产品质量检验的公正性与技术技巧

随着公民法律意识的增强,面对产品质量纠纷,要求进行质量鉴定检验的人愈采愈多,公正地进行产品质量检验也就越来越显重要。     

美国的道路货物运输

美国的道路货物运输基本上是通过对车辆重量、尺寸的限制,危险品运输管理及超重检查等方面来实现对货物运输的管理,而这也是我国亟待完善的方式方法。     

工期固定多目标资源优化的方法

资源是指为完成工程任务所需的劳动力、材料、机械设备和资金等的统称。资源优化就是通过改变工作的实施时间,使资源按时间的分布能够符合优化目标。     

应用硅烷浸渍技术预防砼路面剥蚀

我国北方公路冬季经常积雪、结冰,养护部门在保通的过程中．被迫大量使用除冰盐、融雪剂,因此造成路面太面积严重剥蚀。从分析硅烷浸渍技术的性质入手,结合工程实例,对其应用进行论述。     

高速公路动态交通流Elman神经网络模型

为了提高高速公路交通流建模的精度,分析了离散的高速公路动态交通流数学模型,基于Elman网络原理,建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2,采用Levenberg-Marquardt算法对回归神经网络进行训练,并对一条5路段的高速公路进行仿真。结果表明:回归神经网络平均相对误差为8.683 7×10-5,最大相对误差为4.237 1×10-4,与BP神经网络和RBF神经网络相比较,Elman回归神经网络能更好地逼近交通流数学模型,真实地描述交通流基本特性,能准确地建立动态交通流模型,适应交通状况的变化。     

基于串联排队网络的三峡-葛洲坝水利枢纽联合调度模型

为了提高三峡-葛洲坝水利枢纽的整体通过能力,分析了三峡-葛洲坝水利枢纽联合调度的实际需求,建立了三峡-葛洲坝水利枢纽联合调度数学模型,考虑了闸室面积利用率最大、整体待闸时间最小两个目标函数和船舶编排过程中的八个约束,应用串联排队网络理论求解模型。算法将申报船舶按照航向分成四个船舶序列,动态计算每艘船舶的权重,兼顾船舶长度与宽度优先,待闸时间约束、葛洲坝船闸通航条件限制和任务均衡的要求,循环排船,逐步优化。应用结果表明应用该数学模型和编排算法编制一个计划期的两坝五闸计划仅需2 min,编排时间短,葛洲坝2#船闸的闸室面积利用率高于70%,并且客船和旅游观光船均排在前面的闸次中,说明客船的待闸时间约束是满足的,并且在航向上是上下航向交替运行,没有出现倒闸情况,编制的计划满足实际调度需要。     

沥青路面综合养护车的技术改进

采用综合功能的养护车对沥青路面施行养护,可使沥青路面的养护作业实现快速进入、快速作业及快速转移的"三快"目的。涉及该类养护车的几项主要技术改进。     

沥青路面就地冷再生技术在大修工程中的应用

通过沥青混合料冷再生技术在秦皇岛市大修工程中的应用,介绍就地冷再生技术的施工工序及现场质量控制要点,阐述了沥青冷再生技术的意义及冷再生混合料应用前景。     

基于船舶供电网络的模拟系统设计

本文主要介绍了基于船舶供电网络的模拟系统的主要功能和设计方法,该模拟系统采用集中式管理分布式控制的硬件架构,可模拟在各种不同的电网结构和不同的运行工况下,电网中各设备的状态和参数,并通讯至能量管理系统,能便捷的验证能量管理系统功能的有效性,提高软件开发人员的故障效率。     

Spatiotemporal traffic forecasting: review and proposed directions

This paper systematically reviews studies that forecast short-term traffic conditions using spatial dependence between links. We extract and synthesise 130 research papers, considering two perspectives: (1) methodological framework and (2) methods for capturing spatial information. Spatial information boosts the accuracy of prediction, particularly in congested traffic regimes and for longer horizons. Machine learning methods, which have attracted more attention in recent years, outperform the naïve statistical methods such as historical average and exponential smoothing. However, there is no guarantee of superiority when machine learning methods are compared with advanced statistical methods such as spatiotemporal autoregressive integrated moving average. As for the spatial dependency detection, a large gulf exists between the realistic spatial dependence of traffic links on a real network and the studied networks as follows: (1) studies capture spatial dependency of either adjacent or distant upstream and downstream links with the study link, (2) the spatially relevant links are selected either by prejudgment or by correlation-coefficient analysis, and (3) studies develop forecasting methods in a corridor test sample, where all links are connected sequentially together, assume a similarity between the behaviour of both parallel and adjacent links, and overlook the competitive nature of traffic links.