海底隧道工程建设项目水土流失防治措施探讨

随着现代交通基础设施建设技术的不断发展,海底隧道工程建设技术也得到了蓬勃的发展。由于中国海底隧道工程建设项目水土保持工作起步较晚,所以此类项目的水土流失防治措施有所欠缺。本文以厦门第二西通道工程为例,对海底隧道工程建设项目水土流失防治措施进行探讨。1工程概况厦门第二西通道工程是一条联系厦门市本岛与东部翔安区、西部海沧区进出岛的重要交通通道,路线全长9.030km,     

无损检测技术在FPSO系泊钢缆中的应用研究

针对FPSO系泊钢缆经常出现的锈蚀、磨损、断丝等损伤问题,介绍所研发的无损检测仪的关键技术及应用情况。将新研制的系泊钢缆无损检测仪应用于FPSO111进行在线检测作业,获得检测数据。通过软件分析,与实际数据相符,验证了系泊钢缆无损检测仪的功能满足系泊钢缆水下检测的要求。     

新建杭绍台铁路对相邻既有线通信系统的改造

在建设杭绍台铁路时引起了甬台温铁路通信系统改造.重点介绍了并线区段的移动通信系统改造方案,以及临海站传输系统改造割接方案,可为国内高速铁路邻近既有线通信系统改造提供参考.     

城市轨道交通CBTC系统互联互通方案研究

依据CBTC互联互通的目标,提出CBTC互联互通的实施原则和设计原则,确定适合系统互联互通的车一地通信方式,并在此基础上从CBTC的系统结构、系统功能分配、接口技术等方面提出了CBTC实现互联互通的详细技术要求和规范。最后,给出系统互联互通的关键一DCS通信子系统的OPNET仿真。仿真结果表明：本方案满足系统互联互通要求,为城市轨道交通CBTC信号系统的招标采购及其国产化提供参考。     

超大型集装箱船建造工艺研究

超大型集装箱船是当今集装箱航运市场趋势,日韩和中国的一些大型船厂也将建造超大型集装箱船作为未来发展目标,超大型集装箱船与常规船相比,分段数量多、结构形式复杂,厚板应用区域多,对于分段建造,尤其是涉及厚板区域分段建造也极为困难,鉴于超大型集装箱船上述的建造特点,其建造工艺的研究就显得十分重要。本论文主要从零件分道流向、厚板建造工艺、舭部结构形式优化和艏部大型总段移位等四个方面进行研究,以达到对超大型集装箱船建造工艺的优化,提高生产效率的目的。     

非常规突发事件的情景构建与演化分析

为了解决非常规突发事件情景演化分析过程中信息的不确定性和不完全问题,运用动态贝叶斯网络模型的理论知识,构建非常规突发事件的情景演化模型.首先,在情景构建的基础上,计算专家评分的加权平均值,以提高数据的准确性.其次,通过动态贝叶斯网络模型的数值计算和模拟仿真进行情景演化研究.最后,以简化后的兰州石化管道泄露致水污染事件为例,实现了情景演化的可视化仿真,验证了模型的可行性.仿真实验结果表明,计算结果符合实际事件演化的实际情况.     

明珠号在西非海域多点系泊系统可行性分析

针对明珠号FPSO采用多点系泊系统在西非海域作业的可行性问题,分析FPSO在该区域环境条件下的动力响应特性,设计FPSO的系泊型式和艏向布置方位,选取生产、外输两个作业工况,以及压载和满载两个极端工况进行计算分析,结果表明,多点系泊系统能够满足作业定位的要求,可以抵御百年一遇的风浪作用。     

ED涂膜二次流痕问题的原因及解决

ED涂膜二次流痕是在汽车涂装过程中经常出现的质量问题。为了消除ED二次流痕对中涂和面漆的不良影响,需对缺陷部位进行打磨和修补。这不但影响生产节拍和作业环境的洁净度,而且对涂层的防腐性也有一定的影响。导致产生ED二次流痕的原因较多,本文仅就本公司在涂装生产过程中出现的ED二次流痕问题进行分析,并通过采取相应措施彻底解决了这一问题。     

帕萨特B6迈腾

作为一汽-大众即将投产的旗舰车型，“Magotan”-“迈腾”，其中文名称和拉丁文名称都具有深刻的意义。拉丁文名称“Magotan”,来源于拉丁文词根“Magnus”，意义是出众的，高贵的，权威的，受人尊敬的。     

基于多源数据融合的城市道路旅行时间预测

城市道路旅行时间预测是城市道路交通管理的重要支撑.研究了利用多源数据预测城市信号控制主干道旅行时间的方法.以2015年8月某路段的视频检测器及微波检测器的2种数据为基础,采用回归拟合的方法探究信号控制主干道路段旅行时间与断面流量之间的关系,2段式的线性拟合结果可以较好地拟合信号控制主干道路段旅行时间与断面流量的关系.以BP神经网络模型为基础,从输入层入手,采用直接输入2类数据、应用拟合关系输入拟合数据等方法,综合考虑2类数据之间的相关性,建立了融合2类检测数据进行旅行时间预测的多个模型,对7种不同输入的神经网络预测模型进行了测试、对比和分析.研究结果表明,相比于时间序列、支持向量机、k近邻和历史平均方法而言,应用拟合关系的2类数据融合的BP-2神经网络模型具有更高的预测精度,MA PE为13.04%,表明BP2神经网络模型能够实现较好的旅行时间预测效果.