客运专线阶梯梁场规划设计

京沪高速铁路滕州南梁场建于山前缓坡,落差较大,依山坡走势将存梁Ⅱ区建设成为阶梯状存梁形式,提梁通道设计为提梁机走行的栈桥形式,减少了全场平整成统一标高的土石方工程。介绍了此阶梯箱梁预制场选址比较、立体规划,提梁机选型和栈桥设计的具体过程,以期为梁场的规划设计提供新思路。     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

基于神经网络的GPS高程拟合方法优选及精度分析

针对现有的几种神经网络GPS高程拟合方法,讨论了利用遗传算法(GA)、粒子群算法(PSO)优化BP神经网络权值和阀值的原理;结合分布较均匀、现势性较好的GPS和水准联测数据,试算了基于神经网络的GPS高程拟合。拟合结果表明:基于PSO算法优化的BP神经网络的拟合精度优于GA算法,误差相对更小。     

国内外架车机运用介绍及经济性对比

介绍了车辆检修用各种架车作业方式以及在国内外的运用情况,并就地坑式架车机和移动式架车机的经济性进行了对比。     

多点牵引道岔直流转辙机控制电路的改进

对3个牵引点的大号码道岔常用的直流转辙机控制电路进行分析,发现既有十线制控制电路电缆加芯严重且没有切断保护功能,经分析研究提出电路改进方案并应用于工程实践中。     

基于BP神经网络方法的岩溶隧道突涌水风险预测

为了准确预测岩溶隧道突涌水风险等级,以降低隧道施工过程中突涌水事故的风险,在参考相关文献的基础上,统计研究及综合分析岩溶隧道水文地质条件,选取不良地质、地层岩性、地下水位、地形地貌、岩层倾角和围岩裂隙6个主要因素作为岩溶隧道突涌水风险评价指标。在不同水文地质条件下,影响因素的权重有较大差异,为避开影响因素权重分析,运用BP神经网络方法对岩溶隧道突涌水风险进行评估。在对突涌水风险评估基础上,结合超前地质预报,优化隧道施工开挖支护方案。在工程应用中,运用BP神经网络方法,对某隧道进行突涌水风险评估,结果与实际施工情况较一致,并结合超前预报提出合理的支护方案,避免了隧道突涌水事故的发生,以期为岩溶隧道突涌水风险预测提供借鉴。     

铁路风屏障防风效果代理模型优化

为确定铁路风屏障的最优参数,基于代理模型方法对风屏障防风效果进行了优化.首先,改进了网格搜索法以优化支持向量机回归模型的参数,并通过算例进行了验证.其次,以设置风屏障时的车辆气动特性为目标函数,建立了风屏障防风效果的优化模型.最后,利用风屏障的风洞试验结果,采用支持向量机回归建立了目标函数的代理模型,对风屏障的高度和透风率进行了优化.研究结果表明:改进的网格搜索法提高了支持向量机模型参数选择的准确性,当风屏障高度为1.91~2.90 m时,最优的风屏障透风率为0.00~0.17;当风屏障高度超过2.50 m后,增加风屏障的高度对防风效果的提高较为有限.      

IL-22可诱导角质形成细胞双调蛋白表达促进银屑病发病

目的研究IL-22对角质形成细胞系HaCaT细胞双调蛋白(amphiregulin, AREG)表达的调控,了解其在寻常型银屑病(PsV)中的作用。方法收集PsV患者皮损(n=26)和健康人皮肤组织(n=15),RT-qPCR检测IL-22、IL-22R1、IL-22BP及AREG的表达并分析其相关性。用IL-22(20 ng/mL)及其可溶型受体IL-22BP(20 ng/mL)干预培养HaCaT细胞24 h,RT-qPCR及Western blot检测AREG的表达变化。结果 PsV患者皮损IL-22(P<0.001)、IL-22R1(P<0.001)及AREG(P<0.01)的mRNA表达分别高于健康人皮肤36倍、24倍和15倍。PsV皮损的IL-22与AREG mRNA水平密切相关(r=0.49,P<0.05)。IL-22干预时,HaCaT细胞AREG mRNA表达升高22倍(P<0.01),蛋白表达亦明显升高(P<0.01)。IL-22BP则抑制了IL-22的这一功能(P<0.05)。结论 IL-22可能通过刺激角质形成细胞增强AREG的表达参与银屑病的发病,IL-22BP可作为阻断剂抑制这种增强作用,可能在银屑病的治疗中发挥作用。     

基于PCA-GA-BP模型对污水BOD的预测

针对污水处理系统的非线性、强耦性,结合主成分分析(PCA)、遗传算法(GA)和BP神经网络,提出了改进阈值参数的模型。以某污水处理厂月数据为例,利用PCA选取主参数的变化因子作为BP神经网络的输入,运用GA优化BP神经网络的权值预测BOD值,并与无优化BP网络的预测结果进行比较。结果表明:新模型对污水处理的预测平均误差为10～12,最大相对误差为1.7%,预测精度高,收敛速度快。     

基于BP神经网络的电池容量估计

电池充足的容量是保障通信基站电池储能系统稳定运行的关键因素之一。通信基站按照要求每年进行例行核对性放电,该方法人工成本较高。本文提出一种基于BP神经网络的电池容量估计算法,利用大量的电池放电过程中电压变化数据建立电池模型,实现对电池容量的估计。