基线支距法在山区公路平曲线测设中的应用

山区植被茂密 ,视线不通 ,基线支距法利用公路平曲线的虚交基线进行测设 ,可以有效地减少砍通视线工作量 ,提高测设速度 .笔者通过与切线支距法和偏角法的比较 ,阐述了基线支距法的方便实用性 .并介绍了利用CASIOfx 4 5 0 0P编辑计算器编程计算的方法 .该法可用于带缓和曲线的不对称曲线测设 ,并通用于切线支距法、偏角法 (极坐标法 )     

航道整治铺排测量定位技术

针对目前检测深水软体排沉排手段不足的情况,提出一种检测铺排效果的新技术。采用多波束测深系统的水深格网与侧扫声呐生成的声图文件相结合的方式,镶嵌得出排体沉排位置后使用超短基线测量系统对确定的排体坐标进行验证。该技术在长江南京以下12.5 m深水航道二期工程进行推广应用,提高了工程检测效率及质量。     

基于北斗降维双差模型的舰艇快速定姿算法研究

根据北斗GEO卫星的特殊星座构型,提出一种基于北斗降维双差模型的舰艇快速定姿算法。根据北斗GEO卫星的特点,在初始定位误差较小的情况下,忽略z轴误差带来的影响,建立降维双差模型。利用B_1和B_2频点形成宽巷组合,根据初始伪距值计算宽巷模糊度初始值,并解算基线向量候选值;通过模糊度函数法对候选值进行判决,得到最优基线向量,解出宽巷模糊度;最后以得到的最优基线向量为初始基线向量,利用B_1频点观测值形成2个双差观测方程,解算B_1频点模糊度,进行舰艇定姿。利用北斗实测数据进行仿真验证,结果表明该方法解算B_1频点模糊度成功率高,确定的航向角标准差为0.16°,纵摇角标准差为0.07°,是一种高效快速的舰艇定姿算法。     

GPS-RTK站场基线测量研究

根据工作实践,介绍了GPSRTK用于既有线站场枢纽基线测量的新方法,并对相关精度进行了分析。该方法满足站场基线测量的要求,提高了基线测量的工作效率,可供相关单位及技术人员在既有线勘测中参考应用。     

水下定位系统误差分析

通过对水下定位系统的误差来源、误差控制方法和多个设备之间的数据融合过程中的误差表现进行分析,探讨各种误差因素的影响,提出提高水下定位精度的措施,指出在应用中应合理进行误差分配,控制显著误差,以达到最佳测量结果。     

基于SWLSTM的换热器在线性能预测

换热器是一种把热量从一种介质传递到另一种介质的装置。由于换热表面污垢的存在,换热器的性能随着时间的推移而恶化。为了保持换热器的高效率,有必要定期对换热器的性能进行评估,在线监测的工艺参数能够帮助对换热器换热性能进行预测。本文利用温度和流量等参数计算表征换热器性能相关的指标,并基于共享权重长短时记忆网络（SWLSTM）建立预测模型,利用历史运行数据对其进行训练。通过与验证数据比较,验证了所建立模型预测的高精度和快速性;同时与传统神经网络模型进行比较,可见本模型在预测精度的优越性。通过换热性能参数的预测,能够合理规划停机清洗时间,降低成本。     

新造船能效设计指数及其对船舶设计的影响

根据国际海事组织(IMO)海上环境保护委员会(MEPC)关于船舶能效设计指数(EEDI)的议题和结论,对目前市场上主流的三型散货船和三型油船进行了计算分析,得出的结论有一定的实用性,为船舶开发设计人员提供了一定的参考.     

地铁短时客流预测改进LSTM方法

短时客流预测可为轨道交通运营部门规划调度提供参考,其中短时客流预测的精准性尤为重要,为进一步提高城市轨道站点短时客流预测精准性,提出一种结合集合经验模式分解算法和贝叶斯优化算法的改进LSTM方法。先使用集合经验模式分解算法(EEMD)对地铁站点的客流数据进行分解,以减少数据噪声干扰;再通过贝叶斯优化算法(BOA)对长短时记忆神经网络(LSTM)的超参数进行优化,从而提高模型的参数精确性。采用真实的客流数据验证结果表明：相较于单一LSTM以及单层组合模型,双重叠加后的EEMD-BOA-LSTM组合模型预测结果平均绝对误差降低21.8%～44.8%,均方根误差降低16.9%～47.4%,对短时客流的预测结果误差改善显著。     

考虑峰值数据重平衡的地铁客流预测研究

地铁客流预测是城市轨道交通系统日常运营管理的基础,尤其是对突发大客流影响时的准确客流预测,能够有助于缓解城市地铁运营压力并降低安全风险。虽然目前的地铁客流预测方法在对日常客流预测准确性上有较好的表现,然而由于忽视了客流波动造成的客流峰值和谷值数据量不平衡,其对客流的峰值预测效果并不佳。为了进一步提高客流预测精度,考虑从峰值数据自身特征出发,通过聚类模型判断客流类别并验证不同客流类别间显著的不平衡问题,参照分类任务中类别不平衡问题的处理方式,通过欠采样、随机过采样和合成少数类过采样3种数据平衡方式,实现客流平衡处理。同时,采用支持向量回归、人工神经网络和长短时记忆神经网络3种预测模型,进行客流预测并对比不同数据平衡方式对模型性能的影响。研究结果表明：相比于未对训练集进行数据平衡处理,类别平衡在一定程度上提升了模型的预测精度;基于合成少数类过采样技术平衡数据的支持向量回归模型可以提供最佳的进站客流预测精度;基于随机过采样技术平衡数据的长短时记忆神经网络模型可以提供最佳的出站客流预测精度。研究结果可为客流波动较大情况下的城市轨道客流精准预测提供理论依据。     

一种新的GNSS相对定位解算模型

为克服传统模型在全球导航卫星系统(GNSS)相对定位解算中存在的不足,提出了一种新的解算模型.与传统的一阶泰勒展开式不同,该模型利用参考站坐标事先已知,可使最小二乘解算过程中系数矩阵保持不变,从而能够清晰地描述最小二乘解算的收敛过程,有利于定位结果的误差分析和提高模糊度函数法等坐标域搜索方法的效率.实验结果显示,新模型与传统的一阶泰勒展开式的定位精度一致,验证了模型的有效性和可靠性,可以在相对定位解算中代替一阶泰勒展开式使用.