基于SPH方法的连续式破冰数值模拟

根据海冰的力学性质,采用光滑粒子流体动力学(SPH)方法建立海冰本构模型,模拟冰锥实验并与实验结果对比,对冰材料模型准确性进行验证.利用显式动力分析软件LS-DYNA模拟破冰船连续式破冰,得到了海冰的损伤变形和破冰阻力,同时研究了船舶航速和海冰厚度等参数对冰载荷的影响.分析研究表明:应用SPH方法建立的海冰模型能够真实的反映海冰的力学性能,对连续式破冰过程实现较为准确的模拟,为船冰碰撞的数值模拟提供了新思路.     

基于混合深度学习的地铁站进出客流量短时预测

针对城市轨道交通多站点短时客流量预测问题,本文提出一种将卷积神经网络 (CNN)与残差网络(ResNet)相组合的预测模型(ResNet-CNN1D).模型将原始客流量数据作为输入,利用二维 CNN 与 ResNet 组成深层神经网络,捕捉站点间的空间特征,同时利用一维 CNN捕捉客流量的时间依赖.最后,基于参数矩阵,将时间和空间特征进行加权融合,完成对目标时段中多个站点进出客流量的同时预测.采集青岛市地铁3号线刷卡数据,对模型进行验证. 结果表明,相比现有传统的预测模型(ARIMA,SVR,LSTM,CLTFP,ConvLSTM),本文 ResNet-CNN1D模型具有更好的预测精度.