去噪分析和分离变形预测在深埋隧道中的应用研究

隧道变形易诱发相应的工程问题,对其防治及预测已成为地下工程领域的热点问题。为提高隧道变形的预测精度,达到有效掌握隧道变形规律的目的,以某隧道为工程实例,通过对其监测数据的去噪处理,将隧道变形的原始序列分离为趋势项和误差项序列,并利用GA-BP神经网络和时间序列模型对两序列进行预测,又结合支持向量机模型对前者的预测误差进行修正,以保证预测精度。结果表明:在去噪方面,得出半参数优化卡尔曼滤波的去噪效果最优,其次是sym8小波去噪和奇异谱分析;在预测方面,得出分离预测能一定程度上提高预测精度,但效果不明显,而误差修正模型能很大程度上提高预测精度,综合得到本文预测结果的平均相对误差为1.08%。预测模型具有精度较高等优点,能为深埋隧道的变形预测提供借鉴。     

圆极化对数周期偶极天线设计

对圆极化对数周期偶极天线中垂直天线阵的移相问题作了详细讨论;对圆极化对数周期偶极天线的极化特性作了数值分析;提出了这种天线的阻抗匹配特性改进的措施和天线的设计方法,并作了简要的极化特性误差分析.     

挤压性软岩流变参数反演与本构模型辨识

研究目的:为合理确定挤压性岩体力学性态的各有关参数,正确认识岩体力学属性并确保数值计算结果的可靠性,将隧道现场监测变形时间序列作为依据,通过位移反演分析理论,获得对隧道围岩稳定分析结果影响显著的流变参数值,进而实施流变模型辨识,为隧道工程围岩稳定性分析提供合理的本构模型和切合实际的计算参数. 研究结论:针对挤压性软岩隧道,建立了一套基于实测位移序列的模型辨识与参数反演的方法,该方法既依赖于工程地质和岩石力学理论,又依托于岩体工程现场实际量测,是联系理论实际的桥梁.     

凝固灵感 AUDI A7 Sportback2.8FSI

在奥迪的产品序列编号中。传统的偶数序列如A4、A6、A8。代表着奥迪成熟稳重，大气均衡的特点。而以奇数命名的序列如A1、A3、A5、A7。则代表了奥迪更加前卫、科技和运动的气息。奥迪A7作为奇数序列的最高版本，开创了奥迪在运动型豪华轿车市场的领军地位。     

Kasami扩频序列的研究

介绍了扩频序列的研究、发展情况和Kasami扩频序列的生成方法。提出了当移位寄存器的级数n=2（模4）时，一种新的序列构造方法，所得到的两个集合与Kasami大集合序列的相关特性一致。并与Gold码、Kasami小集合序列码进行了比较分析，进一步拓展了扩频码的生成方法。     

公路主枢纽站场建设序列的定量分析

<正> 随着交通部“三主一支持”规划中“港站主枢纽”规划工作的进一步落实和45个公路主枢纽城市的确立和实施,全国许多城市和地区都根据自己的实际情况相继组织开展了公路主枢纽总体布局规划工作。这对于促进和加快我国公路运输基础设施的建设有着十分重要意义。在规划实践中,一般对站场功能、布局方法、规模、影响因素、客货运量预测方法、经济评价方法等研究较多,对作为公路主枢纽总体布局规划的重要组成部分站场建设序列却重视不够。而建设序列安排的合理与否,不仅关系到规划     

基于综合台架的同级客车用驱动电机序列性能测试与评价

为获得合理的动力系统选型方案,依托可模拟整车环境的台架,对某同级客车搭载的4款驱动电机进行测试,确定最优方案,并提出相关建议。     

基于状态空间的连续断面船舶交通流量预测研究

船舶流量预测是船舶交通流研究的重要内容,建立科学合理的船舶流量预测模型有助于航道的设计、规划和管理。将传统的单断面船舶交通流预测方法向多断面进行改进和推广,提出基于状态空间和卡尔曼滤波的多断面交通流预测模型。利用船舶交通流多断面流量数据的时间序列进行多维线性回归,并转化为状态空间模型形式;在此基础上由卡尔曼滤波算法对交通流量进行递推预测,得到多断面交通流的预测值。作为实证研究,分别对武汉长江大桥、武汉长江二桥2个断面,以及长江重庆段朝天门、万州、巫山3个断面进行实际数据分析来验算模型的有效性,并与单断面多维线性回归预测方法进行对比。结果表明,使用状态空间模型得到的武汉长江大桥、二桥预测结果的平均相对误差分别减少4.59%,0.97%;而重庆段3个连续观测点采用状态空间法预测比使用时间序列预测平均绝对误差和平均相对误差均有不同程度的降低,其中平均相对误差分别降低1.08%,4.28%, 3 .54%。因此,在不同时间维度上,该模型有助于提高多断面交通流预测精度。      

基于SARIMA 模型的北京地铁进站客流量预测

通过对北京地铁2013 年5 月~7 月的进站客流量数据进行详细分析,总结北京 地铁进站客流量以周为周期的波动规律,选用季节时间序列（SARIMA）模型对北京地铁 进站客流量进行时间序列建模.利用符合要求的模型对北京地铁进站客流量进行预测,预 测结果能够较准确地描述北京地铁进站客流量的变化趋势,平均误差为0.3%.说明此模型 适用于地铁进站客流量的短时预测,基于预测结果进一步分析北京地铁进站客流量的特 点,为进一步优化进站设施布置、组织进站流线、高效安全的地铁运营组织提供参考建议.     

基于时间序列法的高速公路沥青路面车辙预测模型研究

由于影响车辙的因素较多而且较复杂,常规的数学方法建立的车辙预测模型难以准确预测路面车辙的发展趋势.该文依据湖南潭邵高速公路沥青路面车辙深度历年数据,利用时间序列法建立了能考虑不同数量滞后值的时间序列路面车辙深度预测模型,并对预测模型的修正性进行了分析.模型预测值与实测值对比表明,时间序列法具有较高的预测精度,且其易修正性是其他预测方法所不具备的.