基于双线性递归神经网络的交通流量预测方法

为了提升城市道路智能交通控制和管理的合理性和有效性,从交通流时空特性角度出发,提出基于优化双线性递归神经网络的城市道路交通流量预测方法。该方法有效结合双线性多项式快速准确求解和递归神经网络的动态校准的特点,采用粒子群算法实现冗余神经元和权值的动态剪枝过程,提升了算法的收敛速度和预测精度。采用视频数据对算法进行训练和实验,并进行对比分析。结果表明：该方法能够实现对道路交通流量的准确预测,交通流量预测精度达到90％以上,满足实际交通管理和控制的数据精度要求,同时算法的收敛速度也有明显的改善。     

基于BP神经网络的公路工程造价快速估算方法

BP神经网络模型的建立对于提升公路工程造价估算速度有很大的影响,但在这之前,需要有较为全面系统的工程资料对BP神经网络进行训练,使其形成一定的分析模式,进而完成对工程造价的快速估算。本文对快速估算工程造价的思路和公路工程样本描述及定量化进行了阐述,并对基于BP神经网络的公路工程造价快速估算模型进行介绍,结合实例,对其实用性进行论证。     

基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM（支持向量机）模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明：(1)误差对比：当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。(2)预测精度：组合模型>BP神经网络>SVM,组合模型的平均绝对误差（MAE）提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。     

基于DEA-BPNN模型的高速列车运行线效率计算方法研究

利用数据包络分析（DEA）方法进行效率计算时，若有新增参评样本则下阶段计算时旧样本的效率计算结果可能会随之改变，针对此问题，引入反向传播神经网络（BPNN），基于含偏好序的DEA-CCR模型效率计算结果进行训练，构建DEA-BPNN效率计算模型，在不影响旧样本阶段计算结果的前提上计算新增样本效率。以杭深线厦深段高速列车运行图为例，根据运行线技术指标，利用DEA-BPNN高速列车运行线效率计算模型对2021年第1季度和第2季度厦深段运行图的本线高速列车进行效率计算，研究结果表明，第1季度厦深段本线列车平均效率为0.946，而第2季度本线列车平均效率达到了1.048，说明2021年第2季度厦深达速调图后运行线效率相较上一季度有较大提升。     

城市小间距交通隧道爆破安全监测及结果分析

根据长沙市小间距交通隧道的爆破安全现场监测结果,进行了安全性评价及地震波衰减规律分析。安全性评价分别采用振速峰值和振速-频率安全判据进行评判,结果表明各测试结构物在测试爆破条件下是安全的,且具有较大的安全空间,可适当增加装药量,以加快施工速度,节约资金。通过萨道夫斯基经验公式回归分析,给出了测试条件下的场地系数K和地震波衰减指数α的值,并由此反演得到任意质点振速峰值预测公式和最大(段)允许装药量的控制公式,且后续施工证明装药量控制值是可靠、安全的。     

基于卷积神经网络的高光谱图像分类研究

为了解决传统图像分类方法对高光谱图像分类时表现出光谱信息利用不足的问题,提出一种基于卷积神经网络的高光谱图像分类算法。该算法通过设计输入层、卷积层、池化层、全连层、输出层,逐像素分析实验数据光谱信息,利用设计的神经网络展开代价函数值的递进计算,实现对光谱特征的提取分类。试验中采用的是University of Pavia高光谱遥感影像数据,利用监督分类、非监督分类以及本文的卷积神经网络分类方法进行了实验之后又利用kappa系数对传统的经典分类方法和本文提出的卷积神经网络算法进行精度和效率评价对比以及分析。实验结果表明,与传统分类方法进行比较,该方法有较高的分类精度。     

基于BP神经网络算法的共享单车需求预测

文章选取某地区不同时段的共享单车需求数据,采用BP神经网络算法构建了基于Tanh函数、Logistic函数、Relu函数、Identiey函数四种不同激活函数下的需求预测模型,并应用RMSE、MSE、MAE、R2四种模型评估指标对模型进行评估,从而选出最优需求预测模型进行共享单车的需求预测。结果表明:无论在检验训练数据下还是检验测试数据下,精度最高的模型为Tanh函数下的BP神经网络模型,其测试集下的标准误差(RMSE)比训练集下的标准误差(RMSE)略有上升,测试集下的拟合优度(R2)比训练集下的拟合优度(R2)略有下降,说明该模型具有强泛化性能。     

下穿密集居民区地铁隧道施工爆破测试及安全评价

针对深圳地铁2号线站后折返线隧道下穿密集居民区且采用矿山法施工的情况,采用爆破震动仪对施工爆破进行了测试.根据测试结果,对爆破震速在装药量(或爆心距)一定时与爆心距(或装药量)的关系,以及震速时程曲线和频谱进行了分析研究:通过萨道夫斯基经验公式对地震波的衰减规律进行了回归分析,得到了测试条件下的场地系数(K)和地震波衰减指数(α)值,从而反演得到任意质点震速峰值的预测公式及单段最大装药量的控制计算公式;并采用震速-频率安全判据对测试结果进行了安全性评价.结果表明:已实施的施工爆破满足规范要求,不会对各测试建筑物造成破坏.     

基于大数据迁移学习的灰岩地区排水孔淤堵自动识别技术

隧道排水管淤堵或者失效,会危及边坡的稳定和公路的交通安全.目前缺乏对排水孔淤堵分类的研究.排水孔淤堵分类对排水管道的后期养护具有重大意义.为探索排水孔淤堵智能化检测方法,文章依托广连高速高峰隧道等粤北实体工程,研究了一种采用模型迁移的方法,将排水孔图像数据输入预训练卷积神经网络进行训练,以对新图像进行分类.在采集的排水...     

浅埋隧道地表密集建(构)筑物评估及对策

长洪岭隧道近距下穿密集民房,施工前对房屋做了详细的鉴定,并采集了爆破震速频率范围,通过专家风险评估设定了爆破震速控制限值,给出了指导性施工措施;考虑到与非下穿段的延续性和相容性,为充分发挥现有设备等资源配置,选择了震速可控,且安全、经济和快速的全断面分部减震爆破开挖方法,以及控爆与非爆相结合的施工方法,导洞非爆破方法因地制宜地选择了重庆地区广泛采用的水磨钻法。施工中将震速监测纳入工序管理,并高度重视与地方居民的协调工作;最终实现了安全下穿施工。文章总结了钻爆法浅埋长距离下穿密集民房的隧道施工要点,指出了钻爆法浅埋隧道地表密集建(构)筑物鉴定评估的重要性。     

基于多尺度组合核极限学习机模型的隧道围岩变形预测及应用

隧道围岩变形序列具有高度非线性,采用常规方法很难得到满意的预测精度。为了提高隧道围岩变形的预测精度,基于实测变形数据,提出一种隧道围岩变形的多尺度组合核极限学习机预测模型。首先,通过集合经验模态分解技术将实测变形数据分解为多个不同的尺度序列,然后通过组合核极限学习机对各分量序列进行建模预测,最后将预测得到的各分量结果进行组合获得最终的预测值。改进模型中通过径向基函数和多项式核函数线性加权而成组合核函数,运用粒子群算法对核参数和加权系数进行优选,并通过马尔可夫链对模型的预测结果进行了讨论,可以较好地提高隧道围岩变形的预测精度。文章通过大相岭隧道围岩变形预测实例表明:提出的改进模型在单步预测和连续多步预测隧道围岩变形时,都能取得较高精度,对比可得优于贝叶斯正则化BP神经网络,与工程实例监测变形相比处于可接受范围内,具有一定的应用价值。     

时空特征深度融合下的城市轨道交通站点客流预测

探索挖掘URT站点客流时空特征并精准预测运营高峰期的站点客流，对提高URT系统客流组织效率、保障乘客出行安全具有重要意义。针对传统模型对于时空特征挖掘不够以及在多步短时客流预测的精度上有待提升等问题，引入时段相关性及站点关联度以量化客流隐式时空特征，并建立一种结合双层图卷积神经网络（GCN）与门控循环单元（GRU）的dmGCN-GRU短时进站客流预测模型，随后以杭州地铁为例，对工作日数据和非工作日数据分别进行了仿真实验。结果表明，dmGCN-GRU模型能够深度融合时段相关性、站点关联度、站间OD、邻接矩阵等多重时空特征，可在增加一定训练时长的前提下提高预测精度、模型稳定性。随预测步长增加，模型性能虽有所下降，例如工作日数据拟合优度从94.68%降至94.27%，但性能仍优于SVR、GRU、GCN以及GCN-LSTM等模型。     

延安至吴起高速公路灰土路基越冬对策

延吴高速公路建设者在开工前,对气候条件和路基抗冻情况进行了详细调查、核对,在设计时采取了掺加石灰改良,在施工中对寒冷冻害及时采取了覆盖素土保温措施,防止了路基受冻害,使灰土路基安全越冬,保证了工程质量安全,为类似工程建设提供了可参考的经验。     

基于人工神经网络的梅关隧道围岩级别判别

隧道围岩分级是隧道结构设计的前提工作,也是确保隧道施工安全的关键技术.文章应用神经网络的联想记忆功能,以隧道围岩5个级别作为训练标本,建立隧道围岩与分级指标岩体完整性、岩块强度特性、结构面间的平均距离、结构面状态、岩体的水力条件和地应力场状态之间对应关系的BP判定模型,并将分级结果与模糊系统分级和地质勘查分级法进行对比,效果良好.利用人工神经网络模型为隧道围岩分级提供了一条新途径.     

基于模型剪枝的物联网识别方法研究

在物联网应用中,各深度学习模型对数据采集、处理和传输的效率将直接影响物联网设备的应用性能。为了提高效率,本文提出一种针对卷积神经网络模型剪枝方法,以减少模型复杂度,降低计算和存储需求,同时保持模型较高的识别精度。采用一种基于全局重要性剪枝的策略,通过对整个网络进行重要性评估,去除一些对输出结果影响较小的参数和神经元。同时,为了保持模型的识别精度,在剪枝后对模型进行重新训练,以降低剪枝对模型精度的影响。通过与其他未剪枝模型性能对比,验证剪枝技术对模型准确率的影响具有可控性。     

基于TE-LSTM组合模型的短时交通流预测

为了提升城市道路智能交通控制和管理的合理性和有效性，从交通流时空特性角度出发，提出基于传递熵（TE）变量选择和长短时记忆（LSTM）神经网络模型的城市道路交通流预测方法。根据传递熵选取与被测对象时空因果关联性强的影响因素，将筛选所得的因素作为输入变量，建立TELSTM组合预测模型。采用自动车牌识别数据对算法进行训练和实验，并与基于随机森林（RF）、递归特征消除（RFE）、前向选择（FA）的LSTM组合预测模型对比。结果表明：TE-LSTM模型对道路交通流的预测准确度最高，交通流量预测的MAPE低于5%，在满足实际交通管理和控制的数据精度要求的同时，降低了预测模型的变量维度和复杂度，提升预测效率。     

公路隧道通风设施性能状态评估

针对公路隧道通风设施性能衰损且其功能状态难以判断的问题,本文提出了一种公路隧道通风设施性能状态评估方法。对通风设施振动指标与其性能状态开展关联分析,以振动指标数据中强相关向量作为数据基础,基于LSTM神经网络构建了公路隧道通风设施性能评估模型。采用真实公路隧道轴流风机检测数据对公路隧道通风设施性能评估模型进行验证。结果表明,模型能够有效地对风机性能状态进行评估,评估结果相较于SVM与决策树算法具有更高的精度,且结果可实时获取。     

暗挖大跨地铁车站增量位移反分析研究

文章采用均匀设计法对围岩密度、弹性模量、泊松比、粘聚力、内摩擦角5个因素的16个水平进行了数值仿真试验设计,并借助有限差分法对暗挖大跨地铁车站施工进行了三维计算,获得了不同试验设计条件下不同工序的地表沉降位移值。以计算结果中临时支撑拆除引起的11个观察点的增量位移作为BP神经网络的输入集,以相应工况的岩土体参数作为BP神经网络的输出集,完成了BP神经网络的训练和学习工作;然后将现场实测到的临时支撑拆除导致的位移作为BP神经网络的输入参数,反演出了相应的岩土体参数;最后将该套反演参数代入FLAC3D进行三维仿真计算,得到了岩土体的位移结果,并采用现场实测的7个测点的地表沉降增量对该套参数的合理性进行验证。结果表明,以临时支撑拆除这一工序引起的地表沉降增量为考察指标,采用均匀设计法和BP神经网络可以快速有效地获得暗挖大跨地铁车站围岩的等效物理力学参数,指导暗挖大跨地铁车站的设计与施工,保证工程施工和周边环境安全。     

综合信息

<正>中国首条时速300公里山区高速铁路——合福高铁通车6月28日上午7时37分,随着福州至武夷山北G5602次列车缓缓驶出福州车站,京福高铁的重要组成部分、我国首条时速300公里穿越山区的高速铁路──合福高铁开通运营。合福高铁是我国目前标准最高、也是地形最为困难的一条山区高速铁路,桥隧比高达85.8%,大量采用了新技术、新结构,攻克了一系列技术难题。其中,由中铁大桥局承建的跨越长江的铜陵公铁长江大桥,主跨630     

基于神经网络的出行目的推算研究

出行目的是交通出行的关键属性和重要内容,其对分析交通行为具有关键作用。随着被动数据的不断获取,通过数据挖掘方法推算出行目的既弥补了被动数据的缺陷,也可为进一步分析交通行为提供完善的数据基础。本文通过总结国内外学者在交通出行目的推算方面的研究经验,基于现有的调查数据,采用神经网络方法进行出行目的推算,推算的出行目的的准确性达到86%,在此基础上分析了对模型具有显著影响的因素,由此得到在出行目的推算中的关键因素为时间和空间变量。