斜拉桥粘滞阻尼器设计方案及参数回归分析

为优化粘滞阻尼器对双塔斜拉桥的减震效果,以淮安大桥(主跨为416m的双塔斜拉桥)为背景进行研究。采用有限元软件SAP2000建立全桥三维有限元模型,应用非线性动力时程方法对比分析了4种不同阻尼器布设方案(分别将粘滞阻尼器布设在塔支座、桥台、边墩和桥台、边墩位置)的减震效果。选择最优方案进行阻尼参数分析,应用最小二乘回归分析法建立关键截面参数与阻尼参数之间的数学模型,以控制截面内力和变形最小为原则,通过求解拟合方程的极值得到最优设计参数。结果表明:在桥台位置安装粘滞阻尼器能使其更好地发挥减震功能,且不改变辅助墩的受力;所提出的阻尼参数优化设计方法能有效地计算出最优阻尼参数,为设计提供方便。     

基于最优尺度回归法和费效法的水泥稳定碎石结构施工标准

为了明确水泥稳定碎石结构的施工影响因素和控制要求,文章结合某高速公路433处施工工点的实测有效数据,首先采用方差分析方法提炼出施工显著影响因素,并采用最优尺度回归模型推导出强度与多因素之间的数学函数,得到不同因素的影响程度,采用费用效益分析方法进行不同因素的费用效益对比,最后根据不同因素影响程度、费效比和工程经验,提出施工控制标准。结果表明,最优尺度回归模型的可信度系数R²为0.813,回归模型效果较好。水泥稳定碎石结构施工精细化因素的控制性价比要优于原材料性能因素的控制。     

新疆公路运输量发展预测

在分析新疆经济、交通运输发展的基础上,采用回归分析法、三次指数平滑法、灰色预测方法和弹性系数法等多种方法预测新疆2010年、2015年、2020年的公路运输需求,并结合这些方法,采用了基于误差权重因子的多种方法组合预测的新方法,对新疆公路运输需求量进行了优化组合预测。对新疆未来3个特征年预测结果的分析表明,该预测方法是合理而有效的。     

黑龙江省发展外向型农业的政策性金融

政策性金融在支持农业发展中有着不可替代的作用,通过对国外政策性金融发展经验的分析,结合黑龙江省发展外向型农业进程中政策性金融支持存在的问题,提出黑龙江省发展外向型农业政策性金融支持的对策,促进黑龙江省发展外向型农业的政策性金融支持更加完善,使外向型农业的发展更加顺利。     

基于深度学习与支持向量机的钢轨伤损智能识别系统

目前国内钢轨探伤车检测系统都带有自动伤损识别功能,但由于采用了基于既有规则的简单逻辑判断方法,其自动识别的准确率不高,误报较多,伤损漏报的现象时有发生。针对该问题,根据钢轨探伤车所检测数据的特点,提出了基于深度学习与支持向量机的钢轨伤损智能识别系统技术方案;采用深度可分离卷积与选择性搜索相结合的方法进行目标定位;基于人工构建的多维特征,采用支持向量机方式进行伤损图像分类;并通过使用实际线路所测数据中的人工标注样本进行测试,验证了方法的有效性。测试结果表明,该系统在各项技术指标上均表现优异,伤损检出率达到99.8%,误报率降为12%,分类准确率达到95%以上。     

降雨条件下高速公路短时行程时间预测研究

为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间.并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型.该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度.选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测.结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0 .98 ,平均绝对百分误差1 .99% ;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3 .40% 和2 .60% ,且拟合程度不如组合预测模型.     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.     

基于固有匹配对数据的交通事故致亡风险因素分析

机动车乘员在道路交通事故中死亡风险的大小受到很多因素的影响.为分析交通事故中致亡因素的非线性效应,在美国交通事故死亡分析报告(FARS)的数据基础上,对机动车乘员的事故结果进行匹配筛选,得到了固有匹配对数据.进而以相对死亡风险为衡量指标,通过非参数logistic回归的方法揭露了性别、年龄、安全带的使用情况以及座椅位置4个因素对致亡伤害的深层次影响机理,有望为交通安全政策的制定和交通安全措施的实施提供重要依据.除此之外,非参数logistic模型能够揭露年龄作为连续变量的重要非线性影响.研究结果表明,固有匹配对的数据结构能够排除外界因素对模型的干扰,且性别、年龄、安全带的使用情况以及座椅位置4个因素会对交通事故中机动车乘员死亡风险的大小造成显著影响.女性的死亡风险相对男性高出15.9%(对数值);使用安全带可以降低74.8%的死亡风险(对数值);死亡风险随机动车乘员年龄增长呈上升趋势;小汽车的后座左侧和后座中间位置是最安全的位置.     

基于改进低秩矩阵补全的交通量数据缺失值插补方法

提出了一种低秩矩阵补全的改进方法以研究道路交通量数据缺失值插补问题。应用基于核范数的低秩矩阵补全对交通量数据矩阵中的缺失值进行第1轮插补; 通过层次聚类算法将交通量数据划分为不同类别, 使得同类中的数据具有较强相关性, 异类中的数据具有较弱的相关性; 在每类样本上应用低秩矩阵补全得到缺失值的第2轮插补; 为了减少聚类数的影响, 提出最小二乘回归集成学习方法将不同聚类数下的插补结果进行融合, 得到最终的交通量数据插补结果; 用美国俄勒冈州波特兰市的交通量数据比较了5种方法的插补误差, 并分析了不同聚类数和距离度量方法的影响。研究结果表明: 在完全随机缺失模式下, 缺失率为10%~60%时, 其相对于传统的低秩矩阵补全模型的插补误差降低了5.93%~9.11%;在随机缺失和混合缺失模式下, 插补误差也分别降低了8.32%~9.55%和8.14%~9.20%;集成不同聚类数下的多个插补结果比单一聚类数下的插补误差降低2.62%~4.76%。可见, 在3种数据缺失模式下, 改进低秩矩阵补全方法降低了交通量数据的插补误差, 能有效提高插补后交通量数据的有效性。