基于APRIORI-GBDT算法的沥青路面路表温度预测

为探讨沥青路面路表温度与气象因素之间的相关关系,实现路表温度变化趋势的准确预测,在使用Python平台清洗数据集中缺失和错误数据的基础上,利用关联规则挖掘算法(Apriori)分析了气象因素与路表温度之间的关联性。在识别出影响路表温度关键气象因素后,分别采用梯度提升树(Gradient Boosting Decision Tree,GBDT)、随机森林(Random Forest,RF)以及线性回归(Linear Regression,LR)等3种分析技术构建了以关键气象因素为输入量,路表温度为输出量的冬季沥青路面路表温度预测模型。结果表明:Apriori算法在关联规则分析上表现优异,且在最小支持度为0.003,最小置信度为0.8的条件下,识别出影响沥青路面路表温度变化的关键气象因素是气温、气压、露点温度和相对湿度;梯度提升树模型的温度预测效果优于随机森林和线性回归,均方误差小并一直稳定于1.5,与随机森林相比鲁棒性相对较高,拥有良好的泛化能力,在预测领域中具有良好的适用性。研究成果为机器学习相关算法在关联规则分析领域以及预测问题应用中提供了理论与实践依据。     

考虑翼板局部弯曲及剪力滞效应的波形钢腹板组合箱梁挠度分析

在位移场中引入挠度1阶导数考虑翼板局部弯曲，添加剪力滞强度函数和截面转角计入翼板剪力滞效应和波形钢腹板剪切变形，基于能量变分原理获得波形钢腹板组合箱梁的控制微分方程，进而推导包括挠度在内的综合考虑翼板局部弯曲、剪力滞效应和波形钢腹板剪切变形的位移变量解析解，并分析翼板局部弯曲和剪力滞效应对不同高跨比、腹板高度占比、宽跨比、板宽比组合箱梁挠度的影响。结果表明：该解析解能较精确地计算组合箱梁的挠度；忽略翼板局部弯曲和剪力滞效应将导致组合箱梁的挠度计算结果误差过大；对于波形钢腹板组合箱形连续梁，不考虑翼板局部弯曲和剪力滞效应，跨中挠度将分别被高估13.0%和低估7.0%；剪力滞效应对翼板与波形钢腹板间的剪力分配几乎无影响，翼板局部弯曲会显著降低波形钢腹板剪力承担比，大大减小梁体挠度；剪力滞对挠度的放大效应随宽跨比的增大而增大，而翼板局部弯曲对挠度的减小作用随着高跨比和宽跨比的增大及波形钢腹板高度占比的减小而显著提高；翼板局部弯曲和剪力滞效应对连续梁挠度的影响比简支梁更大。