海洋声场预报及战术应用

随着科学技术的飞速发展,对海洋声场做出合乎要求的快速精确预报显得尤为重要。射线模型、抛物线模型、简正波等模型适合于不同具体的海洋声场环境,这些传播模型可以实现声场数值预报的实时性。基于上述模型建立的海洋声场预报系统及对其战术应用进行的研究,对声呐的设计、使用及舰艇作战有着重要的意义。本文在上述模型基础上利用Matlab和Fortran Powerstation工具建立了海洋声场预报系统,使用声场预报系统对典型的海洋环境,即海洋锋、涡漩的声场能量传播规律进行了研究,并提出了在反潜作战中对海洋锋、涡漩、深海会聚区和影区等海洋环境的战术应用。     

关于智能运输系统的关键理论——综合路段行程时间预测的研究

行程时间预测是智能运输系统研究的一个重要问题。为此,建立了许多算法,有历史趋势方法、非参数回归模型、时间序列方法、神经网络、卡尔曼滤波、交通模拟和动态交通分配模型等。然而,在变化的交通状况和任意时段的条件下,这些方法和模型都不能取得令人满意的预测结果。在总结这些已有的预测方法和模型的基础上,提出了一种综合模型。     

一种预测材料单轴饱和棘轮应变的本构模型

通过大量单轴棘轮实验,研究了均值、幅值、峰值和谷值应力对304不锈钢的饱和棘轮应变的影响规律以及棘轮历史对材料棘轮饱和变形状态的影响。结果表明,均值、幅值和谷值3种应力参量两两之间构成制约棘轮变形的二元参量,峰值应力与饱和棘轮应变之间在不受均值、幅值和谷值应力影响的单调函数关系,因而峰值应力是导致材料正向棘轮变形的根本原因。根据这一现象,提出了棘轮门槛应力值σrth和棘轮应力σr的概念,建立了基于单参数控制的、用于饱和棘轮应变预测和饱和棘轮本构模型SRM。实验发现,先前低循环应力水平下材料棘轮行为对后继高循环应力水平下的饱和棘轮变形无影响,进而提出了单试样法,利用该方法来确定SRM本构模型材料参数只需1-3个试样。基于单试样法建立的SRM模型用来预测在独立加载工况下304不锈钢试样的饱和棘轮应变,其安全因子介于1-1.3之间。σ     

基于ARIMA的交通流量短时预测

采用AKIMA方法进行交通流量趋势预测．建模是利用现场调查得到的非平稳时间序列进行数据处理、建模．并根据AIC准则进行模型定阶,最后通过实测数据进行验证,结果表明。该ARIMA模型能够获得较好的中短期预测精度,因而可用于动态交通信号控制。     

闽西南某隧道高地应力特征及隧道岩爆预测研究

为了更方便地进行闽西南某隧道的岩爆预测与预防工作,首先,阐述了Heok-Brown岩体强度估算理论和基于修正的Sheo-rey模型的工程区地应力场预测方法.在此基础上结合隧道工程地质调查资料和地应力实测结果,分析了隧道围岩强度,预测了隧道工程区沿线的地应力大小,评价了工程区的地应力状态,结果表明该隧道大部分处于高地应力区.同时,利用强度应力比法对高应力作用下围岩中可能发生的岩爆进行了预测,并且与已发生的岩爆情况进行对比,表明该预测与实际情况一致性较好,证明了本文所采用方法的可靠性.     

九圩港铁路桥对通航与引排水影响的数值计算与分析

采用二维水动力数值模拟,计算桥梁修建前后的水流条件的变化,分析其对九圩港河道通航和引、排水的影响。计算结果表明：桥梁建设没有恶化通航水流条件,并满足通航净高要求,但在水位较低时无法满足通航净宽要求;桥梁建设引起的近岸流速的增大可能对近岸产生不利冲刷。采取疏浚清淤平顺岸线的改善措施以及护岸加固可以减小桥梁建设可能引起的不利风险。     

基于三维势流理论的耐波性数值预报

准确预报船体运动响应对于砰击等波浪载荷的计算以及合理结构设计具有重要意义。船舶在大幅波浪中的运动呈明显的非线性,而现阶段耐波性预报多采用线性切片方法。三维水动力分析软件 WASIM基于时域势流理论,采用 Rankine面元法预报船舶在波浪中的运动响应,并考虑了多种非线性因素。本文以标模 DTMB5512为对象,采用 WASIM预报其在不同航速下的耐波性,并与基于线性切片理论的计算结果和模型试验结果进行对比。结果表明：利用 WASIM计算得到的船体运动响应比其他方法更接近试验值,合理体现了船舶在风浪中的实际耐波性能。因此,利用 WASIM能够较好地评估船舶在波浪中的非线性耐波特性。     

基于机器学习预测微生物加固钙质砂统一动强度

为探究不同微生物加固程度、有效围压和相对密实度与微生物加固钙质砂的动强度系数之间的相对重要性大小,并建立相应的统一动强度准则,用以预测微生物加固钙质砂的动强度,依据86组微生物诱导碳酸钙沉淀(MICP)技术加固钙质砂的不排水三轴试验数据建立数据集,利用反向传播神经网络(BPNN)和多元自适应回归样条(MARS)方法对数据集进行训练和预测。结果表明：微生物加固程度对动强度系数的影响程度最大,有效围压的影响稍逊之,相对密实度的影响相对较小,其相对重要性大小均值分别是100%、94%与68%,基于机器学习方法对微生物加固钙质砂的动强度系数进行预测的效果优于传统方法建立的统一动强度准则所获得的结果,其中BPNN模型的预测结果更准确,MARS模型的计算效率更高。     

Wave and sea level monitoring and prediction in the service module of the Global Ocean Observing System (GOOS)

The need for a Global Ocean Observing System Global (GOOS) is now widely appreciated. Parts of GOOS are currently being implemented already. In this paper, written on the request of the joint Scientific and Technical Committee of GOOS, we present some of the scientific issues that need to be addressed for the further development of the Ocean and Marine Meteorology Service module of GOOS. This module is concerned with monitoring and prediction of sea level (both tsunamis and storm surges) and wind driven waves (wind–sea and swell), among other things. For each of these we discuss the current state-of-the-art, indicate what observations are needed and make suggestions for future modelling development.