行的。     

基于多项型高斯函数的过渡段路基沉降预测

高速铁路过渡段路基沉降是复杂的非线性系统,提高路基沉降的预测精度对于高速铁路建设和运营具有重要意义。利用MATLAB工具箱分别建立路基沉降与累计时间和累计填土高度的单因素高斯型数学模型,通过线性回归分析得到了两个单因素的非线性综合模型。实证分析表明该综合模型具有较高的精确度,预测效果好于BP神经网络模型,能够较好地指导工程建设。     

郑和宝船为福船型的历史文献证据(上)

郑和下西洋是人类海洋文明的重要组成部分,是世界航海史上时间最早、规模最大、技术先进、活动范围广大的洲际航海活动.郑和下西洋比哥伦布到达美洲大陆航海早了87年,比达·伽马绕过好望角到达印度的航海早了92年,比麦哲伦的环球航海早了114年.郑和下西洋时的中国船舶制造、天文航海、地文航海、季风运用和航海气象预测等方面的技术和航海知识,在当时处于世界领先地位.从1405年到1433年的28年间,郑和率领由208艘帆船和27800人组成的中国远洋船队,先后七次下西洋航海,经我国南海,沿印支半岛到南洋诸国,再经马六甲海峡到印度洋沿岸以及非洲东海岸,足迹遍及30多个国家和地区,传播了中华文明,促进了经济文化交流和经贸往来,扩大了中外友好关系,创造了世界航海史上的辉煌奇迹.     

基于动态递归神经网络的地连墙安全预测

对于深基坑开挖时地连墙的安全状态做到及时掌控和预测,是基坑工程的重要内容。通过对深基坑测斜数据的地连墙弯矩反分析,得出地连墙的内力发展状况;基于动态递归神经网络基本原理,预测地连墙水平位移和内力的下一步发展趋势。据此,提出了一套掌握深基坑地连墙变形和内力安全状况,并预测以后安全走势的实用方法。研究发现,该预测方法能够在施工时,从变形和内力两个方面及时了解深基坑地连墙的安全状态,在一定程度上节省基坑监测开支。