城市地下大空间施工重大风险多因素耦合演变模型

为解决大规模新型地下空间的施工风险防控问题,提出城市地下大空间定义,分析城市地下大空间施工风险的特征,并从系统的角度分析城市地下大空间施工风险的理念,将城市地下大空间施工风险系统分为工程结构子系统、环境子系统和组织管理子系统3部分。首先,在分析各子系统特点及子系统间关系的基础上,整合贝叶斯网络、模糊综合评价法、马尔科夫链和系统动力学,构建城市地下大空间施工重大风险多因素耦合演变模型; 然后,在贝叶斯网络框架下提出风险因素耦合系数的概念,实现在定量描述风险因素耦合效应的同时简化贝叶斯网络的构建过程,并分别以马尔科夫链和系统动力学作为描述环境子系统和组织管理子系统演变行为的工具,实现对施工过程中风险演变趋势的预测; 最后,运用多因素耦合演变模型对北京地铁17号线东大桥站进行施工风险分析。结果表明： 1）城市地下大空间施工风险具有明显的阶段性特征,在开挖阶段达到最大; 2）风险因素耦合效应对风险事件发生概率有显著影响,忽略风险因素的耦合效应会使风险分析结果出现较大偏差。     

基于LightGBM的拖曳系统动力响应预报方法

针对传统数值仿真计算方法耗时长、占用计算机资源多等缺点,提出基于LightGBM算法的拖曳系统动力响应进行评估的回归预测模型,以已有的OrcaFlex数值模拟得到的数据为样本,以拖曳系统上的海洋环境条件、拖船航速和下放缆长为特征,以动力响应为目标,引入LightGBM算法,对拖曳缆顶端张力最大值等动力响应进行预测分析。与传统数值模拟方法相比,LightGBM算法在保证结果准确性的同时大幅度提高了计算效率。通过与随机森林（RF）、极限梯度提升（XGBoost）算法相比,其准确度和计算效率的表现更好。最后提出了贝叶斯参数优化的LightGBM算法,准确度进一步提高,为提前采取措施保障拖曳系统的作业安全提供了一条高效的技术途径,同时为建立拖曳系统数字孪生体提供了有力的技术支撑。     

基于ETC数据和A-BiLSTM神经网络的高速公路节假日短时交通流预测模型

电子不停车收费（electronic toll collection,ETC）门架系统为节假日高速公路短时交通流预测提供了数据支撑。针对节假日场景下高速公路交通流的非线性和复杂性特征,基于ETC门架数据研究了由注意力机制（attention）和双向长短期记忆（bidirectional long/short-term memory,BiLSTM）神经网络组成的Attention-BiLSTM(A-BiLSTM)组合模型。通过对ETC门架数据进行预处理,保证模型输入的可靠性;采用滑动窗口方法构建监督学习样本,提高模型学习效率。在模型中,使用BiLSTM神经网络,实现对交通流数据前向和后向时间依赖性特征的深入提取;引入注意力机制动态地权衡网络提取信息的重要程度,增强隐藏层特征的非线性表达能力;利用贝叶斯优化方法对模型进行超参数调优,提高模型的预测性能。采集大理-丽江高速公路白汉场至拉市镇的门架数据,处理成时间粒度为5,10,15 min的交通流数据进行模型验证。实验结果表明：(1)相比于自回归移动平均模型、支持向量机的预测结果,A-BiLSTM组合模型的均方根误差（root mean sq...     

既有钢-混组合梁桥概率评估方法及应用

为准确评估既有钢-混组合梁桥的安全性,提出一种基于可靠性的概率评估方法.该方法首先结合使用荷载和极限荷载下的试验结果,采用非线性有限元法对全部结构响应进行参数敏感性分析,得到关键参数,进行模型识别,确定最佳模型;然后引入贝叶斯推断,结合补充试验结果,增加输入参数的可靠性,基于可靠性评估法对结构安全性进行评估.将该方法应...     

基于DBN的地铁隧道施工坍塌事故情景推演与应急处置优化研究

为充分利用历史事故的有效经验辅助应急决策,结合当前认知水平和技术水平优化历史事故的应急处置,提高决策的科学性和合理性,提出一种基于动态贝叶斯网络(Dynamic Bayesian Network, DBN)的地铁隧道施工坍塌事故情景推演和应急处置优化方法。从情景分析角度出发,基于情景元理论描述事故情景状态和趋势,分析情景因素间的作用关系,构建情景演化基本单元;分析事故情景的演化规律和路径,构建动态贝叶斯网络,对事故情景进行推演,探讨事故演化路径和发展趋势;从最优路径、最劣路径、最可能路径和实际路径探讨应急处置的优化方法和实施建议;应用该方法对某地铁隧道坍塌事故进行分析,根据推演结果提出应急处置优化方法和实施建议。     

基于T-S模糊故障树和贝叶斯网络的重特大交通事故成因分析

重特大交通事故是最严重的交通事故类型,为了识别此类事故的主要致因,融合T-S模糊故障树和贝叶斯网络对其进行深入分析.建立了以重特大交通事故为顶事件,人、车、路、环境4个因素为中间事件,24个子因素为基本事件的T-S模糊故障树,将其转化为贝叶斯网络,进而双向推理基本事件的重要度和后验概率,确定主要致因.结果表明:融合T-...     

基于事故树和模糊贝叶斯网络的铁路超限货物运输风险评估

为量化铁路超限货物运输安全风险并识别薄弱环节,提出一种基于事故树和模糊贝叶斯网络的超限货物运输风险评估方法.在确定超限货物运输影响因素的基础上构建事故树,并将其映射为贝叶斯网络.根据模糊集理论标定底事件的条件概率,将底事件的模糊失效概率(FFR)作为贝叶斯网络中根节点的先验概率.通过在仿真软件中利用贝叶斯网络建立铁路超...     

铁路桥隧工程技术接口质量影响因素研究

为提高铁路桥隧工程技术接质量水平,以艰险山区独特的自然环境和桥隧施工的特点为依据,从人员、材料、设备、方法、环境,5个方面识别技术接口质量影响因素,在影响因素作用机理分析的基础上,提出研究假设进行方案设计,并运用结构方程模型得出路径系数分析结果,在此基础上构建了贝叶斯网络模型,得出了概率推理结果,并检验了结果的一致性;最后以拉林段铁路作为研究对象,验证了假设成立。研究表明：人员、材料和环境对于技术接口质量的影响较大,人员方面主要体现在直接从事接口施工的相关人员的技术、素质和协调性;材料方面主要体现在接口施工材料的质量性能、相关质量验收标准的完善程度和材料储存条件;环境方面主要体现在技术接口施工的自然环境、空间环境和相关质量管理制度,应对其重点管理。     

基于本体推理和BN的无人驾驶行为决策

相较于高速与高架路段,无人驾驶行为决策系统在城区路段要面对更为复杂和多变的交通道路环境。文章提出一种将本体知识推理和贝叶斯网络（BN）相结合的方法,通过对道路环境本体模型加以逻辑推理,迁移为BN的结构参数,并根据历史驾驶案例和专家经验构建完整的贝叶斯网络。最后通过BN判断当前场景的最佳驾驶模式。本方法能使车辆较好地判断当前最优驾驶行为。     

港口水域船舶异常能耗云数据挖掘

以港口水域船舶的节能减排为目标,研究港口水域船舶异常能耗云数据挖掘方法。采集港口水域船舶的AIS云数据,删除与船舶能耗无关以及异常数据,利用K-means聚类算法对船舶能耗相关船舶主机转速以及船舶主机功率等数据进行聚类,输出船舶不同运行工况的能耗。利用贝叶斯分类器依据聚类结果识别港口水域船舶能耗云数据是否为异常数据,完成港口水域船舶异常能耗云数据挖掘。实验结果表明,该方法的船舶异常能耗数据挖掘精度高,为船舶的节能减排提供依据。