基于 VMD-GRU 的城市轨道交通短时客流预测

精准的客流预测是轨道交通运输计划编制的基础和依据,为提高城市轨道交通短时客流的预测精准度, 基于城市轨道交通短时客流的动态性、非线性、不确定性、周期性、非平稳性及时序性等特点,提出一种组合 模型预测方法,即 VMD-GRU 神经网络预测模型,由变分模态分解和门控循环单元组合而成。变分模态分解的 作用是分解短时客流,降低数据中的噪声,减少数据波动;门控循环单元的作用是基于分解的短时客流,进行 客流预测。经南京地铁的数据验证,该模型在地铁短时客流预测方面效果良好。与 GRU 相比,VMD-GRU 在 15、30 和 60 min 的时间粒度下,预测准确度分别提升 7.57%,16.93%,18.47%。该模型可为地铁运营管理部 门对车站客流管理、日常行车计划制定等提供有效的数据支撑,从而提升线网总体运营效率以及轨道交通系统 的服务水平。     

基于BIM的铁路信号构件库搭建与运用

针对铁路信号专业BIM正向设计过程中构件不完善的问题,充分调研了铁路信号专业BIM设计过程中所涉及的各类构件,并根据铁路工程构件分解方法完成了铁路信号BIM构件的分解;利用同类整合的方法对铁路信号BIM构件进行单元划分,并搭建了基于BIM的铁路信号构件数据库;将该构件数据库与奔特力平台相结合,完成了铁路信号BIM构件库的搭建,并将该构件库应用到铁路信号BIM正向设计中。应用实践表明,本文所搭建的铁路信号构件库能够适应目前铁路信号专业BIM正向设计的需要。     

基于仿真试验和BOA-VMD的轴箱轴承故障特征提取算法研究

针对城轨列车运行过程中轴箱轴承故障难以发现的问题,提出一种利用蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)对变分模态分解(Variational Mode Decomposition,VMD）参数进行优化的轴承故障特征提取方法。首先构建基于轴承-车辆刚柔耦合的轴承故障动力学模型,提取轮轨激扰和轴承故障情况下的轴箱振动信号;然后利用蝴蝶优化算法对轴箱振动信号的VMD模态分量数和二次惩罚系数进行寻优,确定最佳参数组合;最后利用已确定的最佳参数对轴承振动信号进行VMD分解,得到不同本征模态分量(Intrinsic Mode Function,IMF),并对最佳模态分量信号进行包络分析,识别到轴承故障时的特征频率。试验分析表明,基于优化参数的VMD分析方法能够有效提取轴承故障特征频率,通过经验模态分解(Empirical Mode Decomposition,EMD)分析方法对比,可以发现文章提出的分析方法效果更加有效。     

利用混沌优化实现基于MP的信号稀疏分解

信号的稀疏表示在信号处理的许多方面都有重要的应用,但稀疏分解计算量十分巨大,难以被推广而实现产业化.混沌是一种普遍的非线性现象,具有随机性、遍历性和内在规律性的特点,混沌运动能在一定范围内按其自身的规律不重复地遍历所有状态.因此,如果利用混沌变量进行优化搜索,无疑会比随机搜索更具优越性.本文利用变尺度混沌优化方法在优化搜索过程中不断缩小搜索空间,快速寻找匹配追踪(MP)过程中每一步的近似最佳原子,提高信号稀疏分解的速度,算法的有效性为实验结果所证实.     

西沙门悬沙输移机制分析和讨论

以西沙门水沙实测资料为依据,运用悬沙通量机制分解法将悬沙净输移通量表示为多个动力影响项,讨论区域内悬沙输移的时空特征,分析认为平流输沙在研究区域内为主要输沙项,"潮泵效应"输沙项为次要项。从涨落潮、流速和含沙量的变化过程讨论其动力机制,结果表明:西沙门悬沙浓度在潮流作用下具有明显的潮周期变化,悬沙沿岸输移;平流输沙中欧拉输沙项主要取决于潮动力大小,斯托克斯输沙项受潮波非线性效应影响;"潮泵效应"输沙与泥沙悬浮"滞后效应"、涨落潮流流速的非对称性和当地悬沙浓度相关。     

海外工程项目风险管理阶段分解

海外工程项目由于受地域、文化、经济等因素影响,相对于国内项目具有更多的不确定性,管理的层次与复杂程度也相应增加.风险管理贯穿项目实施的始终,同一风险源在项目实施的不同阶段可能导致不同的风险,并产生不同的后果.按照项目实施的不同阶段对风险进行分阶段管理,有利于突出不同阶段风险的生发形式,以便采取针时性措施进行更有效的风险管理.     

乔列斯基分解应用于偏相干问题的可行性研究

在应用传统的偏相干方法进行噪声源识别时,计算条件输入和耦合较为繁琐、复杂。文章首先通过对偏相干和乔列斯基分解的分析,得到两者之间的关系;进一步运用数学归纳法,从理论上证明了乔列斯基分解应用于偏相干问题的可行性;然后指出对归一化互谱矩阵进行乔列斯基分解,可直接得到各源的贡献比大小;最后给出了应用乔列斯基分解解决偏相干问题的一般步骤。舱段试验验证了该方法的可行性和实时性。     

集装箱码头能耗指标分析探讨

能源在集装箱港口企业总成本中占有相当比重,抓好集装箱港口能源管理工作十分重要。提出了分解能源消耗指标的做法。并在分解基础上,对能源消耗进行内部分析和外部分析,有效地降低运营成本。     

基于经验模态分解的舰船运动姿态预测模型研究

运动姿态准确性预测对提高舰船水上作业安全性具有重要的现实意义,为此,基于经验模态分解算法,构建一种新的舰船运动姿态预测模型。该模型首先利用EMD分解舰船运动时间序列,然后采用游程判别法来判定IMF和r_n (t)的波动程度,划分高频、中频和低频3个分量,最后利用基于支持向量机算法构建的预测模型预测舰船运动姿态。实验结果表明:与卡尔曼滤波法、谱估计法、艏前波法3种运动姿态预测方法得到的结果相比,本模型的纵摇角预测误差更小,精度更高。     

并列双圆柱绕流的动力学模态分解

本文对双圆柱绕流的卡门涡街现象进行了非稳态数值仿真,使用动力学模态分解方法(dynamic mode de?composition,DMD)对仿真得到的圆柱绕流涡量数据进行了分析和流场预测,研究了不同奇异值截断阶数对预测效果的影响.结果表明:利用DMD方法可以较准确地获得非稳态流动过程中涡量数据的模态结构和对应模态的频率、振幅;与稳定的周期阶段相比,用DMD方法分析处于不稳定周期阶段的圆柱绕流流场特征较困难;增加截断的奇异值数目在完善流场特征的同时也可能造成流场还原效果变差.