多聚磷酸改性生物沥青混合料性能试验研究

文章以基质沥青和调和沥青作为对照组,通过室内路用性能试验对PPA改性生物沥青的高温、低温和抗水损害性进行研究.试验结果表明,生物沥青自身优异的抗高温性能能够增强基质沥青混合料的高温稳定性,但会降低其低温性能和水稳定性;PPA改性剂能够明显提高生物沥青混合料的高温抗车辙变性能和低温抗开裂能力,但同时也会削弱其抗水损害性能...     

克隆选择算法在基坑支护位移反分析中的应用

在基坑工程中,传统的位移反分析方法计算量较大,不易掌握,且求得的岩土体力学性能参数的精度较低。为此,提出应用克隆选择算法求解位移反分析问题的新方法,其核心是采用BP网络为正演工具代替有限元方法,描述土体力学性能参数和位移的非线性映射,可减少计算量,并利用克隆选择算法为反演工具,通过反演分析确定土体力学性能参数,具有较高的精度。依据该反分析方法获得的岩土体力学性能参数又可以估算下一工况的基坑位移。仿真试验结果表明了新方法的可行性和有效性。     

基于文本挖掘的道路运输安全风险源辨识模型

为了解决当前道路运输安全风险源辨识工作中数据短缺和人员工作量较大的问题,从文本挖掘的角度出发,提出一种能够自动辨识道路运输过程中安全风险源的模型.该模型首先对道路运输文本进行因果句提取,并对因果句进行分词操作,实现安全风险源特征的增强;其次,进行适应卷积神经网络(convolutional neural network...     

基于卷积和递归神经网络融合的交通状态指数预测

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预...     

LightGBM算法在发动机开发中的应用研究

新型汽车发动机的开发过程包含有前期功能标定阶段和后期耐久性验证阶段。功能标定阶段需要布置大量各类传感器,而耐久性验证阶段则很少布置,因此在耐久性验证阶段出现故障时,会出现因传感器数据不足而无法准确分析故障原因的情况。基于某型号发动机开发前期的功能标定数据,应用轻量梯度提升机（LightGBM）算法,建立并训练合适的模型,并对模型进行特征过滤、丰富训练集等优化,用于预测温度特征。结果表明：该模型精度和预测结果良好,可以很好地解决由于传感器数据不足而无法准确分析故障原因的问题;同时,可以将该模型预测功能应用到其他发动机开发过程中。     

Tam(a)o:在上川岛还是在屯门澳——Tam(a)o考订研究的学术史回顾

Tam(a)o地望的考订是早期中葡关系史研究中的一个热点问题.本文对研究中影响较大的两派意见的争论过程进行了学术回顾和评析.文章指出,此一研究经历了两个阶段:纠正上川岛说之误和确定Tam(a)o屯门澳内何岛;对上川岛说提出质疑,是Tam(a)o考订研究的重要进展,将考察的目光由上川岛转向南头附近的屯门海澳,使此一研究沿着正确的思路发展;在此基础上,通过中外原始文献和地图资料的互补互证,较为妥善地解决了Tam(a)o为屯门澳内何岛的问题.最后,文章强调了正确把握学术史和准确运用原始资料对于史学创新的重要性.     

小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型

由于在现实生活中能够采集到的不同雾天等级的高速公路车辆跟驰样本有限,导致雾天跟驰模型精度不佳,为此在长短时记忆神经网络（long short-term memory,LSTM）跟驰模型的基础上,采用迁移学习（transfer learning,TL）方法来提升雾天跟驰模型的性能。利用驾驶模拟实验平台搭建高速公路雾天与正常天气2种实验场景进行驾驶模拟实验,获得296组正常天气下（源域）的跟驰样本与100组雾天下（目标域）的跟驰样本。提出了基于最长公共子序列（longest common sequence solution,LCSS）的迁移样本选择方法,从源域中选出100个样本迁移至目标域中,通过扩大训练样本提升LSTM从源域、目标域特征到目标域输出的端对端泛化学习能力,得到雾天高速公路车辆跟驰模型。为对比所提样本迁移方法对LSTM模型的效用,将LSTM-TL模型与训练样本全部来源于源域的LSTM-S模型和训练样本全部来源于目标域的LSTM-T模型进行对比,LSTM-TL模型的均方误差、均方根误差和平均绝对误差比LSTM-S模型分别减小47.5%、27.7%和46.5%,比LSTM-T模型...     

基于集合经验模态分解降噪和优化LSTM的道路交通事故预测

道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明：相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差e_rmse分别降低了8.7%、48.3%、53.1%、57.6%,误差e_m...     

建成环境对城市交通事故严重程度影响研究

针对城市交通事故分析中缺少建成环境因素的系统考虑,以密度、多样性、交通设计、可达性及公共交通临近度等5个维度表征建成环境,同时考虑个体行为、道路情况、事故类型及自然环境4个方面,运用机器学习算法建立融入建成环境因素对城市道路交通事故严重程度影响分析模型;并以重庆市某区的事故数据进行实证分析。研究结果表明：建成环境变量对事故严重程度有较大影响;从变量重要度排序来看,土地利用混合度(14.29%)、快速路及主干路密度(12.43%)、次干路及支路密度(11.54%)、人口密度(11.35%)与可达性(10.96%)的影响程度较高,累计重要度达60.57%;同时各变量与事故严重程度呈现出非线性关系。     

FAO-PM法估算季节性冰冻地区路基土潜在蒸发蒸腾量

为准确估算东北东部山地润湿冻区(Ⅱ₁区)路基土平衡湿度,引入联合国粮农组织Penman-Monteith法(FAO-PM)估算气候因素控制型路基土潜在蒸发蒸腾量,以解决Thornthwaite法在负温时潜在蒸发蒸腾量计算值为0的问题。详细阐述了FAO-PM模型中5个气候因素的具体含义,并给出算例说明计算流程;根据Ⅱ₁区内6个气象台站月均气象数据计算得到各地路基土潜在蒸发蒸腾量;分析主要气候因素对路基土潜在蒸发蒸腾量的影响规律与程度。研究表明：Ⅱ₁区各地路基土全年潜在蒸发蒸腾总量为71.14～87.37 cm,负温时该值为8.27～12.39 cm,占全年总量的9.8%～15.7%;潜在蒸发蒸腾量与各地平均气温的显著正相关关系可在一定程度上削弱与其他气候因素的负相关关系;负温条件下,路基的潜在蒸发蒸腾量与平均气温、平均风速和平均日照时数呈正比,与平均相对湿度呈反比;FAO-PM法估算的逐月潜在蒸发蒸腾量与气象站实测数据的误差范围为0.47～13.22 cm,负温时误差范围为0.47～4.31 cm。因此,FAO-PM法适用...