全风化软质岩改良土铁路路基填料应用研究

研究目的:路基填料的合理选取与应用直接影响施工质量和工程造价.本文依托浩吉重载铁路工程建设,以岳阳至吉安段的全风化软质岩填料为对象,首先通过室内土工试验研究其基本工程性质与改良措施;然后在选取的路基试验段,进行现场填筑试验和长期沉降观测,分析路基填筑施工关键控制参数、碾压工艺以及沉降变形规律;最后开展模拟重载铁路列车荷...     

基于LSTM模型的船舶材料成本滚动预测

船舶建造周期长、材料成本占比大,易受大宗商品价格指数和汇率等多个因素的影响,造成实际完工成本与报价估算存在较大误差的情况。采用灰色关联分析（Grey Correlation Analysis,GCA）方法识别材料成本的影响因素,基于长短期记忆网络（Long Short-Term Memory,LSTM）模型构建船舶材料成本滚动预测模型,并使用某造船企业53艘64 000 t散货船63个月的材料成本数据和对应的影响因素数据进行试验分析。结果表明,预测数据与实际数据误差在可接受范围内,可证明所选择方法和构建模型的有效性。研究结果对船舶建造过程的成本实时预测和控制具有现实意义。     

城市轨道交通初期运营客流预测技术研究

城市轨道交通新开通线路初期运营客流预测是开展初期运营安全评估和运营组织筹备的基础性工作。分析初期运营客流预测在预测期、研究对象、基础数据和预测模型方面的特点,总结该类预测工作开展的技术难点。在此基础上提出一套适用于初期运营客流预测的技术路线,阐述其中基础资料收集、交通调查、交通运行特征分析、出行需求预测、评估分析及敏感性分析的研究要点,并概括总结客流预测指标、对既有线的影响评估、需要重点关注的车站等研究内容。研究结果表明,初期运营客流预测重点在于准确把握城市及交通发展现状,而解读城市及交通发展现状资料并掌握其运行现状特点,研判其短期发展趋势是初期运营客流预测的基础性工作;针对宏观交通需求分析模型对微观客流指标预测的精度不足问题,可在城市宏观交通需求预测的基础上,通过开展各类交通调查建立城轨系统出行需求分析专题模型。本研究成果以期为初期运营客流预测的技术方法、研究内容等提供借鉴。     

基于改进 BiLSTM 网络的地铁车轮磨耗预测模型

针对地铁车轮磨耗数据时间跨度较长引起的长期依赖问题,为了进一步提升预测精度,提出一种将麻雀搜索算法(sparrow search algorithm,SSA)优化双向长短期记忆网络(bidirectional long short term memory,BiLSTM)的改进 BiLSTM(SSA-BiLSTM)网络模型,用于地铁车轮磨耗预测。首先,利用麻雀搜索算法对双向长短期记忆网络算法的神经元个数、迭代次数、输入批量和学习率等超参数在给定范围内进行寻优,得到参数最优值;然后,以参数最优值来构建改进 BiLSTM 网络模型,对车轮磨耗进行预测分析;最后,以车轮踏面磨耗和轮缘磨耗作为研究对象,将某地铁 1 车厢 1 号车轮的现场实测历史磨耗数据作为输入,对该模型进行训练及验证分析,并与多层感知机(multilayer perceptron,MLP)、LSTM、BiLSTM 以及 SSA-LSTM 模型的预测结果进行对比。研究结果表明：SSA-Bi-LSTM 模型的车轮磨耗预测精度更高,与 LSTM、BiLSTM 以及 SSA-LSTM 网络模型相比,踏面磨耗的平均绝对百分误差(mean absolute percentage error,MAPE)分别降低了 13.28%、10.32%、1.47%,轮缘磨耗分别降低了 9.5%、0.46%、0.02%;分别对同一地铁 2 号、4 号车厢的 1 号位置车轮磨耗进行预测,并与磨耗实测数据进行对比,踏面磨耗的平均绝对百分比误差分别为 1.34%、1.42%,轮缘磨耗的平均绝对百分比误差分别为 0.18%、0.19%,验证了本文所提模型具有良好的泛化性,为地铁轮对智能化管理提供理论支持,延长车轮使用寿命。     

路基砂土液化的BP网络预测研究

运用人工智能领域中的神经网络知识,提出一种基于BP神经网络模型的路基砂土液化预测方法。提出用MATLAB7自带的神经网络工具箱编程来实现BP神经网络系统。     

后疫情时期多机场旅客吞吐量分类预测

为提高多机场旅客吞吐量预测的准确性,简化预测流程,将“手肘法”与高斯混合模型(GMM)系统聚类法结合对多机场系统中的个体进行细化分类。采用面板数据模型分析各变量对不同规模、不同定位的机场旅客吞吐量影响程度,针对不同类型机场建立相应的面板数据吞吐量预测模型,再根据后疫情时期民航业发展现状建立疫情影响因子修正模型,并对预测结果进行修正。以江苏省9个机场的旅客吞吐量分类预测为例,预测结果显示：GMM算法的机场分类效果评价指标CH值为98.732、轮廓系数为0.671 5,较K-means算法分别提高8.3%、69.5%;DB值为0.998 1,较K-means算法降低7%,即GMM算法所得聚类簇内样本间距更小、分类效果更优。模型对9个机场的旅客吞吐量预测误差均介于1.58%～3.95%之间,预测误差波动小、精度较高,具有良好的拟合效果,可用于多机场客流量同步预测。     

无背索斜拉桥现浇箱梁大钢管支承布置计算分析

为研究不同大钢管支承布置方式对宽大主梁梁体支承承载力与稳定性的影响,确保在满堂支架拆除以后能由大钢管支承梁体继续施工,针对现有条件,设计了4种不同的大钢管支承布置形式。结合某波形钢腹板无背索斜拉桥,使用ANSYS建立三维空间有限元模型,对不同的支架模型进行弹性屈曲分析、局部受力安全性分析、钢管应力变化和支反力计算。结果表明：对于所研究的波形钢腹板无背索斜拉桥宽大主梁,其主梁自身质量较大,容易导致单根钢管支承力过大,不利于基础设计,但在设计施工条件下发生屈曲破坏的可能性很小;钢管支架密集设置可一定程度上减小最大支反力与最大组合应力,有利于大钢管支承与主梁受力安全,但其经济性会有所降低。     

松江有轨电车T1线轨下基础设计方案比选

立足于上海市松江有轨电车T1线工程项目实例,通过对土层物理力学参数差异性分析,应用有限元方法研究深厚软土有轨电车路基不均匀沉降问题。在控制沉降的基础上,对有轨电车采用的桩板结构、换填、复合地基等3种轨下基础设计方案进行了分析与比选。结果表明,桩板结构方案下有轨电车路基总沉降为10.1～13.3 mm,其沉降控制效果较好。     

城市轨道交通车辆以太网流量的预测方法

随着城市轨道交通云平台的部署,城市轨道交通车辆对通信带宽的需求越来越高。近年来,用以太网替代传统的车辆总线已成为共识。然而,面向城市轨道交通应用尤其基于车辆以太网的数据流量的研究还处于探索阶段。考虑车辆以太网数据流量的统计规律特性,采用3种流行的智能预测方法,即RBF(径向基函数)神经网络模型、LSTM(长短期记忆)神经网络模型和LS-SVM(最小二乘支持向量机)模型对车辆以太网流量进行预测,通过仿真试验对3种方法的预测性能进行了有效性验证。结果表明：在小样本(3 000个数据量)条件下,采用LS-SVM模型对车辆以太网数据进行预测,相比其他两种方法能获得更高的预测精度。     

CRH380A(L)型动车组轮对寿命及预测模型的研究

基于CRH380A(L)型动车组在成都-北京方向交路上的轮缘磨耗情况,通过分析同平台、不同连接方式车型在相同运行工况下的磨耗差异,得出由于半永久车钩和自动车钩水平刚度不同,导致运营过程中出现了不同轮缘存在磨耗差异的情况.通过对轮对直径、轮缘磨耗等参数建立数学模型,根据模型预测出CRH380A(L)型动车组轮对使用寿命,...