基于RS-SVR的上软下硬地层盾构施工地表沉降预测

为了提高由盾构施工引起的软硬不均地层地表沉降预测的准确性,建立基于粗糙集-支持向量回归（RS-SVR）的地表沉降预测模型,并将该模型应用于实际地铁隧道工程的地表沉降预测中。首先,根据特定地质条件,从几何因素、地层因素和盾构施工因素选取影响地表沉降的条件属性,采用粗糙集理论的Pawlak属性重要度方法删除冗余数据,获取影响地表沉降的最优条件属性集。在此基础上,基于支持向量回归（SVR）建立RS-SVR地表沉降预测模型,并与没有经过属性约简的SVR模型进行对比分析。为了比较不同核函数对SVR模型的影响,RS-SVR和SVR模型分别选取径向基函数（RBF）、Sigmoid函数、Polynomial函数作为核函数对训练样本及测试样本进行回归预测。最后,利用佛山地铁2号线南湖区间上软下硬地层的20组地表沉降监测数据,对该模型予以试算。研究结果表明：将选取的影响地表沉降的12项条件属性约简为包含7项的最优条件属性集,分别为硬层比、黏聚力、内摩擦角、土仓压力、总推力、刀盘扭矩以及掘进时间,地表沉降分类结果与约简前保持一致;同类模型进行横向对比时,RBF作为核函数的RS-SVR模型和SVR模型预测误差分别为5.54%、13.10%,均低于以Sigmoid函数和Polynomial函数作为核函数时的预测误差;以同种核函数进行纵向对比时,RS-SVR模型预测误差分别为5.54%、11.48%、13.26%,均低于SVR模型预测误差的13.10%、15.71%、19.68%。     

采用模糊数学理论进行深基坑优化选型时权重的选定

对采用模糊数学相关理论进行基坑优化选型中涉及的目标权重向量,应用层次分析法对其进行深度优化,达到增加优化选型结果的准确性及可迁移性。通过对2个基坑支护工程实例的方案选型,进一步说明此优化方案的必要性及实用性,提高决策者在方案选型过程中的科学性。     

基于向量范数的公交场站布局方案评价

针对目前公交场站布局规划方案评价多采用模糊综合评价的方法所缺乏客观性的问题,提出一种基于希尔伯特空间向量范数的公交场站布局方案评价模型。首先构建公交场站布局方案评价指标体系,而后对定量、定性指标进行量化处理,最后运用空间向量泛数对评价值予以分析计算,并通过偏导计算求得各指标的弹性因子,用以反映各指标对总体方案的影响度。运用该评价模型对成都市公交场站布局规划实例进行试算,结果一致,证明方法可行。     

GPS在大型桥梁形变监测中的应用

本文首先论述了 GPS形变监测网优化设计的理论和方法 ,并结合武汉长江二桥的形变监测工作 ,对GPS形变监测网的施测方法、数据处理进行了综述 ,最后给出了相应的结论。     

一种人群异常行为检测系统的设计与实现

针对城市轨道交通监控等方面的应用需求,设计并实现了一个人群异常行为检测系统.目前,大部分的监控系统只能进行运劝检测和跟踪,而本文设计的系统主要是对待检视频进行人群密度分析和人群运动分析,根据密度分析和运动分析得到的结果推断人群行为是否异常.其中密度分析部分主要是利用纹理特征分析结合支持向量机分类,实现了密度分级.运劝分析部分主要是改进传统的块匹配算法,再结合支持向量机分类,实现人群运动分析.     

LSSVM增强的受限环境列车定位精度优化方法

GNSS/INS是目前较为理想的定位组合方式,但在GNSS信号较长时间缺失的情况下INS的定位误差会逐渐发散.为解决此问题提出一种针对卫星信号受限环境的LSSVM增强列车组合定位方法,并在青藏铁路线应用试验.试验结果表明:LSSVM增强列车组合定位方法能够有效提高组合导航系统在GNSS信号缺失情况下的定位精度,且相比于...     

高铁线路与采空区在不同夹角下地表沉降研究

基于CRH380A列车车辆-轨道系统的动载特征,以河南某采空区为工程依托,研究线路轨道与采空走向不同夹角θ下地表沉降规律。结果表明：随着θ的增加,沉降槽宽度和车辆荷载影响范围呈现出在沿采空区倾向主断面上增加,在走向主断面上减小;最大附加沉降值在不同θ时则较为接近。自列车中心向外,当θ自0°～90°增加时,附加沉降曲线影响范围在倾向主断面与走向主断面上分别呈现出增加及减小的趋势;同时,θ自0°～90°增加时沉降曲线形状在倾向主断面上有深“V”形至“U”形,在走向主断面上有“U”形至深“V”形变化规律。     

基于DCNN-SVM的道岔智能故障诊断方法研究

针对道岔故障难检测、难分类、时效差等难题,以S700型转辙机道岔为研究对象,提出一种基于DCNN-SVM的道岔故障诊断方法。首先从道岔正常转换曲线和发生故障时的动作曲线入手,总结故障类型、故障原因和故障信号形态特征,并对道岔转换动作曲线进行预处理,即数据统一维度和归一化。然后计算标准电流曲线和功率曲线,根据道岔转换曲线与标准曲线的相似度来识别道岔转换正常和异常。再采用分区时域特征提取和ReliefF特征筛选,选取对故障分类具有明显效果的时域特征,以及根据深度学习算法获取的图像特征,形成有效特征向量空间。最后使用训练集对DCNN-SVM道岔故障诊断算法进行模型训练,并基于诊断模型实现道岔故障的实时诊断。实验表明：在样本数据量足够大的情况下,DCNN-SVM道岔故障诊断方法正确率达99.01%,相比SVM算法提高0.64%,对保障行车安全具有十分重要的作用。     

基于SVM的列车速度融合仿真测试平台设计

测速是城市轨道交通列车控制系统最基本的功能之一,为提高其测量可靠性,通常采用两种测速方式,然后对两种速度进行融合。文章提出一种基于支持向量机（SVM）的速度融合算法,设计了相应的测试平台。通过模拟各种速度工况对该算法进行验证,证明该算法具有较高容错能力,可以提高测速的准确性。     

基于改进的LS-SVM的潜水器拘束模试验分析方法

本文以最小二乘支持向量机为基础,将增量法和滑动窗口法相结合,建立适用于分析处理大样本数据的方法。采用该方法对某潜水器拘束模斜航试验和纯横荡试验进行了分析,获取了可以反映潜水器横向力、转首力矩的数学模型中的水动力系数,并利用构建的数学模型,预报多种工况下的潜水器所受到的水动力。通过比较预报结果和试验结果,证明了该方法的有效性。