真空预压处理海相深厚软土路基工后沉降预测方法研究

结合广珠铁路货运线珠海西站工程,对真空预压处理海相深厚软土路基工后沉降预测方法进行研究;选取典型断面的沉降板为研究对象,分析曲线拟合法在沉降预测中的适用性、稳定性和准确性;从拟合曲线相关系数和相对误差角度进行分析,优选出适用于真空预压处理海相深厚软土路基工后沉降预测方法,并在工程中成功运用。     

加强铁路客运需求预测提高前期研究工作质量

运输需求分析是建设项目前期工作的核心。本文针对铁路管理体制、投融资体制发生重大改革的新形势、新特点,梳理了客运需求预测在重视程度、预测基础、模型更新、研究内容四个方面存在的问题。通过分析客运需求预测面临的发展形势,提出建立专题审查制度、编制需求预测指导书、构建分层次分区域需求预测模型、加强对已运营铁路的后评估和重视需求预测风险分析五个方面的建议。     

高速铁路CFG桩筏复合地基沉降变形特性研究

选取京沪高速铁路CFG桩筏加固软土地基的典型断面,采用ABAQUS有限元程序建立了三维数值模型。考虑高速铁路路堤分级填筑施工过程和长期荷载作用,对CFG桩加固后路基填筑期和运营期的沉降进行计算模拟,分析CFG桩筏复合地基沉降变形发展规律。研究结果表明：计算结果与实测值相一致,数值模型可以较好地反映路基填筑过程和后期沉降过程。基于该方法预测了高速铁路运行10 a后的沉降,桩筏复合地基技术可以有效地控制京沪高速铁路（凤阳段）的工后沉降,可为类似工程提供参考依据。     

基于支持向量机的地铁客流量预测

地铁客流量是城市地铁交通运营组织的重要依据,客流随机性较大及其影响因素较多,因此加大了客流预测的难度。为了更加准确地预测城市地铁交通中的客流量,及时对客流组织方案进行调整,设计了一种基于非线性支持向量回归机的地铁客流量预测方法。该方法通过分析已采集数据的影响因素,确定对客流量影响较大的支持向量,然后构建预测模型进行预测。该模型可以通过调整影响因素的强度来提高预测精度。最后,通过算例验证：该方法可以有效地改善预测误差,适用于短期和不确定环境的地铁客流预测。     

城市轨道交通客流预测主体数据的简化模型构建

文章深入、系统地解析城市轨道交通客流预测主体数据的全部数理关系,展示了实用、简化数据模型的构建方法,通过该方法可得到城市轨道交通工程设计所需的主体客流预测数据。     

和谐型机车故障预测与健康管理系统总体设计

为推进和谐型机车周期性计划预防修向数字化精准维修转变、防范重大事故及故障发生,基于大数据和云平台等技术,采用视情维修的开放体系结构（OSA-CBM,Open System Architecture of Condition-Based Maintenance）,设计和谐型机车故障预测与健康管理（PHM,fault Prediction and Health Management）系统,包括系统的总体架构、技术架构和功能架构。旨在掌握机车及重要零部件性能演化规律、保证机车在途运行安全、实现精准维修、降低全寿命周期运用维修成本。     

基于非参数回归的城轨实时进出站客流预测

为准确预测城轨实时进出站客流,构建基于非参数回归的实时进出站客流预测模型。首先,对不同特征日分时进出站客流量进行对比分析,据此构建历史数据库;其次,通过计算历史分时数据的相关系数,并设置阈值对分时客流数据间的相关性进行判断,从而确定合适的非参数模型状态向量;再次,根据K近邻样本与预测目标的客流量差异性,设计基于权重加权的预测算法;最后利用广州市城轨客流数据对预测模型进行精度分析,对全网站点多天的预测结果显示:全天平均绝对百分比误差均在2%以下,分时平均绝对百分比误差均在14%以下,表明模型具有较高的预测精度和良好的适用性。     

基于监督学习的轨道车辆车轴裂纹扩展预测方法研究

传统裂纹扩展分析需要精确的数学模型以及校准参数,但现实中的复杂形状裂纹扩展过程难以进行精准建模,而通过有限元软件对裂纹扩展过程进行分析需大量的运算时间。因此,文章提出了基于监督学习的轨道车辆车轴裂纹扩展方法,该方法无需进行数学建模,可通过结构健康监测数据以及初始裂纹数据直接预测裂纹的扩展趋势。经验证,该方法预测准确率较高,能够较好地拟合裂纹扩展趋势。     

基于GA-SLSTM模型的城市轨道交通短时客流预测

城市轨道交通短时客流预测可为相关运营部门实时调整行车调度、提高运营效率提供重要的决策依据,为乘客提供合理出行建议。因此,针对具有非线性和随机性等特性的地铁进出站短时客流预测问题,文章在堆叠式长短时记忆（SLSTM,Stacked Long Short Term Memory）模型的基础上,引入遗传算法（GA,Genetic Algorithm）,构建了GA-SLSTM预测模型。以10 min为预测粒度对地铁历史运营数据进行整理,分析了客流变化特征,并将其与GA-循环神经网络（RNN,Recurrent Neural Network）模型和LSTM模型的预测效果进行对比。GA-SLSTM预测模型对普通站点和换乘站点预测值的决定系数R2的平均值分别达到0.95和0.90,预测值对真实值的拟合效果较好,预测误差低于其他2种模型,证明该方法可提高地铁短时客流预测的准确性。     

基于模型预测方法的高速动车组空簧压力低故障预测研究

高速动车组发生空气弹簧压力低故障后,车辆自动限速运行,需要停车检查或车辆入库后根据故障信息来推断故障原因。为了能在故障发生前进行预判,文章提出了基于模型的预测方法。模型以车载无线传输装置记录的历史故障数据和健康管理系统报表数据为故障预测的数据来源,通过分析静态和动态数据确认模型关联参数,从阈值、差值、空簧压力下降速率3个维度搭建预测模型,并通过实车跟踪,成功验证了模型的有效性。