基于小波网络的发动机瞬态工况进气流量动态辨识与预测研究

由于发动机进气系统具有复杂的非线性动态特性,因此构建了进气流量小波网络辨识与预测模型,并利用最小二乘法(DLS)对小波网络参数和预测控制率进行了学习和优化,以提高小波网络预测模型的可靠性和预测精度。作为对比建立了基于BP神经网络的预测模型,并利用瞬态工况试验数据分别对两种模型进行了仿真研究。结果表明,小波网络模型能有效地预测发动机瞬态工况进气流量,与BP神经网络预测模型相比,误差精度更高,可用于发动机瞬态工况空燃比的精确控制。     

基于优化支持向量机-混沌BP神经网络的基坑变形预测研究

为解决基坑变形预测精度低的问题,采用小波去噪分离基坑变形的趋势项及误差项序列,并利用多种优化的支持向量机对趋势项序列进行预测,采用混沌BP神经网络对误差项序列进行预测,将两者预测结果进行叠加即得到变形预测值,且可根据后期监测数据的更新,实时增加数据信息,达到跟踪预测的目的。经过3个实例检验,得出小波函数的去噪效果相对较优,且预测结果的相对误差均值均小于2%,验证了优化支持向量机-混沌BP神经网络模型的有效性,且该模型具有预测精度高、适用性强等优点,对掌握基坑变形的发展趋势及评价基坑的稳定性具有重要意义。     

基于地震波反射法的盾构施工超前地质预报初探

由于北京地铁八号线三期工程六营门站—五福堂站盾构段区间特殊的工程环境及工艺,使得传统的预报方法难以开展实施。以盾构刀盘切削震动为震源,以地震波反射法为原理进行地震波相位特性和振幅特性的解析,提出了基于地震波反射法的盾构施工超前地质预报方法,并进行超前预报及跟踪对比工作。现场试验表明:基于地震波反射法的盾构施工超前地质预报系统布设简单、操作方便,且不影响作业面推进;基于地震波反射法的盾构施工超前地质预报系统能较好地反映地下介质体的形状与轮廓,图像判译结果基本与地质资料吻合,与开挖跟踪结果一致。     

基于随机森林算法的盾构改良渣土渗透系数预测及工程应用

为解决土压平衡盾构在富水粗粒土地层掘进时，由于盾构渣土渗透性较高而引起螺旋输送机出口处易出现喷涌等风险问题，基于随机森林算法，选取渣土改良参数包括含水率、泡沫注入比、膨润土泥浆注入比以及掘进地层参数土体有效粒径、水力梯度作为模型输入参数，提出一套适用于盾构渣土渗透系数预测的模型。研究结果表明： 该模型预测精度较高，渣土渗透系数预测值与实测值均位于同一数量级，且均方误差仅为2.4×10-9 cm/s，拟合决定系数可达0.981 9。依托滇中引水龙泉倒虹吸盾构隧洞工程进行应用，对下穿盘龙江喷涌风险源进行判定，并基于该预测模型给出推荐改良参数。在采用推荐改良参数后，盾构下穿过程中渣土渗透系数满足要求，土舱压力稳定，且对上部桥梁结构影响较小，保障了盾构安全、高效掘进。     

信号交叉口基于出发时刻预测的生态驾驶方法

在城市道路交通中,信号交叉口区域内车辆频繁停车启动的现象,加剧了整体交通流的能源消耗、污染排放与车辆延误。为了减少信号交叉口启停波现象对整体交通流产生的负面影响,以面向未来人工驾驶车辆(HDV)/智能网联车辆(CAV)混合构成的新型混合交通环境为基础,提出了一种基于出发时刻预测的生态驾驶方法,通过优化CAV的驾驶轨迹,减少交叉口区域的车辆延误和能源消耗。首先,对混合交通流的基本图模型进行了分析,根据启停波影响范围,划分CAV通过交叉口的驾驶场景;然后,建立了子区渗透率对饱和车头时距的影响关系,预测了CAV以当前饱和车头时距通过交叉口的时间;最后,结合车辆与交叉口的距离,利用分段三角函数模型,生成其通过交叉口的速度限制曲线,并将优化速度嵌入到智能车辆的跟驰模型中作为限制速度,从而使CAV在无法通过当前绿灯窗口的条件下,实现提前减速,在通过交叉口区域后解除速度限制,切换回自身的跟驰模型。此外,还提出了平均综合效能这一指标来综合评价驾驶策略在效率和能耗2个方面的性能,并将提出的基于出发时刻预测的生态驾驶方法与传统网联车辆控制方法、经典交叉口节能控制方法进行了对比。研究结果表明:提出的出发时刻预测方法可以精确预测CAV在交叉口的出发时刻,有效减少车辆的能源消耗与污染排放,同时提高信号交叉口的通行效率;在渗透率大于60%情况下,该方法对系统效能的提高达到12%左右,在10%渗透率条件下也可以达到6%的效能增益;在交通饱和流率在0.5~0.9的范围内时,系统的效能增益较明显。     

基于Box-Cox-TQR概率密度的铁路运用车保有量预测方法

合理的铁路运用车保有量，对满足铁路货运需求，提高货车运用效率，降低运营成本等有重要作用.考虑铁路运输系统复杂的内外部环境及其动态变化特性，对影响运用车保有量因素定性分析；提出了粗糙集属性约简、灰色关联分析、逐步回归方法相结合的主要影响因素识别方法.以此为基础，建立了基于 Box-Cox变换分位数回归(Box-Cox-TQR)和核密度估计相结合的概率密度预测模型.以国家铁路局运用车保有量实际数据为基础，进行预测试验.结果表明，利用主要因素识别的方法符合目标值的运动变化规律，预测结果具有良好的精度.此外，概率密度预测比点预测、区间预测传递出更多信息，为管理决策提供更多准确有用信息.     

User-centric interdependent urban systems: Using time-of-day electricity usage data to predict morning roadway congestion

Urban systems are interdependent as individuals’ daily activities engage using those urban systems at certain time of day and locations. There may exist clear spatial and temporal correlations among usage patterns across all urban systems. This paper explores such a correlation among energy usage and roadway congestion. We propose a general framework to predict congestion starting time and congestion duration in the morning using the time-of-day electricity use data from anonymous households with no personally identifiable information. We show that using time-of-day electricity data from midnight to early morning from 322 households in the City of Austin, can make reliable prediction of congestion starting time of several highway segments, at the time as early as 2 am. This predictor significantly outperforms a time-series predictor that uses only real-time travel time data up to 6 am. We found that 8 out of the 10 typical electricity use patterns have statistically significant affects on morning congestion on highways in Austin. Some patterns have negative effects, represented by an early spike of electricity use followed by a drastic drop that could imply early departure from home. Others have positive effects, represented by a late night spike of electricity use possible implying late night activities that can lead to late morning departure from home.     

基于模式预测法的城市轨道噪声影响研究

为研究城市轨道交通高架线两侧噪声传播特点与规律,探索声环境敏感点的降噪防治措施,以拟建成都地铁5号线工程为研究对象,选取适合的预测模式,确定出各个技术参数并模拟计算出噪声预测结果,通过类似既有上海轨道5号线工程的大量实测数据有效验证了预测结果的正确性和可靠性。在此基础上的研究结果表明:水平方向上桥梁两侧声影区内,噪声级随着距离增加而增强;而在声照区内,噪声级则随距离的增加而减弱。垂直方向上高架线噪声影响最严重区域为周边建筑物5层楼附近,因此要特别关注并加强该区域的降噪治理工作。     

Real time traffic flow outlier detection using short-term traffic conditional variance prediction

Outliers in traffic flow series represent uncommon events occurring in the roadway systems and outlier detection and investigation will help to unravel the mechanism of such events. However, studies on outlier detection and investigations are fairly limited in transportation field where a vast volume of traffic condition data has been collected from traffic monitoring devices installed in many roadway systems. Based on an online algorithm that has the ability of jointly predict the level and the conditional variance of the traffic flow series, a real time outlier detection method is proposed and implemented. Using real world data collected from four regions in both the United States and the United Kingdom, it was found that outliers can be detected using the proposed detection strategy. In addition, through a comparative experimental study, it was shown that the information contained in the outliers should be assimilated into the forecasting system to enhance its ability of adapting to the changing patterns of the traffic flow series. Moreover, the investigation into the effects of outliers on the forecasting system structure showed a significant connection between the outliers and the forecasting system parameters changes. General conclusions are provided concerning the analyses with future work recommended to investigate the underlying outlier generating mechanism and outlier treatment strategy in transportation applications.     

汕头市第二条过海水管顶管工程导向测量

该文以汕头市第二条过海水管顶管工程为例,确定了该顶管的贯通误差指标,对顶管导向测量期间的几项测量工序进行了横向误差的分配,包括控制测量,顶进孔和接收孔中心坐标测量,工作井内导向短基线测量,以及顶管施工过程中工具头后座中心的偏差测量等。通过该导向测量最终保证顶管的顺利贯通。