公路收费站污染物扩散数值模拟方法

为了研究公路收费站区域机动车排放污染物对空气污染的影响,提出了基于计算流体力学(CFD)的数值模拟方法.该方法根据收费站的实际规模,建立全尺寸CFD三维仿真模型.以Navicr-Stok～s方程为基础,采用标准k-ε占湍流模型,综合考虑风速、风向、气温、地形、交通量和收费模式等因素,对收费站区域内污染物扩散进行数值模拟.论文采用系统动力学方法建立交通仿真模型,模拟车辆到达、排队、缴费、离开等运行特征,可计算出不同交通量和收费模式下车辆经过收费站的平均停留时间,据此计算收费站污染物的排放源强.论文以渝黔高速公路某收费站为例,运用该数值模拟方法计算收费亭附近的CO浓度,并与实地监测数据相比较,二者吻合较好,表明该方法具有一定应用价值.     

BP算法的改进及其在公路工程主材价格预测中的应用

在利用相关分析法对主材价格影响因素进行筛选的基础上,建立了基于改进BP神经网络算法的公路工程主材价格预测模型.结合郑州市石屑价格预测的实例,分别采用3种BP改进算法进行预测,并对结果进行了对比分析.证明了使用改进BP神经网络进行公路工程主材价格预测是可行和有效的.     

公路工程定额数据在线收集研究

随着我国公路建设事业的不断发展,定额管理部门对公路工程定额数据收集和处理的要求也越来越高。以河南省定额数据收集为例,分析公路工程定额数据收集的现状和存在问题,探讨定额数据在线收集的关键技术,提出B/S和C/S模式相结合的定额数据在线收集系统的体系结构,给出定额数据在线收集系统的网络构造方案。     

改进BP算法在公路工程主材价格预测中的应用研究

分析了传统BP算法的不足,利用相关分析法筛选出公路工程主材价格的主要影响因素;在确定BP神经网络结构及选取训练函数的基础上,建立了基于改进BP神经网络算法的公路工程主材价格预测模型,并结合合肥市石屑价格预测的实例,利用建立的预测模型,采用BP传统算法及附加动量法、自适应学习速率法、两者相结合法等3种改进算法分别预测了合肥市2个季度的石屑价格,并将预测结果进行对比,分析了不同BP算法预测结果之间的差异。结果表明,使用改进的BP神经网络算法进行公路工程主材价格预测,可以将预测误差控制在6%以内,并减少95%左右的训练步数。同时采用自适应学习速率和附加动量改进BP网络的方法相对最有效。