PVC防水卷材在地铁区间隧道中的应用研究

PVC防水卷材是一种高分子合成材料,具有抗拉强度高、延伸率大、使用温度幅度大、冷作业施工等优点。文章结合广州地铁五号线某区间隧道防水施工工程,介绍了PVC防水卷材的技术性能和施工工艺,并指出了PVC防水卷材施工中的注意事项,为类似条件下PVC防水卷材在区间隧道中的施工提供借鉴。     

平方阻尼非线性系统的抗冲击性能优化研究

运用微分方程理论和不等式理论,对平方阻尼非线性系统的抗冲击性能进行了理论研究,推导了抗冲击性能指标J1和J2之间的关系,获得了系统达到最优抗冲击性能的条件,导出了最优参数的解析表达式.     

考虑船舶随机到港影响的集装箱港区实时交通仿真模型*

受船舶随机到港的驱动,集装箱港区实时交通量具有较强的随机性,如何合理预测对于港区集疏运系统规划具有重要意义。目前,对于集疏运交通量的预测多根据统计资料利用“不平衡系数法”进行推算,而新建港区往往不具备历史资料,在港区规划初期此方法的应用存在较大局限。本研究构建了考虑船舶随机到港影响的港区作业系统仿真模型,模拟从船舶到港到集装箱离港的整个作业过程,预测出港区的实时交通量,并对模型进行验证。最后以北方某新建国际集装箱枢纽港区为例,分析该港区船舶到港规律,应用仿真模型预测其在不同规模时的集疏运交通量,为分阶段建设该港区集疏运系统提供科学依据。     

静水中扭波推进水动力的数值模拟

尼罗河魔鬼鱼（GNF)采用长背鳍扭波推进,具有较高的推进效率和机动性,而鱼体主体可以保持直线不变形。为适应扭波推进过程中鳍面的大摆角变形,文中采用动网格技术求解了静水中扭波推进非定常流场,鳍面最大计算摆角达到85°,并通过与水动力实验结果比较验证了数值计算方法的可靠性。文中还分析了鳍面压力分布随相位的变化及其与推力产生的关系,以及水动力随扭波频率的脉动规律。研究表明,推力系数不随扭波频率而变化,轴向、垂向力波动频率是扭波频率的2倍,而侧向力脉动频率与扭波频率一致。     

公路桥梁应急管理及应急处置长效机制建设研究

通过对应急处置流程和安全运行机制建设的分析,提出公路桥梁应急处置的建议,便于提高公路桥梁的应急处置能力。     

机械化配套在秦岭公路隧道2号竖井施工中的应用

叫针对秦岭公路隧道2号竖井井筒深、岩石硬、直径大、交通不便以及工期紧等特点,提出了进行机械化配套对快速安全施工的重要性;采用合理的机械化设备配套方案和维修制度,做到了打眼配套、出矸配套、喷射混凝土配套,取得了连续数月掘进尺超过50m的好成绩。实践表明：机械化配套的应用具有良好的经济和社会效益。     

大型斜拉桥圆柱形桥塔涡激共振的控制

为了研究大形斜拉桥圆柱形桥塔的涡激共振特性,并且对其进行有效的控制,通过分析大形斜拉桥圆柱型桥塔的边界条件特点,建立桥塔计算模型,基于此模型分析了桥塔的固有特性;由风致涡激振动理论及有关空气动力学原理确定漩涡发放频率以及升力幅值;考虑桥塔的形状结构特点以及发生共振时的频率锁定现象确定锁定区域;提出了5个控制桥塔涡激共振的方案,理论分析和数值计算结果表明:方案5——改变锁定区域结构形式,不仅能够使桥塔避免或减弱涡激共振,与其他4个方案相比,该方案在造价和施工方面具有明显的优势,同时增加附属结构不会影响桥梁其他的相关结构,因此确定方案5——改变锁定区域结构形式为最佳控制方案。     

基于AI选型的汽车悬架系统参数化设计流程构造

建立了用于汽车悬架系统选型的多层前馈型人工神经网络模型,它采用自适应调整的BP算法。选型推理的依据有：轴距、前轮距、后轮距、整备质量、驱动形式、最高车速、制动形式、发动机最大功率和发动机排量。推理结果为前、后悬架的具体型式。经测试,其与实际情况的吻合率,对前悬架达到了100％,对后悬架达到了70％。进而开发出典型悬架型式的三维参数化设计模板,并集成相关技术环节,构造出基于AI选型的悬架系统参数化设计的一般流程。     

客运专线桥墩-基础滞回特性的模型试验研究

通过桥墩基础与地基模型相互作用的滞回特性试验,获得墩顶力与位移的滞回及骨架曲线.采用静力Pushover法,对模型桥墩进行建模分析.分析中考虑地基土性质的复杂性以及滞回特性分析中要考虑土的加载、卸载以及再加载的本构关系.研究模型桥墩在周期性反复荷载作用下,进入非线性阶段的能量耗散、滞回特性、延性性能、破坏机理和破坏特征.     

Latent Supportive Utility of Irrelevant Attributes in Feature Selection

This paper proposed a novel feature selection method LUIFS (latent utility of irrelevant feature selection) that not only selects the relevant features, but also targets at discovering the latent useful irrelevant attributes by measuring their supportive importance to other attributes. The method minimizes the information lost and simultaneously maximizes the final classification accuracy. The classification error rates of the LUIFS method on 16 real-life datasets from UCI machine learning repository were evaluated using the ID3, Nave-Bayes, and IB (instance-based classifier) learning algorithms, respectively; and compared with those of the same algorithms with no feature selection (NoFS), feature subset selection (FSS), and correlation-based feature selection (CFS). The empirical results demonstrate that the LUIFS can improve the performance of learning algorithms by taking the latent relevance for irrelevant attributes into consideration, and hence including those potentially important attributes into the optimal feature subset for classification.