展望2004国际集装运输市场

世界政局的剧烈动荡不安与令人“谈非色变”的SARS病毒的严重扩散并未对2003年全球经济产生什么影响，而国际集装箱运输市场的强势恢复更大大出乎业内人士的意料，班轮运输公司在市场整体供需矛盾缓解，运价大幅上扬的鼓舞下，信心倍增，经营效益同比成倍增长。然而市场的这种旺势能持续多久？2004年的     

车辆大修可靠性的多指标综合评价及分析

应用3种不同的综合评价方法。对车辆大修后的可靠性进行了评价。结果表明，综合指数法和TOPSIS法的评价结果具有很好的一致性，而灰色关联分析法的差异较大。结合原始故障数据分析。3种评价方法中的综合指数法评价结果更符合车辆大修后可靠性的实际情况。     

北京地区新近沉积土的特性及其孔隙比鉴别法

根据对正常固结土物理力学性质的分析,得出土的计算孔隙比的计算方法。在对北京地区新近沉积土的物理力学特性分析的基础上,提出利用计算孔隙比和天然孔隙比的对比,对北京地区新近沉积土进行判断的孔隙比鉴别法。该方法只需利用土样的常规室内试验成果,方法简单、有效。勘察中,在现场初步判断的基础上,采用该方法可以对新近沉积土做出更准确的鉴别。     

机车车辆运行平稳性指数的估测方法

运行平稳性是机车车辆的重要指标。一般而言,机车车辆运行平稳性随着速度提高而下降。为了便于设计我国高速铁路机车车辆,本文提出一种估测机车车辆运行平稳性的方法,作为机车车辆在设计过程中优化结构和方案比较的手段。本文以东风9内燃机车为例,分析了各种速度下的平稳性指数,并比较了线性模型和非线性模型的分析结果。     

van der Pol滞后系统在多频激励作用下的动力学分析

利用多尺度法分析了van der Pol多频激励滞后非线性系统的一类组合共振，得到了该系统组合共振解的振幅。研究表明该组合共振解为一种叉型分岔，并分析了其定常解的稳定性。运用奇异性理论分析了该系统的振幅对多频激励滞后幅值分岔响应曲线及原系统参数对开折参数的影响。     

K-Dimension and Holder Exponent for Bush Type Fractal Functions

Bush type fractal functions were defined by means of the expression of Cantor series of real numbers. The upper and lower bound estimates for the K-dimension of such functions were given. In a typical case, the fractal dimensional relations in which the K-dimension equals the box dimension and packing dimension were presented; moreover, the exact Holder exponent were obtained for such Bush type functions.     

沥青混合料压实特性的影响因素分析

从体积设计的角度,分析沥青混合料的旋转压实(SGC)曲线,研究在压实过程中沥青混合料体积参数的变化特征.借助能量指数概念,评价沥青混合料在施工和使用阶段的压实和致密趋势.采用统计分析方法,探讨材料组成(级配、沥青用量)及压实应力对沥青混合料体积参数和压实特性的影响.结果表明,沥青混合料压实特性的主要影响因素是细集料级配曲线范围和沥青用量,当压实应力增加时,间断级配沥青混合料的体积特征稳定性优于连续级配.     

基于磨损比耗指数的滚刀磨损定量预测方法

为定量预测盾构掘进复合地层时不同刀位的滚刀磨损量,以滚刀磨损的逐刀量测及相应的破岩体积的分层统计为基础,将位置各异的滚刀磨损比耗指数(SWI)——滚刀磨损增加量与破岩体积之比,按滚刀掘进地层进行分类统计,得到以掘进参数为自变量、适用于4种均质地层的SWI回归方程。将SWI回归方程与磨损量的分层求和法相结合,提出基于磨损比耗指数的复合地层滚刀磨损的定量预测方法。研究表明:1)磨损比耗指数同时考虑磨损量与滚刀安装位置、掘进距离的关系,物理意义明确;2)SWI回归方程预测精度较高,可为刀圈极限磨损预测提供掘进参数预警值。通过分析方程系数与岩性的相关性,提出在不同地层中有利于减缓滚刀磨损的掘进参数调整方法。实测结果表明,复合地层滚刀磨损定量预测方法在磨损量预测,尤其是滚刀寿命预测中具有较高的精度。     

基于机器学习的地铁轨道几何劣化规律个性化建模研究

较高的轨道平顺性是保障地铁列车安全舒适运行的基础,准确掌握地铁轨道的劣化规律对保障轨道质量具有重要意义。根据地铁线路特点,选择影响地铁轨道质量劣化的7类异质性因素,给出赋值模型,并基于机器学习方法建立轨道质量指数(track quality index,TQI)短时预测前馈神经网络模型。为了验证模型,采集了北京地铁1号线的线路设备数据及2016年8月15日至2019年2月18日间的17次TQI检测数据,形成训练数据集和测试数据集,并采取深度学习技术,利用训练数据集对该模型进行训练。基于测试数据集的模型预测值的可决系数为0.938,平均绝对百分比误差为4.80%,结果表明该模型是有效的且具有较高的预测精度。