TST超前地质预报技术在贵州岩溶地区的应用

为探索岩溶地区有效的超前预报技术方案,结合岩溶区的地震波场特征,尝试使用基于散射和反射混合模型的TST隧道超前预报技术进行地质超前预报。主要研究成果如下:1)基本查明斗磨隧道进口平导和大独山隧道1#横洞掌子面前方150m预报范围内的地质情况;2)探明隧道掌子面前方岩溶裂隙、溶洞的分布范围、规模以及发育情况;3)预报的结果与实际情况基本一致,为提前采取支护措施提供准确的地质依据。     

基于颗粒流的膨胀土路基破坏特征分析

研究目的:膨胀土具有强烈胀缩性,常处于非饱和状态,对水分状态的变化十分敏感,并由此引起膨胀土强度和体积的变化,往往造成工程建筑物的破坏。结合新建玉蒙线膨胀土路基的修筑,利用颗粒流离散元方法,对膨胀土的干湿胀缩效应从颗粒间强度变化及颗粒体积胀缩入手进行数值模拟,分析膨胀土路基在干湿胀缩循环下的破坏特征及过程。研究结论:颗粒流数值方法可以合理再现膨胀土的室内加压平衡法膨胀力测试实验及自由膨胀率测试实验;通过对膨胀土路基进行单次胀缩及多次胀缩模拟试验,可从细观角度揭示了膨胀土路基在胀缩循环下的浅表层塌滑现象;对比现场部分填筑中路基的破坏特征,表明数值模拟与现场情况基本吻合。     

基于发动机在环的重型柴油车实际道路细小颗粒物排放特性研究

本文中选取了一台7.8L的重型柴油机,在发动机台架上运行WHSC(世界统一稳态循环)、冷热态WHTC(世界统一瞬态循环),并通过发动机在环的方法在发动机台架上运行重型柴油车实际道路(PEMS)循环,采用能够同时测量PN10(10 nm以上颗粒物数量)和PN23(23 nm以上颗粒物数量)的颗粒计数器等设备测量了细小颗粒...     

基于冗余信息融合的车辆质心侧偏角估计方法

车辆质心侧偏角是表征车辆横向稳定性的重要参数之一,相关的估计方法研究可为整车稳定控制提供重要支撑.为提高车辆质心侧偏角估计效果,提出了一种基于冗余信息融合的质心侧偏角估计方法.分别建立了车辆动力学模型和运动学模型,利用容积卡尔曼滤波算法分别设计了用于车辆行驶状态估计的动力学模型估计器和运动学模型估计器,同时,分析了动力...     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

盾构静-动态泥浆渗滤成膜及支护效率控制方法

近年来，泥水盾构在越江跨海隧道中被广泛应用，隧道开挖面“泥浆-土水”相互平衡作用是工程安全的关键。盾构泥浆能否成膜、动态掘进泥膜是否存在、动态泥膜如何发挥支护作用等问题受到广泛关注，理清这些问题是保障开挖面稳定的基础。对此，基于多相流理论提出了泥浆“渗滤-成膜-生长”瞬态力学模型，探明了泥浆的流体特性和地层的水力传导性质的时空变化规律，揭示了盾构停机静态成膜和掘进动态成膜机制，并通过静、动态成膜2个实例计算验证了理论方法的适用性。研究结果表明：盾构静态停机状态下通常为全断面泥膜，泥浆以面力形式进行支护，盾构掘进时表现为动态局部泥膜，泥浆压力可较长距离前向传递，以渗透力的形式发挥作用；盾构掘进时开挖面泥膜分布为多辐扇形的局部泥膜，可分为泥膜渐变区和无泥膜区，无泥膜区域靠近先行刀臂，随着刀盘转速的增加，泥膜的厚度和泥膜面积逐渐减小；实际工程中，可以从泥浆材料和掘进参数两方面提升泥浆的支护作用，一方面根据地层-泥浆粒径比和泥浆黏度双控指标进行泥浆配置，另一方面宜降低盾构刀盘转速，同时适当增加掘进速度，充分发挥局部泥膜的支护作用，提高泥浆的支护效率和开挖面的稳定性。研究成果对泥水盾构施工安全有一定的指导意义。     

基于广义费用函数的城际铁路分时定价策略研究

随着我国城市群的发展,区域内部各城市之间的客流需求不断增长,城际铁路作为城市间出行的主要方式,客流在高峰、低谷时段具有明显的不均衡性。为了更加平稳有序地提供高质量服务,充分发挥票价调节供需匹配关系的作用,对城际铁路分时定价策略进行研究,构建不同时刻、不同运输方式的旅客出行广义费用函数,建立双层规划模型,优化不同时段城际铁路票价,并结合Frank-Wolfe算法和带有惯性权重的粒子群算法,求解双层规划模型。最后,以京津城际铁路为例,验证了分时定价策略可以使客流分布更加均衡,并提高铁路运输部门收益。     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。     

基于PSO算法的地铁智能调线调坡系统开发与研究

为解决人工调线调坡费时费力、效率低下，且无有效评价指标评判方案优劣的现状问题，从分析线路平纵断面设计变量入手，依据规范相关规定制定约束条件，创新性地建立带有侵限容忍值惩罚项和合规性惩罚项的目标函数，提出一套基于粒子群优化算法，适用于矩形、马蹄形、圆形等多种隧道断面类型的地铁调线调坡数学分析模型，并以此开发地铁智能调线调坡系统。以长沙地铁4号线某区间右线隧道为例，对比人工设计和智能系统的调线调坡结果。由对比结果可知，智能系统在线路参数选择的合理性和改善侵限情况等方面均明显优于人工调线调坡，且具有可靠性和高效性。