基于矿料级配的矿料间隙率VMA经验计算法

规范推荐用矿料间隙率VMA来优化级配。通常的做法是用不同级配的矿料掺经验油石比做马歇尔试件，通过大量试验实测VMA，该方法繁琐费时。文中介绍的方法无需做马歇尔试件，仅仅基于矿料级配即可计算得出VMA。经工程实践证明，该计算值与最佳油石比的马歇尔试件实测值非常接近。     

碱骨料分布广泛地区材料供应方案研究

碱骨料反应将导致混凝土失去设计性能，直接影响混凝土的设计，甚至直接影响工程的质量和造价。此文通过实际案例研究，提出在碱骨料分布广泛地区就地取材、混合搭配砂石料的材料供应方案，此方案既能保证工程质量又能控制工程造价。     

含浆量对再生混凝性能及强度影响的研究

再生骨料表面包裹着一层硬化水泥砂浆、导致再生混凝土的强度变化较复杂。探讨如何利用骨料的吸水率、取代率来推算含浆量以及不同含浆量的再生骨料对混凝土7d、28d强度、再生混凝土的强度与灰水比的线形关系和工作性能的影响。     

振动成型法设计水泥稳定碎石在城市道路工程中的应用研究

针对振动成型法设计水泥稳定碎石性能的特点,阐述了振动成型法的研究进展;同时,在分析实际案例的基础上,开展了振动成型法设计水泥稳定碎石在城市道路工程中的应用研究.     

沥青路面车辙因素分析及减轻车辙的措施

本文系统分析了影响沥青路面车辙的诸因素，提出为了减轻路面车辙在沥青选择、沥青混合料使用、路面结构组成以及交通运行、车辆荷载等方面所应采取的措施。     

再生细骨料对砂浆力学性能影响及其微观作用机理研究

将废弃水泥混凝土经破碎筛分复配成再生细骨料,按不同掺量取代天然细骨料,研究其对砂浆力学性能的影响,并通过扫描电子显微镜研究再生细骨料的微观作用机理同天然细骨料之间的差异。结果表明:当再生细骨料的掺量在30%时,表现出良好的流动性,并能够有效提高强度;掺量在30%时,再生细骨料可发挥内养护作用,减弱氧化钙的取向,减少其在界面过渡区的富集,抑制微裂缝的产生,提高胶结料的密实度,改善界面过渡区,从而提高强度。     

地震荷载作用下粗颗粒含量对川西混合土动剪切模量和阻尼比的影响

为分析川西地区混合土地震荷载作用下的动力特性，针对该地区保留全部粒径的天然混合土，对3组土分别采用筛分法剔除60，20，10，5 mm粒径颗粒，制备粗颗粒含量不同的天然混合土土样，利用DJSZ-150粗粒土动、静两用三轴试验机进行大型动三轴试验，采用Hardin-Drnevich双曲线模型（H-D模型）拟合动应力-应变关系曲线，获得G_d/G_max-γ和λ-γ曲线变化规律，分析不同围压和粗颗粒含量对川西混合土动剪切模量G_d和阻尼比λ的影响作用。结果表明：混合土动剪切模量G_d、阻尼比λ均随围压及大于5 mm的粗颗粒含量的增大而增大，原因是随着围压增大，粗细颗粒的接触增多，土体结构更加紧实，提高了颗粒壁隙间的动摩擦力，增大了能量传递时的耗损，导致动剪切模量与阻尼比随之增大；当粗颗粒含量小于40%时，细颗粒构成土骨架，粗颗粒的接触被细颗粒阻隔，导致其对动剪切模量及阻尼作用贡献不大，此时动剪切模量和阻尼比随粗颗粒含量增加而增加的速度较慢，当粗颗粒含量为40%~60%时，混合土中粗颗粒骨架形成，且细颗粒有效填充了粗颗粒间的孔隙，粗颗粒在土中起主导作用，此时动剪切模量与阻尼比随着粗颗粒含量的增加而快速增加，当粗颗粒含量大于60%时，粗颗粒的增加无法进一步增强其骨架效应，而此时细颗粒间的胶结作用随粗颗粒的增多导致细颗粒的相应减少而减弱，动剪切模量和阻尼比随粗颗粒含量增加而增加的趋势不明显。     

粗集料表面纹理曲线图形分形维数MATLAB算法研究

对粗集料表面纹理曲线采用MATLAB平台编程计算备轮廓线的分形维数，根据实测结果确认采用计盒维数法可靠并可行。粗集料表面纹理维数越大，则粗糙程度越复杂，因此为面层石料的优选提供了新的方法和指标。     

水泥混凝土碱骨料反应探讨

碱骨料反应是影响混凝土耐久性的重要因素,被称为混凝土耐久性的癌症。依据经验,从碱骨料反应的定义、机理、检验方法、特征等方面进行分析,介绍碱骨料反应的现象以及预防措施。     

Hybrid artificial neural network and locally weighted regression models for lane-based short-term urban traffic flow forecasting

ABSTRACT

In recent years, there has been considerable research interest in short-term traffic flow forecasting. However, forecasting models offering a high accuracy at a fine temporal resolution (e.g. 1 or 5?min) and lane level are still rare. In this study, a combination of genetic algorithm, neural network and locally weighted regression is used to achieve optimal prediction under various input and traffic settings. The genetically optimized artificial neural network (GA-ANN) and locally weighted regression (GA-LWR) models are developed and tested, with the former forecasting traffic flow every 5-min within a 30-min period and the latter for forecasting traffic flow of a particular 5-min period of each for four lanes of an urban arterial road in Beijing, China. In particular, for morning peak and off-peak traffic flow prediction, the GA-ANN 5-min traffic flow model results in average errors of 3–5% and most 95th percentile errors of 7–14% for each of the four lanes; for the peak and off-peak time traffic flow predictions, the GA-LWR 5-min traffic flow model results in average errors of 2–4% and most 95th percentile errors are lower than 10% for each of the four lanes. When compared to previous models that usually offer average errors greater than 6–15%, such empirical findings should be of interest to and instrumental for transportation authorities to incorporate in their city- or state-wide Advanced Traveller Information Systems (ATIS).