基于小波去噪和最优权重信息融合的短时交通量预测

针对实际交通系统时变复杂的特征和交通流变化的不确定性,应用小波分析理论,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律。信息融合技术可以对不同传感器数据进行综合处理,去除冗余、克服歧义,得到比任何单个数据源更全面、更准确、更可靠的信息。综合考虑道路交通量预测的实时性、准确性和可靠性,运用基于小波分析的去噪和现代信息融合思想,提出了一种基于小波去噪和最优权重的信息融合预测方法,并用实际数据进行验证。实证分析的结果表明,该方法能够有效提高交通量的预测精度。     

隧道入口深槽开挖案例探讨

基隆河员山子分洪隧道入口位于高陡边坡下,原规划为暗渠结构,为达开挖减量、工期缩短及成本节省等目的,并参考长江三峡大坝船闸开挖之经验,设计改为明渠深槽结构。深槽开挖以排桩、岩锚为主要支撑,惟排桩长并未涵盖全开挖深度,岩盘线以下开挖面参考隧道NATM理念,利用岩盘本身自立性及喷凝土、随机岩栓作为支撑。为确保开挖面之稳定,除透过数值仿真分析外,亦搭配施工中监测及预警系统。此外,在结构设计上亦应用衬砌墙之观念,搭配外支撑共构及地下排水系统,减少土、水压力之作用,达成设计之目标。     

胶州湾海底隧道综合超前地质预报技术研究与实践

本文以胶州湾海底隧道为例,研究了超前地质预报中经常采用的预报手段,并概括了国内的综合超前预报研究现状,提出了综合超前地质预报的概念,指出了其优缺点和适用性。针对三线海底隧道,提出了具体的综合超前地质预报流程。运用本文所提出的三线海底隧道综合超前预报方法对胶州湾海底隧道的服务隧道和左线主隧道进行了多次综合超前地质预报,预报效果良好,工程进展顺利,取得了良好的经济效益。     

基于改进灰色-马尔可夫链的轨道不平顺发展预测方法

轨道不平顺的发展受轨道、荷载、自然等因素的影响,它们的综合作用使轨道不平顺的发展过程呈现出趋势性和随机性特征.将灰色GM（1,1）预测理论与马尔可夫链预测理论相结合,提出一种适应轨道系统的改进灰色-马尔可夫链组合预测模型.新模型较好地处理了轨道系统内部各种不确定因素的影响,并能够充分挖掘历史数据给予的信息.应用新模型对轨道质量指数TQI进行实例计算,表明其具有很好的预测精度.     

基于动态灰色马尔柯夫链的铁路运量预测

结合灰色模型在短期预测中的优势和马尔柯夫链在长期预测和对随机波动性数据处理方面具有的优势,根据将一个新息数据充实到原始数据序列中进行预测时是否去除其左边的第一个老数据,分别定义并建立了定维和变维动态灰色马尔柯夫预测模型;通过对我国铁路客货运量进行预测,表明动态灰色马尔柯夫预测模型优于静态灰色马尔柯夫模型和灰色模型,并且定维动态型预测效果优于变维动态型。     

既有桥梁承载力评估的全过程动态可靠度法

提出既有桥梁可靠度鉴定的一种新方法一全过程动态可靠度法,该方法综合考虑了抗力、荷载以及目标可靠指标等因素的时变性。基于全过程动态可靠度法,对马迹塘公路桥进行承载能力评估,预测该桥的剩余寿命。     

软岩超浅埋近接跨越既有隧道地层变形分析

城市地下工程中常遇到软弱围岩近接问题。深圳市丰盛町地下街D区就是软岩超浅埋近接跨越既有隧道的典型工程,它在垂直下穿埋设有大量地下管线的深南大道的同时上跨两孔地铁区间隧道,其最小埋深仅3.9m,结构跨度13.7m,地下街底部与地铁隧道顶部的净距仅为0.33m,地层变形控制十分困难。针对丰盛町地下街D区的工程特点,根据设计和施工方案,运用有限差分软件FLAC3D进行三维数值模拟,预测地下街施工引起的地层变形及地铁区间隧道变形以验证方案的合理性,总结出软岩超浅埋近接跨越既有隧道地层变形分布规律,为今后类似工程提供借鉴。     

随机载荷作用下的疲劳裂纹扩展

船舶等许多工程结构在服役过程中的受载荷历程是一个随机过程.而变幅载荷下的载荷相互作用对疲劳裂纹扩展寿命将产生显著的影响.因此研究随机载荷作用下的裂纹扩展及定量计算对船舶结构的疲劳寿命预测的可靠性是十分重要的.该文提出了一个基于有效应力强度因子,以应力比和裂纹尖端塑性区尺寸为主要参数的随机载荷作用下疲劳寿命预测模型.该模型用于预测几种载荷谱作用下的裂纹扩展试验,结果表明预测结构和实验结果符合得很好.     

水下航行体波浪力理论预报

本文对水下航行体近水面航行状态进行波浪力的计算,计算采用STF理论和Frank源分布紧密拟合方法预报波浪力响应以及用Newman细长体方法和3D修正方法计算水下航行体的二阶平均波浪力与力矩.该方法和计算程序已经过多次模型试验结果比较和验证.采用该方法就某水下航行体计算了二种水深、七种相对浪向下近水面波浪力响应,并给出了波浪力参数随水深变化与浪向变化的计算结果.     

基于梯度推进决策树的日维度交通指数预测模型

城市交通运行监测和预测是掌握交通运行变化特点,制定缓解交通拥堵策略的重要工作,其结果能为公众提供有效的路况信息,亦为政策措施的制定和效果评估提供重要支撑.有别于传统的短时交通预测,本文提出的预测模型不是针对相邻时段的运行状态预测,而是更长跨度上,针对日级别高峰时段交通运行状态的预测.构建了包含时间周期、特殊天气、节假日、限行、大型活动等因素的多维度影响因素集;以长期历史交通指数构建数据训练集,提出了基于梯度推进决策树的日维度路网状况预测模型.应用最优模型进行验证,结果表明,模型预测精度可达 90%以上,与其他 4种回归模型的对比分析也显示,本文所提出的模型在各项评分中均表现最优,说明其更适合于大样本、多因素的回归分析.本文所提出的日维度预测模型对提升城市路网运行质量、缓解交通拥堵具有重要的应用价值.