两种非线性曲线拟合在施工地面沉降预测中的应用对比分析

基于现有的实测数据样本,运用双曲线法和指数曲线法对地面沉降进行预测,结合三种不同的工程实例进行验证并对预测结果作对比分析.两种预测方法都能满足工程精度的要求,且双曲线法要比指数曲线法预测精度高.指数曲线预测的结果一般比实测结果要小,双曲线法预测的结果相对较大,预测结果可以为施工提供指导和参考.     

软土路基沉降预测方法探讨

双曲线法、指数曲线法和三点法均是软土路基沉降预测的常用方法,此三种方法对沉降观测时间均有要求。为此,以某高铁试验段的塑料排水板联合超载预压加固处理测出的路基沉降数据为基础,分析这三种方法的适应性和稳定性。结论为:在恒载6个月内,不同预测方法和实测值变化规律基本一致;双曲线法预测的最终沉降总体上较其他方法大;指数法一和三点法以前3个月、后3个月和6个月数据为基础的预测规律最接近,以前3个月和后3个月的数据为基础的两次预测的沉降差值最小。     

基于时间序列分析和神经网络的风电功率预测方法研究

功率预测对于接入大量风电的电力系统运行具有重要意义。文章对提前4 h的风电机组出力预测进行了研究,分别采用BP神经网络法直接预测输出功率,以及时间序列法间接预测输出功率,并将两种方法组合以提高预测精度,组合权系数的选取以方差最小为目标函数。研究结果表明,不同方法的预测精度不同,尤其是在个别预测点处不同模型的误差差别较大,组合预测可减小预测系统的误差,提高预测精度。     

轨道交通引起的地面高层建筑室内振动分析

近年来,轨道交通引起的地面高层建筑振动已成为地铁公司、地铁上盖开发商和环保部门三方越来越关注的问题.为了对地铁通过的某项目地块上的高层建筑进行室内振动预测,使用经验法和数值分析两种方法分别进行计算分析,预测了某项目地块上建筑物的室内振动,并与规范限制作比较.结果 发现:楼层越低,受列车荷载引起的室内振动越大;使用经验法和数值分析法计算出来的结果吻合度较高,两种方法预测得出的室内振动均满足规范要求.     

采用改进的修正双曲线法预测高速铁路路基沉降

高速铁路路基工后沉降的预测十分关键.沉降监测过程中观测时间间隔不等,将导致修正双曲线法进行数据拟合时存在一定的偏差.本文提出了一种加权的修正双曲线法,建立考虑观测时间间隔的权值目标函数,权值大小与时间间隔成正比,利用VBA功能实现矩阵的迭代求解,获得拟合曲线的参数,并对两种方法拟合的结果进行了对比.结果表明,采用改进方法预测的工后沉降更接近于实测数据,提高了沉降预测精度,验证了改进方法的合理性.     

隧道涌水预测分析

涌水是隧道施工中常见的一种灾害现象,选择合适的计算方法来预测涌水量,有助于预警和制定施工对策。结合工程实例,根据现场的工程地质条件及环境调查,分别采用降水入渗法和地下水动力学法计算了隧道涌水量,通过两种方法计算结果的对比分析,为隧道设计和施工提供所需数据。     

铁路岩溶隧道涌水量预测常用方法的比较

采用目前铁路工程岩溶隧道中常用涌水量预测方法对成贵铁路的两座岩溶隧道涌水量进行了预测,通过对预测结果进行比较,不同方法预测出的结果差异较大。从预测方法的原理、使用条件和范围、计算参数取值方面分析了产生这种差异的原因。分析结果表明:简易水均衡法较适用于岩溶隧道涌水量预测,地下水动力学法在岩溶隧道中的应用具有一定的局限性。结合实际工程经验对降水入渗法提出了几点建议。     

RBF神经网络在铁路货运量预测中的应用

基于回归和时间序列模型的传统预测方法以及目前较为常用的灰色预测和BP神经网络预测方法，建立了RBF神经网络模型对全国铁路货运量进行详细分析和预测。利用铁路货运量的原始数据构造时间序列，并对时间序列进行分析和相应的处理。将处理后的数据构造为一个非线性映射，利用RBF神经网络进行逼近。利用Matlab对灰色预测、BP神经网络预测和RBF神经网络预测模型进行仿真实验，得出3种预测模型的平均相对误差，分别为7.67%、4.79%和1.31%。表明RBF神经网络预测方法的预测精度比另外两种预测方法高很多，可为铁路货运量预测研究提供方法支撑。     

太平驿水电站引水隧洞施工地质超前预测预报技术

文章分别对施工阶段地质预报的两种方法－传统地质方法和物理探测方法作了简要介绍，指出两种方法结合使用是隧道（洞）地质超前预报的最好模型，并以太平驿水电站引水隧道的施工地质预测预报实例，介绍两种方法结合使用的情况和效果。     

一种改进的水平位移监测方法

在反演小角法和传统极坐标法的基础上，对反演小角法进行了改进并且将两种方法相结合，提出了一种新的水平位移监测方法。探讨了该方法的精度，并且以具体的工程实例说明了该方法的实用性。     

昔格达岩层中灌注桩极限承载力的合理预测

根据攀枝花地区和安宁河流域昔格达岩层中灌注桩的轴向静载荷试验资料，运用斜率倒数法和指数函数法对单桩的极限承载力进行了预测，并对预测结果进行了分析，总结出了昔格达岩层中灌注桩极限承载力预测方法的特点和适用性。     

运杂费分析中经济运距分界点的确定

首先介绍两种被铁路工程广泛应用于经济运距分界点确定的最大距离相等法和平均运距相等法，并对这两种方法的直观性和正确性提出疑问。为合理确定经济运距分界点，在假定条件一致的情况下，从理论上提出用微积分的方法来解决此问题。然后将微积分法与最大距离相等法和平均运距相等法进行对比分析，得出原来使用的两种方法的前提和结论之间没有直观的因果关系，而平均运距相等法在理论上就是错误的结论。     

软土路基固结沉降机理及其预测方法研究

针对软土路基沉降难以预测的实际情况,对软土路基沉降发展规律及其特点进行了深入讨论,提出了软土路基沉降发展的发生-发展-稳定-极限四阶段划分法。在此基础上,基于3种社会经济预测S型成长曲线模型,引入组合预测的思想,提出了一种预测软土路基沉降发展规律的变权重组合预测方法,并采用数学规划方法进行了求解,结合某具体工程对预测方法进行了验证。结果表明,该模型预测效果比其他单一模型具有明显的优越性,其预测曲线与实测数据曲线吻合良好,且分析方法灵活,为软土路基沉降发展预测提供了一种有效而实用的方法,具有一定的工程实用价值。     

考虑电池不一致的串联型电池系统多约束动态功率预测

为满足轨道交通装备及电动汽车在能量和电压级方面的需求，常将多个锂离子电池单体通过串联形成串联型电池系统。针对串联型电池系统中因电池单体不一致导致其功率状态（SOP）预测不准的问题，提出一种基于SOP差值预测器的串联型电池系统多约束动态功率预测方法。一方面，根据串联型电池系统工作特性及运行参数约束条件，采用基于多约束动态的功率预测法获得电池系统SOP预测基值；另一方面，根据串联型电池系统中各电池单体端电压的不一致性，提出一种基于神经网络法的电池系统SOP差值预测器，产生因电压不一致引起的电池系统SOP差值，并与基于多约束动态法的电池系统SOP预测基值叠加，得到电池系统SOP预测值。为验证所提方法的准确性，在MATLAB/Simulink环境下建立了系统仿真模型。分别在30 s、2 min及5 min持续时间下，采用所提方法进行串联型电池系统SOP预测，其预测值始终跟随电池系统SOP实测值，预测误差约为额定持续峰值功率的2%。同时，通过与不同算法的预测结果对比，得出文章所提算法的电池系统SOP预测值更接近其SOP实测值。由此表明，对于含电池单体不一致的串联型电池系统，文章所提算法能准确预测...     

带加温套铁路罐车G 11B的检定方法

带加温套的铁路罐车的外测法有两种，这两种检定方法有其各自的特点。首先对其检定方法进行了比较，然后对检定结果进行了讨论，从而得出各自检定方法的特征。     

多层递阶方法在铁路货物运输量预测中的应用

市场经济条件下运量预测准确与否，直接关系到决策的正确性，本文运用了考察系统时主特点的多层递阶方法，对铁路货运量和货物周转特量进行了预测。     

基于RP/SP联合数据的非集计模型应用研究

实际调查RP数据(Revealed preference Data)具有可靠性,而意向调查SP数据(Stated preference Data)具有灵活性。为了更好地将两类数据结合起来对新的交通方式进行预测,以长株潭城际轨道交通方式划分为例,介绍了数据的调查方法,利用正交设计法对SP调查表格进行了设计。分别建立基于RP和SP数据的Logit模型,鉴于RP与SP模型中随机项的差异性,通过引入SP比例参数,构造RP/SP联合数据模型,并利用3种模型对未来的交通方式分担量进行了预测,最后对预测结果进行了比较分析。实例结果表明,基于RP/SP联合数据的logit模型能够平衡两类数据之间的误差相互影响,并能够得到更为合理的交通方式划分预测结果。     

浅谈隧道围岩大变形的判据及处理措施

本文介绍隧道围岩大变形的概念，两种预测方法及设计施工中的处理措施。     

浅谈比例预测法预测铁路噪声

结合改建铁路兖州地区北环线增二线工程的噪声环境影响评价 ,介绍比例预测法在铁路改建工程噪声环境影响评价中的应用 ,通过对比例预测法和模式预测法这 2种预测方法的比较 ,提出在使用比例预测法时的一些主要注意事项。     

比例法预测铁路车流噪声

铁路噪声预测是铁路建设工程环境影响评价中的重要技术环节,本文根据郑宝段铁路电气化工程的环境影响评价实践,提出了预测铁路车流噪声的一种方法——比例法,并给出了方法的应用条件和基本公式。近年来我国已开展了铁路建设工程的环境影响评价工作。为了提高铁路噪声环境影响评价的水平,根据笔者在郑州宝鸡段铁路电气化改造工程环境影响评价中,提出并采用的比例法预测铁路车流噪声,作一简要介绍,供今后工作参考。