基于数字地球的QAR数据飞行航径复现研究

为了更好的实现飞行品质监控和飞行事后分析，本文设计了可将QAR飞行数据关联到响应的地理空间和时间序列的显示平台。针对数据精度有限，提出了基于地理特征点的积分航迹分段修正模型，同时复现飞机实际垂直剖面时对气压高度进行了温度修正。以某航班实际QAR数据为例，通过数据筛选和仿真计算，并对数字地球进行二次开发，复现的飞行航径与时间空间相互关联，从而为飞行品质监控、安全评估以及事故/事故征候调查提供了技术支持。     

铁路勘察数据标准化存储研究与应用

针对铁路勘察信息化、数字化的需要，以及当前多专业协作勘察过程中存在的数据存储标准不统一问题，为规范铁路勘察数据的管理及后续应用，减少因数据标准不统一带来的不同系统之间数据贯通困难，促进系统集成及信息资源共享，根据勘察数据特点，规范了数据分类、格式及编码，建立了结构化数据和非结构化数据的数据库结构。依据计算机存储特点，提出采用关系型数据库存储结构化数据+分布式HDFS存储非结构化数据+空间数据库存储三维空间数据的方案，既保证了不同数据间的分类存储，又实现了底层数据联通。通过研发铁路勘察与选线设计数据管理平台，对勘察数据进行标准化存储和管理，验证了该标准化存储方案，为铁路数字化勘察提供了重要支撑。此外，针对勘察数据标准化存储的未来发展应用，提出利用不断积累的数据，通过大数据分析、数据挖掘、动态感知及人工智能等新技术手段为勘察工作提供更准确的预测和分析，不断提高勘察工作效率和准确性。     

山岭公路隧道掘进施工方案选择研究

山岭公路隧道掘进施工方案的选择，对隧道工程施工效率、成本和环境保护影响较大。现以甘肃地区实际工程为依托，分析隧址区地质状况对隧道掘进施工的影响因素，选取影响隧道掘进施工的因素并建立施工方案可选性分值指标；以隧道工程掘进施工中影响施工成本的超欠挖控制为因素构建经济性分值指标；以各种施工方案对隧道工程环境造成的污染建立环保性分值指标；综合考虑可选性、经济性和环保性指标，提出隧道掘进施工推荐方案。     

基于WebGL引擎的铁路工程BIM+GIS平台研发及(设计阶段)应用

随着铁路行业BIM设计软件和二次开发插件的不断完善，铁路工程中的BIM设计方法正日趋成熟。为了更好地解决BIM软件自身在整体组装、周边地理信息融合、模型尺度表达、一致分析、全局定位存在的不足，提升设计模型集成和信息共享的效率，解决设计人员对设计区域场景立体感不足、多源信息获取不直观、设计专业间交互欠缺及汇报展示过程效率低等问题，依托某铁路项目，开展了针对铁路工程的BIM+GIS平台研究。平台整体采用B/S模式，后台通过融合多源GIS数据、多专业BIM设计模型数据和项目专业人员角色权限数据的综合数据应用构建方案，实现了多源数据的融合与入库；前端以WebGL引擎为底座，开发实现基于设计阶段的场景应用。在此基础上，平台实现了基于人员角色权限的多源异构GIS数据和多专业BIM模型数据的整合与共享，实现了场景数据基础管理、三维空间分析、三维标注与绘制、定位展示查询和快速建模等功能。通过某铁路实际应用验证表明，该BIM+GIS平台准确还原线路周边地理、地质环境，在方案优化、专业接口优化、专业设计优化、差错漏碰冲突检查及可视化交付方面提高了专业内部和专业间的协同设计效率，减少了设计中的差错漏碰及丰富...     

基于机器学习的地铁盾构掘进参数智能预测与控制方法研究

盾构掘进的精细化和智能化控制是现代隧道施工技术的发展趋势，为更好地预测和控制盾构掘进状态，提出一种预测和控制盾构掘进参数的智能模型。该模型考虑了多个影响盾构掘进参数的非线性因素，建立了6种基于机器学习与海鸥算法相结合的混合算法(SOA-ML)盾构掘进参数智能预测模型，并提出基于层次分析法的最佳预测模型判别方法；进一步利用最佳预测模型提出了基于PSO算法的掘进参数控制方法。以金华至义乌至东阳市域轨道交通工程为例，验证了模型的有效性。运用结果表明：SOA算法可有效地对机器学习算法的超参数调优，且SOA种群数量越大，搜索的范围越广，最佳适应度收敛性越快；6种算法模型均具有较好的预测性能，根据层次分析法对预测模型进行性能排序为BP>ELM>CNN>RF>SVM>LSTM;基于BP-PSO的盾构掘进参数预测和控制过程具有消耗时间小、预测与优化性好的特点。