《公路工程标准体系》简介(3)

(接上期) 5 JTJ 序列公路工程标准 5.1 JTJ 序列公路工程标准共有63个,基本涵盖公路路基、路面、桥梁、隧道等专业的设计与施工技术，其中公路行业标准56个(53个JTJ,3个JTJ/T),交通部主编的公路工程国家标准7个,详见表5.1.     

电控燃油喷射系统使用六忌

忌极性接错安装蓄电池时,极性必须是负极搭铁,以免损坏电子元件.     

时间序列分析法在混凝土板变形试验中的应用

研究目的:混凝土板结构在铁路、公路隧道衬砌结构中广泛应用.而长期经受隧道围岩压力及荷载作用,不时有变形破坏,危及安全运营的事故发生.通过试验研究混凝土板结构受载变形破坏的特征,预测预报事故发生的可能性,为保障结构运营安全进行现场监测预报提供有效方法.研究结论:试验结果表明:(1)采用的时间序列分析方法预测混凝土板变形精度较高,所有测点的线性拟合相关系数均在0.93以上,预测的误差在10％以内;(2)实测值与预测值对比,误差较小,可预报板变形趋势;(3)可作为隧道衬砌结构现场监测应用的有效方法.     

基于时间序列分析和神经网络的风电功率预测方法研究

功率预测对于接入大量风电的电力系统运行具有重要意义。文章对提前4 h的风电机组出力预测进行了研究,分别采用BP神经网络法直接预测输出功率,以及时间序列法间接预测输出功率,并将两种方法组合以提高预测精度,组合权系数的选取以方差最小为目标函数。研究结果表明,不同方法的预测精度不同,尤其是在个别预测点处不同模型的误差差别较大,组合预测可减小预测系统的误差,提高预测精度。     

基于最小二乘支持向量机的高速铁路路基沉降预测

高速铁路路基的施工环境复杂,沉降监测数据往往是不等时距的.鉴于最小二乘支持向量机拥有强大的非线性拟合能力,使用最小二乘支持向量机建立沉降与时间的关系函数,以等时间步长插值得到路基的等时距沉降时间序列,建立基于最小二乘支持向量机的高速铁路路基沉降预测模型.分别运用给出的预测模型和BP神经网络与灰色理论联合方法对杭甬铁路客运专线上虞北站5个路基沉降监测断面进行路基沉降预测,并与现场实测数据对比.结果表明,短时距的最小二乘支持向量机预测模型比BP神经网络与灰色理论联合方法的预测精度高,预测结果更稳定,外推预测沉降更可靠.     

一种基于人脸序列模式的机车驾驶员疲劳检测方法

驾驶疲劳是导致事故的重要原因,本文在综述基于面部特征的机车驾驶员疲劳检测方法的基础上,提出了基于Gabor变换的人脸特征融合抽取模型,并在此基础上,结合隐马尔可夫模型(HMM)提出基于人脸图像序列的机车驾驶员疲劳检测方法。根据在疲劳和非疲劳状况下人脸模式特征的不同,首先利用Baum-Welch学习方法从疲劳图像序列训练学习得出疲劳模式下的HMM参数;然后,在疲劳模式识别时,把待识别的人脸图像序列表示成Gabor融合特征序列,再利用Viterbi算法计算该特征序列属于疲劳模式的概率值,从而实现对人脸图像序列的疲劳识别;最后,对各种姿态下的不同人脸图像序列数据进行了仿真测试。实验结果表明,与已有基于单幅人脸图像的疲劳识别方法相比,具有更好的疲劳识别性能。%