Nonlinear multivariate time–space threshold vector error correction model for short term traffic state prediction

We propose Time–Space Threshold Vector Error Correction (TS-TVEC) model for short term (hourly) traffic state prediction. The theory and method of cointegration with error correction mechanism is employed in the general design of the new statistical model TS-TVEC. An inherent connection between mathematical form of error correction model and traffic flow theory is revealed through the transformation of the well-known Fundamental Traffic Diagrams. A threshold regime switching framework is implemented to overcome any unknown structural changes in traffic time series. Spatial cross correlated information is incorporated with a piecewise linear vector error correction model. A Neural Network model is also constructed in parallel to comparatively test the effectiveness and robustness of the new statistical model. Our empirical study shows that the TS-TVEC model is an effective tool that is capable of modeling the complexity of stochastic traffic flow processes and potentially applicable to real time traffic state prediction.     

地质雷达在公路隧道超前地质预报中的应用

介绍地质雷达的工作原理和使用方法,论述利用地质雷达对隧道掌子面进行超前地质预报时参数的选取及注意事项,并结合实际工程总结出围岩不良地质体在地质雷达图像中的显现特征,得出相关结论。     

VLCC翼桥振动分析及相关技术研究

分析了超大型油船（VLCC）翼桥产生振动的原因,运用有限元（FEM）静力学分析、模态分析和频域响应分析理论进行实船撞击和试航振动测量,通过理论与实际相结合,提出了综合解决船舶振动问题的方案。     

基于GRNN算法的船用柴油机性能曲线模拟与油耗率预测

根据4190ZLC-2船用四冲程增压柴油机实际实验测得数据,建立基于广义回归神经网络(GRNN)的柴油机性能曲线和燃油消耗率预测模型。在所得实验数据中,选取柴油机油门、转速、扭矩等参数数值作为网络输入,柴油机的燃油消耗率作为网络输出。仿真结果表明:基于GRNN模型的神经网络学习速度快,预测精度高,可以很好地适用于柴油机燃油消耗率的性能预测中,并且能很好的实现预测仿真的效果。模型建立之后,可以根据测得数据实时了解柴油机的运行工况及性能状态。     

基于基桩振动参数和投影寻踪法的基桩承载力预测方法*

基于投影寻踪法对基桩承载力进行了预测.以基桩承载力为因变量,以锤击力最大值、传递给基桩的最大能量值、基桩顶最大动位移、Zv最大值、基桩入土深度、桩径为自变量,得出了基桩承载力的投影寻踪预测模型.研究发现,通过32组实测数据训练后,投影寻踪模型的基桩承载力预测值与高应变动测法实测值的相对误差为±0.071 83％;该模型对6组验证数据的预测值与静载试验实测值、高应变动测法实测值的相对误差分别为±7.352 97％和±6.0111 21％.结果表明,该投影寻踪法预测模型是精确的和可靠的,投影寻踪法是一种较为优越的方法,值得在基桩承载力的预测中推广应用.     

混合数据特征选择算法及在客户流失预测中的应用

特征选择是高维数据处理的一个重要部分,在现实世界中高维的混合数据经常存在。针对高维混合数据,基于模糊粗糙集,在CEBARKNC算法的基础上,改进属性重要性的计算及约简的选取条件,进行特征选择,降低了数据维度,提高了效率,并将其应用于客户流失预测实例中。结果表明：改进的CEBARKNC算法得出的数据用于分类器,与胡清华提出的一个fuzzy-rough算法得出的数据相比,能取得较好的性能。     

成都地铁工程车站基坑涌水量的预测分析

以拟建成都市地铁7号线某站为例,建立基坑体积大小相同仅长宽比不同的块状（圆形）、条形基坑模型,分别计算其涌水量。计算结果表明:在基坑体积大小及地质条件相同的情况下,块状（圆形）、条形基坑的涌水量都随着长宽比的增大而增大。同时指出,在预测基坑涌水量时,必须充分认识工作地区的工程地质、水文地质条件,尽可能采用多种计算公式,并结合地区经验类比,可提高预测的准确性。     

南钦铁路采空区变形预测与危险性评估

采空区问题是世界性难题,无法绕避时,须采用合理的方法予以整治,达到工程安全的目的。结合南钦铁路煤矿采空区现状情况,评估采空区危险性与变形预测。评估结果显示:由于采空区上方地面产生裂缝和塌陷,将导致整体下沉致灾的危险;变形预测结果大于规范要求。因此,必须进行相应的工程处理,确保铁路的营运安全。     

基于BP神经网络的仓储烟草霉变预测

烟草霉变预测尚没有有效的方法。为实时预测仓储烟草的霉变程度,选取仓储环境的温湿度和烟草的自身含水量参数作为神经网络的输入层,烟草霉变度作为输出层,建立BP神经网络烟草霉变预测模型。选取78组实测数据作为训练样本对预测模型进行训练,得出了神经网络的阈值和权值。利用14组预测样本针对该预测模型进行了仿真,并进行了线性回归分析。结果表明,建立的烟草霉变预测模型具有较高的预测精度,预测值和实际值的偏差在[-0.028,0.033]之间,相对误差绝对值的平均值为0.0019。最后,在基于嵌入式ARM+Linux+Web的某公司烟草仓库智能监测系统中,实现了烟草霉变实时预测功能,取得了较好的效果。     

TGP技术在复杂地质隧道施工中的应用实例分析

轨道交通六号线二期中梁山隧道2号隧道全长4 322m,地质条件复杂,主要不良地质条件有突水突泥、岩溶以及煤矿采空区。为确保工程施工安全,采用TGP206系统对其进行地质超前预报,并辅以地质雷达进行对比验证,提高预报的准确性,为隧道工程施工提供指导性依据。