基于PCA-改进RBF神经网络模型的铁路隧道突水风险评价

为了准确预测铁路隧道突水风险等级,降低隧道施工过程中的突水灾害风险,结合相关规范,在调研分析影响隧道突水灾害的风险因素集的基础上遴选13个因素构建评价指标体系。利用主成分分析法对突水风险评价指标提取主成分并实现降维,模糊C-均值聚类算法计算RBF神经网络的中心,梯度下降法修正权值和方差,并将分析后得到的主成分作为改进RBF神经网络评价模型输入向量,建立了基于PCA-改进RBF神经网络铁路隧道突水风险评价模型。最后结合天秀山隧道对该模型预测效果进行验证,评价结果与实际情况相符。实例研究表明:该模型合理可操作,相比于其他方法准确率更高、训练更快、均方误差更小,为类似铁路隧道预防突水灾害事故提供了一种新的途径和借鉴。     

短时交通流预测的多层递阶方法

短时交通流预测在城市交通控制和管理中起着十分重要的作用。然而,目前很多预测模型均假定模型的参数是不随时间变化的,这与实际不符,从而影响了预测的精度。本文提出采用多层建模与灰色建模的综合方法预测短时交通流。该方法把预测问题分为两部分:一是预测模型参数的预测;二是根据参数预测值的交通流预测。其中,对模型参数运用灰色理论预测方法。实例分析表明,本方法有较好的预测精度和实用价值。     

基于区域颜色校正的遥感图像融合方法

针对利用常规方法对多光谱图像与全色图像融合过程中出现的颜色失真问题,提出了一种基于区域颜色校正的遥感图像融合方法。该方法首先利用模糊C-均值(FCM)聚类算法在多特征形成的特征空间上对图像进行区域分割,然后利用常规方法融合多光谱图像与全色图像,并采用小波变换对融合图像进行区域上的颜色校正,从而得到最终的融合图像。通过与IHS、BT和PCA几种常规融合方法的比较与分析验证了本文提出的方法具有良好的融合特性。     

地铁站点客流特征与土地利用关系研究

讨论轨道交通站点客流的时间变化规律,根据客流的时序特征,利用时间序列聚类的K-means算法对轨道交通站点进行分类,对比不同类别站点的客流差异,同时探究轨道交通站点早晚高峰进出站客流与站点周围用地密度之间的相关关系,在考虑空间相关性的基础上,采用地理加权回归定量计算回归方程,详细分析客流与用地之间的相关系数在空间的分布情况。通过分析为不同站点制定有针对性的运营管理措施,以及为轨道交通规划提供理论支持。     

地铁换乘枢纽站布局配置的探讨

在总结我国城市地铁换乘枢纽站布局配置传统方法的基础上,提出利用灰色关联度分析法建立综合评价指标体系,来配置城市地铁换乘枢纽站;简要介绍其各项评价指标并提出相应评价指标的量化方法;用关联度的大小描述各备选方案与目标间的关联程度,并以此进行排序,最后决策。     

模糊聚类分析在铁路快运网络规划中的应用

分析快捷运输运力网络的特征、规划目标、规划原则和基本流程,提出运用模糊聚类分析规划快运运力网络的基本方法。运用F—聚类建立初始划分,利用迭代自组织数据分析基于目标函数优化的特点和方法,求解出运力网络节点的分类。结合铁路发展实际,选择主要省级及以上经济中心点27个,其他主要区域经济中心点17个作为基本节点;选择国内生产总值、全部工业总产值、产品销售收入、社会消费品零售总额、货运量和交通环境等6个指标作为聚类分析的特征指标,进行模糊聚类分析。根据聚类结果和铁路运输条件,规划出由10个关键节点、13个重要节点和15个一般节点构成的快捷货物运输运力网络。规划的节点既体现了快捷运输组织的现实,又反映了发展的趋势。     

基于灰色层次分析法的CBTC系统风险综合评价

为了对CBTC(基于通信的列车控制)系统进行风险综合评估,在层次分析法(AHP)基础上,提出了基于灰色层次分析法(GAHP)的系统风险评估方法。根据专家打分法获得各指标的样本矩阵,通过灰类和相应的白化权函数处理样本矩阵,得出灰色评价矩阵,利用组合权重和灰色评价矩阵对系统风险进行了综合评估。通过对某公司的CBTC系统进行实例计算和评估,结果表明,在十分制的评价等级中,CBTC系统风险综合评价结果为8.0043分,即CBTC系统是低风险的系统,使用GAHP对CBTC系统进行风险综合评价的方法合理可行。     

城市轨道交通时刻表优化技术框架及关键技术环节

时刻表优化技术是城市轨道交通运营管理所涉及的一项关键技术,其实施好坏直接影响到城市轨道交通运营的各个环节。针对当前实际运营过程中,列车时刻表的优化调整显著受制于断面客流预估精度的现状,借助城市轨道交通AFC(自动售检票)系统采集的乘客交易信息,提出了一种基于客流信息的城市轨道交通时刻表优化技术框架,并对其核心模块功能实现的关键技术环节进行了阐述,探讨了基于客流特性参数的发车模型。     

基于模糊聚类的城市轨道交通车辆系统划分与故障统计分析

为保障城市轨道交通车辆安全可靠运营,对车辆在运营过程中积累的故障数据进行统计分析,挖掘故障规律。依据功能-原理-结构原则构造城市轨道交通车辆子单元的相关矩阵,并采用模糊聚类算法对城市轨道交通车辆进行系统划分。根据故障数据筛选原则进行数据预处理,并以所划分系统为基础进行故障数据分类统计分析,采用故障主次图、故障趋势图和故障点分布图综合展示分析结果。以某地铁公司一线路为例,进行车辆系统划分和故障统计分析,并给出对应的车辆故障点分布图,展示该线路车辆故障分布情况。     

基于K-means聚类算法的城市轨道交通车站配电变压器容量计算新方法

目前城市轨道交通车站配电变压器容量的传统计算方法是需要系数法,但此方法的计算结果与实际运行需求相差较大。应用K-means聚类算法,通过对已运营车站历史数据进行分析,形成标准负荷曲线,结合新建车站设备的设计功率,最终确定新建车站的变压器容量。应用此新方法,能显著提高变压器计算结果与实际运行的负载率匹配性,大幅降低配电变压器的计算容量,从而明显减少配电系统一次性投资和后期运营成本。