基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题，给出了基于径向基函数（Radial Basis Function，RBF）神经网络的模型。该模型隐含层选用Gauss函数作为基函数，学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真，结果表明，用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播（Back-Propagation，BP）神经网络方法转换GPS高程的精度进行了比较，虽然两种方法的结果相近，但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见，RBF神经网络方法用于转换GPS高程是可行和有效的。     

沥青洒布车智能递阶控制系统

为了探讨沥青洒布车的新智能控制方式,在传统的沥青洒布车智能控制的基础上,提出利用智能递阶控制的自适应性、自学习、实时性等优点,使沥青洒布车能根据工作环境的变化进行调节,保证其喷洒恒定和实时性,使其具有良好的作业质量。建立了递阶控制四层系统,介绍了该系统的总体结构和沥青洒布车递阶控制系统的软件结构与硬件结构以及算法,并给出了沥青洒布车的四层递阶控制的试验结果,能实时达到工程施工较高的作业要求。     

平面斜交联络通道水平冻结及实测分析

为解决常州地铁1号线翠竹站-常州火车站区间隧道联络通道因预留钢管片错环造成联络通道平面斜交的问题,采用Z字 型联络通道结构方案及平面斜交联络通道冻结加固方案,对冻结全过程进行温度与变形实测,分析其冻结温度场发展规律以及因 冻胀引起的地表位移变化规律。 得出以下结论: 1)因加强冻结孔的加强作用,其变化规律与常规直交联络通道有所区别; 2)下行 线左侧外侧测温孔外部测点降温速率比内部测点快,而内侧测温孔内部测点降温速率比外部测点快,下行线右侧恰好相反; 3)下 行线左、右侧测温孔开挖时温度回升的测点分别为外部测点与内部测点; 4)联络通道地表隆起最大值分布线亦倾斜,其最大倾角 约为36.2°,与联络通道倾角相近。     

基于神经网络与遗传算法的潜艇舱壁结构优化

建立了某潜艇端部耐压平面舱壁结构优化设计的数学模型,以舱壁上加强桁(筋)结构的剖面尺寸为设计变量,结构强度、稳定性、工艺性要求为约束条件,以加强桁(筋)结构总体积为目标函数,用人工神经网络方法代替结构的有限元分析,结合遗传算法完成了舱壁的结构优化设计。在为网络生成学习样本时,自行设计了正交表,解决了因为设计变量多,无法选取合适正交表而随机取样的问题。数值仿真结果表明,优化设计方案质量较原始初步设计方案减少了18.3%。     

基于AI原理的牵引供电远动系统线路带电推导算法

结合ＡＩ原理，采用启发式深度优先算法实现了牵引供电远动系统线路带电推导，对该算法进行了理论分析，并给出了实现该算法的控制策略及软件框架。     

高速铁路路桥过渡段地基沉降测试与预测方法研究

以津秦客运专线路桥过渡段路基沉降测试为例,利用BP神经网络方法和灰色系统法研究了路桥过渡段沉降预测问题。计算实例表明,神经网络法和灰色系统法短期沉降预测结果比较准确,简便易行,因而具有广泛的工程实用价值和应用前景。     

外海深水裸露基岩大直径嵌岩桩套筒稳桩技术

结合马迹山港大直径嵌岩桩稳桩的施工实践，简要介绍了深水裸露基岩大直径嵌岩桩钢套筒稳桩施工技术，即利用一定厚度的人造基床来满足嵌岩桩钢套筒施工期的稳定要求。为避免人造基床对码头前沿水深的影响，码头前排桩采用人造基床与挑梁相结合的稳桩工艺。     

中国港口功能的聚类和判别

根据中国港口的样本特征,选取了11个主要功能指标,建立了因子分析模型,并进行了适用性检验。根据主成分分析法,提取了3个待定因子,经过因子旋转和归一化处理,采用系统凝聚法对中国沿海24个港口的主要功能进行聚类分析。以MATLAB为技术基础,对烟台港功能类型进行判别。分析结果表明:根据经济功能因子、城市功能因子和物流功能因子的分类,中国沿海24个港口可以聚成7类,第1类为上海港,第2类为深圳港,第3类为广州港,第4类为宁波舟山港,第5类为青岛港、天津港、大连港,第6类为厦门港、丹东港、威海港、汕头港、北海港、防城港、海口港、连云港港、营口港、秦皇岛港、日照港,第7类为唐山港、温州港、台州港、福州港、泉州港、湛江港;运用人工神经网络方法,烟台港被判别为第7类。可见,方法有效。     

智慧交通与智慧物流

智慧交通和智慧物流是智慧城市建设的重要内容.智慧交通技术的创新和发展，促进了智能交通升级.解决大规模数据计算问题是物流智能化的基础.本次论坛以“智慧交通和智慧物流”为主题，介绍了安全驾驶统一集理论、实践及成果，探讨了新一代信息技术对智能交通发展与创新的推动作用，介绍了无人驾驶技术的总体框架、发展与应用，探讨了智慧物流所面临的大规模数据计算问题及解决方案.     

神经网络在通信干扰效果评估中的应用研究

人工神经网络具有学习、记忆等仿生特点，可以通过对已知问题及结论进行学习，并把结果为知识记忆下来，得到内在的因果映射关系，遇到类似问题时，直接用学习到的知识进行处理，得出结论。针对通信干扰效果评估中不易得到因果关系的显式解析表达式，研究了把以前测试通信干扰效果的数据作为知识，通过BP型神经网络进行学习，拟合出干扰效果与影响因素之间的映射关系，避开求解析表达式，从而建立干扰效果评估模型，对干效果进行评估。