纳米SiO2/蓖麻油复合改性沥青流变特性研究

文章制备了16种不同掺量的纳米SiO₂/蓖麻油复合改性沥青,通过沥青三大指标试验和流变性能指标试验,研究纳米SiO₂和蓖麻油对复合改性沥青的影响。结果表明：纳米SiO₂会降低复合改性沥青的针入度和延度,增加软化点,蓖麻油具有相反的作用;纳米SiO₂对高温性能有较大的促进作用,蓖麻油则相反;对于低温性能,蓖麻油具有明显优势,纳米SiO₂则会降低沥青的低温性能;从复合改性沥青高温性能考虑,蓖麻油掺量应≤6%,而纳米SiO₂掺量应尽可能大;当蓖麻油掺量>3%,纳米SiO₂掺量≤6%时,可以很好地保证复合改性沥青的低温抗裂性。因此,掺有4%纳米SiO₂和3%蓖麻油的复合改性沥青具有较好的综合性能。     

橡胶表面改性对橡胶混凝土性能的影响研究

为了研究橡胶集料表面不同改性方法对混凝土性能的影响,文章采用水洗、NaOH溶液处理和Ca(ClO)₂溶液处理三种橡胶表面改性方法,分别对橡胶集料进行持续2 h、24 h、72 h的浸泡后,开展抗压强度试验、劈裂抗拉强度试验、渗水试验、干缩试验及扫描电镜试验并进行分析。结果表明：三种表面改性方法均能提高橡胶混凝土的性能,Ca(ClO)₂处理对改善混凝土的强度、渗透性和干缩性能效果最佳;随着Ca(ClO)₂处理时间的延长,混凝土的28 d抗压强度和劈裂强度分别可达普通水泥混凝土的0.93倍和0.87倍;Ca(ClO)₂处理增强了水泥浆体与橡胶集料之间的粘结,这种微观结构的改善也导致混凝土的强度增加、透水性降低、干缩性能提高。     

基于遗传算法的BP神经网络短时交通流预测

对BP神经网络模型、方法及遗传算法的基本原理进行了分析,将遗传算法与标准BP神经网络算法相结合构建了基于遗传算法的神经网络算法;建立了基于BP神经网络的短时交通流预测模型,对BP神经网络算法及基于遗传算法的BP神经网络算法进行设计,并将其应用于短时交通流预测模型的仿真计算,仿真结果表明基于遗传算法的BP神经网络算法具有更快的计算速度及更好的适应能力,该方法可以较好地应用于短时交通流预测。     

基于RBF神经网络模型的钢筋混凝土拱桥损伤预测分析

为研究钢管混凝土拱桥在服役过程中的损伤状态,文章基于RBF神经网络模型,以某典型工程钢管混凝土拱桥为研究对象,引入结构柔度曲率变化作为损伤指标,围绕拱桥吊杆损伤和拱肋损伤两种模式,建立钢管混凝土拱桥预测模型进行损伤预测分析。结果表明,基于RBF神经网络模型的损伤预测方法简单且较易实现,能较好地预测钢管混凝土拱桥的损伤位置,并且可通过损伤函数反演出拱桥损伤程度,具有一定的现实意义和工程实用价值。     

油气集输管道腐蚀速率预测研究

腐蚀速率的精确预测对于油气集输管道的安全运行具有重要意义。鉴于神经网络算法陷入局部最小值、收敛速度慢和引起振荡效应等问题,同时考虑自适应遗传算法在广泛的空间搜索和向最优解的方向尽快收敛于最优目标的特点,构建了优化的混合算法神经网络模型。利用该模型对多种因素影响下的油气集输管道的腐蚀速度进行了预测研究。实际应用表明：该模型大大提高了网络的学习效率和预测评判的精度,可以作为油气集输管道腐蚀速率预测的良好工具。     

钢轨磨耗影响因素分析及磨耗预测研究

本文针对钢轨磨耗无法有效预测的问题,提出基于T-S模型的模糊神经网络磨耗预测方法。将车速、曲线半径、摩擦系数等5个因素作为网络输入,以钢轨的侧磨值、垂磨值为输出,建立基于T-S模糊神经网络的钢轨磨耗预测模型,并结合实际数据进行仿真实验。     

水泥混凝土桥面防水粘结层性能研究

为研究水泥混凝土桥面防水粘结层的拉拔性能、剪切性能、老化后拉拔性能和老化后剪切性能,以扎隆沟至碾伯镇公路K20+638.00达坂山大桥为工程依托,采用水性环氧类材料,不粘轮特种粘层材料、乳化沥青+碎石制备试件,进行层间剪切试验和拉拔试验。结果表明：随着防水粘结层用量的增加,拉拔强度和剪切强度均呈现先增大后减小的趋势,水性环氧防水粘结层材料与不粘轮特种粘层材料的最佳洒布量均为0.8kg/m²,改性乳化沥青+碎石材料的最佳洒布量为1.2kg/m²,该研究为水泥混凝土桥面铺装设计提供了依据。     

胺法捕集技术在石灰窑烟气中二氧化碳处理的应用研究

本文围绕胺法捕集石灰窑烟气中二氧化碳(CO₂)的工艺进行深入探讨。首先概述二氧化碳排放对环境的影响,强调控制温室气体排放的重要性。随后,详细介绍胺法捕集CO₂的原理及其在石灰窑烟气处理中的应用,包括不同胺液如哌嗪、MEA(脱硫脱碳)/MDEA(聚氨酯扩链剂)和DGEA(双酚基蒽酮二缩水醚)的性能比较,以及烟气的降温除尘、脱硫脱硝和CO₂的吸收解吸过程。本文还分析了实际运行中遇到的挑战,如材料腐蚀、再生加热器泄漏等问题,并提出相应的解决方案。本研究对优化石灰窑烟气中CO₂的捕集工艺、提高环境治理效率具有重要意义。     

陶粒混凝土的收缩性能研究

通过在陶粒混凝土中使用不同的体积用量和掺加纤维、硅灰和膨胀剂等不同掺合料,研究了以上因素对陶粒混凝土的收缩性能的影响。     

CO2驱替条件下不同管材的耐腐蚀性能分析

利用电化学法、失重法、扫描电镜，结合数值模拟对3Cr、16Mn、20#钢3种管材在不同CO₂驱替条件下耐腐蚀性能进行评价，为管材优选提供参考。结果表明：随着温度上升，3Cr和16Mn的耐腐蚀性有明显下降，20#钢的耐腐蚀性先上升后下降；在CO₂驱替条件下，3Cr的耐腐蚀性能远优于其他2种材料，16Mn和20#钢的耐腐蚀性能相近；分析了CO₂分压为1 MPa、3 MPa和5 MPa下的腐蚀速率，发现在3 MPa时腐蚀速率最小，原因是在3 MPa时腐蚀表面形成的FeCO₃膜较厚，减缓了腐蚀速率；在纯铁中加入一定量的Cr,可以提高管材抗腐蚀能力。     

基于不同优化算法的隧道洞口段拱顶沉降SVR预测模型及其比较评价

准确预测隧道洞口段沉降变形是保障安全进洞的重点工作，如何解决输入层维度高的问题以及准确描述机器学习预测模型的性能意义重大。因此，将主成分分析法（PCA）、优化算法和支持向量回归机（SVR）相结合，提出6个基于PCA和优化算法的SVR组合预测模型。首先，通过PCA筛选影响拱顶沉降的主要因素；其次，采用遗传算法（GA）、粒子群算法（PSO）和灰狼算法（GWO），对SVR的惩罚因子和核参数进行寻优；最后，将组合预测模型应用到温州市石鼻头隧道，采用相关性系数（R）、均方根误差（RMSE）和平均绝对误差（MAE）对预测模型的性能进行比较评价，并构建模型查询表。结果表明：组合预测模型均有较高精度，R≥0.987 0,RMSE≤6.792 4 mm,MAE≤3.493 7 mm;PCA降维后，GA优化后的SVR预测模型的预测效率提高了65%,PSO和GWO优化后的SVR预测模型减少了输入层维度，但需要更大的k值，降低了预测效率，PCA-GWO-SVR模型尤为明显；PCA-PSO-SVR预测模型的鲁棒性更强。     

纳米复合天然岩改性沥青及其混合料性能研究

为研究纳米复合天然岩沥青(RCA)改性对基质沥青及其混合料性能的影响,文章通过室内试验研究了不同纳米TiO_2掺量下RCA改性沥青及其混合料的路用性能,并与目前使用较普遍的SBS改性沥青、BRA改性沥青和基质沥青以及相应的混合料进行对照分析。结果表明,RCA改性对沥青混合料的综合路用性能最好,特别是对高温抗车辙能力提高最为明显,且随着纳米TiO_2掺量的增加,各项性能指标均有所提高,但是其增速逐渐变缓,纳米TiO_2对混合料路用性能的影响逐渐变弱。综合考虑性能变化规律和经济效益,推荐RCA改性中纳米TiO_2的合理掺量为1%。     

基于混合遗传算法的供水管道漏损安全预测

为解决供水行业中供水管道漏损安全性问题,建立了供水管道漏损安全预测模型,并引入遗传算法对其优化进行漏损预测,同时,针对传统的遗传算法优化该模型的过程中出现的缺陷,提出了混合遗传算法对其求解.模拟实例的预测结果表明：该模型预测方法准确可靠,具有较高的实用性。     

纳米复合ZnO改性沥青混合料路用性能分析

为分析纳米ZnO材料在改性沥青方面的应用效果,验证其沥青混合料的综合路用性能,文章通过制定相应的纳米ZnO改性沥青、纳米复合ZnO/SBS改性沥青的试验方案,利用车辙试验、SPT简单剪切试验、小梁弯曲试验和冻融劈裂试验等分析四种不同类型沥青混合料的路用性能。结果显示:纳米ZnO材料显著改善了70~#基质沥青的高温抗车辙性能、低温抗裂性能和水稳定性能,其中采用复合ZnO/SBS改性的沥青混合料综合路用性能最佳,远超出规范要求标准;纳米复合ZnO改性沥青混合料与70~#基质沥青相比动稳定度和动态模量值分别提高了约114.1%和233%,最大破坏弯曲应变和残留稳定度分别提高了35.7%和14.5%。汇总可知,采用纳米ZnO改性方法能够有效解决目前沥青路面所面临的早期病害问题,为沥青混合料改性技术的应用提供技术支持,对延长路面使用寿命具有重要意义。     

山岭隧道爆破效果神经网络评价模型及爆破参数优化决策方法研究

针对山岭隧道爆破开挖普遍存在的超欠挖过大、渣体块度不适等问题，分析了造成这些问题的主要因素，确定了隧道爆破开挖效果评价指标体系，建立了以爆破块度和超欠挖量为预测目标的隧道爆破效果神经网络评价模型，提出了基于深度学习的隧道爆破渣体块度实例分割算法，形成了山岭隧道爆破参数优化决策方法，进而开展了工程应用与验证。结果表明：（1）基于深度学习的隧道爆破渣体块度实例分割算法检测出的块体大小与真实值误差小于6.9%（置信度为95%），实现了隧道渣体块度样本数据的快速获取；（2）经148组工程实践样本数据训练后的隧道爆破效果神经网络评价模型能够较为准确地预测出爆破渣体块度与超挖量；（3）爆破参数优化后试验断面的平均线超挖量均在10%左右，较原方案降低了50%以上；实测得到的渣体块度与超挖值与模型预测结果一致性良好，偏差小于20%。     

人工蜂群优化BP神经网络在输油管道泄漏检测中的应用

BP神经网络的泛化性能很大程度上取决于模型的参数选择,针对此问题提出基于人工蜂群算法(ABC)的BP神经网络参数优化算法,并将其应用于输油管道的泄漏检测。该方法将BP神经网络的连接权值和阈值一一对应于人工蜂群算法优化问题每个可行解的各维度值,找到问题的最优解,训练出符合精度要求的理想模型。将该方法应用于输油管道泄漏信号的识别,提取管道各类工况下压力信号部分非线性特征作为检测模型训练样本集,建立输油管道泄漏检测模型并进行识别测试,有效提高了泄漏检测的准确率。     

基于机器学习的铁路隧道施工碳排放预测模型研究

为构建适用于铁路隧道施工建设阶段碳排放预测的算法模型，以某铁路隧道建设工程为研究案例，首先基于碳排放计算体系量化得到案例隧道的施工碳排放量与各子阶段碳排放占比；然后采用多种机器学习算法构建不同预测模型，结合动物优化算法对预测模型进行参数调优，选用R²、MAE、MSE、RMSE、MAPE、SMAPE等评价指标对比分析拟合效果，筛选最佳预测模型，并基于SHAP值分析各参数变量的重要性程度。结果显示：建材生产阶段对隧道施工碳排放的贡献最大，建材运输阶段的碳排放最小；BP神经网络相对随机森林、LightGBM、SVR、极限学习机等算法的回归效果更好，并且通过对比使用PSO算法、WOA算法和SSA算法优化后的回归预测模型，WOA-BP算法的拟合效果最好；基于SHAP算法的分析，各参数变量的特征重要性排名依次为：开挖面积>围岩等级>开挖工法>埋深。     

聚合物胶粉复合改性沥青混合料空隙率影响因素研究

文章基于室内试验测定不同级配混合料在不同油石比下的空隙率大小,采用分形维数、关键筛孔通过率和PCSI等参数从级配角度对空隙率进行评价,并通过SPSS软件分析各影响因素与空隙率(VV)的相关性。研究表明:PCSI接近0时,沥青混合料密度越接近最大值,空隙率越小;空隙率随着分形维数的增加而减小,D_c和D_f分别控制在2.2～2.5和0.5～0.7时,空隙率取得最小值;P_4.75和P_2.36分别控制在55%～60%和35%～40%时,混合料更容易密实,且增大P_0.075值,能够有效增加沥青胶浆含量,减小空隙率:通过Kendall法分析各因素对空隙率的影响程度,分析发现P_0.075影响最大,D_r、D_f次之,P_2.36、PCSI次之,D再次之,P_4.75影响程度最小。     

基于遗传算法的BP神经网络在隧道围岩参数反演和变形预测中的应用

隧道变形的准确预测需要以可靠的围岩力学参数为前提。文章通过构建基于遗传算法的BP神经网络智能反分析系统(GA-BP),实现了遗传算法自动搜索BP网络参数,大大提高了反演分析的效率,并将构建的GABP智能反分析系统应用到下穿沈丹高速公路的大顶山隧道围岩参数反演和变形预测中。分析结果表明,GA-BP反分析系统收敛速度较快,围岩参数反演和变形预测较为准确。     

基于变权重组合模型的高速公路路基沉降量预测分析

现有高速公路路基沉降预测方法多是基于单一权重组合模型,在预测结果上存在误差较大的问题。基于此,文章采用变权重组合方法建立高速公路路基沉降量预测模型,通过对预测量对应权重系数的动态优化,使其变为以时间发展为依据的表达模型,进而获得更加准确、稳定的预测模型。经湖城高速公路某沉降路段实际测试,并与另外三种预测模型的实例路段路基沉降数据进行对比,结果表明：基于变权重组合模型的预测结果与实际公路路基沉降测量值之间的误差最小,其误差值为0.871 2,数据曲线表现出来的测量因素的拟合程度更好,整体性能较另外三种权重组合模型提升效果明显,收敛性更好。