基于时间累计法的机车维修性预计分析

基于时间累积法,阐述机车维修性预计工作流程以及系统与LRU平均修复时间的计算方法。并以空调与通风系统为例,说明了系统及LRU平均修复时间的计算过程,并由此得出整车的平均修复时间。文章最后阐述了维修性预计对机车设计的指导作用以及使用时间累积法的局限性。     

基于数据驱动的隧道地质信息精细化管理系统研发与应用

针对现阶段隧道超前地质预报系统管理粗放、数据利用率低等问题，结合数据驱动原理重塑业务逻辑，研发新的隧道地质信息系统TGIS。通过高度集成隧道勘察设计阶段地质、施工阶段超前预报地质及掌子面开挖揭示地质，实现基于数据驱动的预报方法优选、临近预报提醒、分级实时预警与有效处置、掌子面自动素描、预报成果辅助判识等功能，达到隧道地质信息精细化管理的目的。经现场使用表明： 基于数据驱动的隧道地质信息精细化管理系统界面友好、运行稳定、效果良好，各项功能达到设计要求，相对于传统超前地质预报系统具有明显的优势，可普遍服务于隧道建设。     

水泥混凝土路面翘曲脱空与面板破坏原因分析

文章针对广西近年来水泥混凝土路面翘曲脱空与面板破坏的情况，分析产生病害的原因，介绍采用有限元程序对翘曲脱空后的路面在荷载作用下的受力进行计算的方法，对翘曲脱空后的路面寿命进行预估，同时提出翘曲脱空的防治对策。     

基于深度学习的破碎带盾构施工沉降预测分析

为进一步提高复杂地层条件下盾构沉降预测的准确性，以广州地铁7号线1期工程谢村站-钟村站区间盾构工程为依托，针对破碎带盾构隧道沉降控制难题，提出基于深度学习的人工智能预测模型。通过分析开挖面破碎带分布规律，确定将破碎带面积比作为地层特性参数。采用相关系数矩阵分析不同施工参数与破碎带面积比的相关性，确定采用刀盘转矩代表破碎带面积比实时描述地层分布特性。以刀盘转矩、盾尾间隙与注浆量作为输入值，地面沉降作为输出值训练深度学习模型，并利用训练后的深度学习模型进行沉降预测分析。通过分析预测结果与沉降实测值的对比验证预测模型的有效性。     

综合勘察与超前地质预报技术在兰渝铁路长寿山隧道中的应用研究

长寿山隧道为特长隧道,其工程规模大,埋深大,需勘察范围广,地形地质条件十分复杂,为了详细查清隧道的工程地质与水文地质条件,并及时对地质勘察资料进行补充和完善,指导并保证隧道施工的安全顺利进行,通过在勘察阶段采用遥感、大面积地质调绘、物探、钻探、综合试验、测试相结合的地质综合勘察技术,在施工阶段,采用地质编录、TSP、地质雷达、红外探测、超前水平钻探等相结合的综合地质超前预报技术,提高勘察效率及质量,补充地质资料、指导及保证安全施工,取得很好的效果。实践证明,山区长大、深埋、地形地质复杂隧道,在勘察及施工阶段分别采用综合勘察与地质超前预报技术,其方法是必要、合理、恰当的。     

一种短时交通流组合预测模型

为提高短时交通流预测的精度,提出利用BP神经网络、RBF神经网络和ARIMA模型构建组合预测模型,该组合预测模型利用最优化原理进行权系数的分配,并且满足分配到的权值始终具有实际意义。通过对分配的权系数进行显著性检验,以确保组合预测模型中选用的单项预测方法显著相关。通过实例分析,验证了组合预测模型的有效性,结果表明,相比较单一的预测模型,组合预测模型具有更高的预测精度。     

深基坑支护结构变形预测研究与应用

利用现场监测的深基坑支护结构变形信息资料 ,结合参数优化反分析土体m值 ,根据现场地质资料和优化后的参数 ,通过有限元计算对深基坑支护系统进行变形预测 ,及时调整开挖方案和支护参数 ,此方法可以有效的指导基坑施工 ,确保施工安全     

基于模糊线性回归分析的编组站运营指标预测方法

运用模糊线性回归分析方法,建立编组站运营指标的模糊预测模型。利用该模型,对向塘西编组站中时进行了预测。在对中时影响因素分析的基础上,选取办理车数、有调中转车数、无调中转车数、折角车流量、货物列车到发列数和到发均衡程度等6个影响因素,结合车站近几年相关历史数据,确定了中时与6个影响因素之间的模糊函数关系。依据此函数关系对未来时期的中时进行了预测,预测结果表明所提出的运营指标预测方法有较好的适用性。     

波浪补偿平台垂向位移的短时预报

针对BP算法存在收敛速度慢和局部极值的问题,采用此方法对BP学习算法进行改进,结合实验采集的数据进行仿真计算,结果表明采用此方法可以有效地提高Elman网络的训练速度和稳定性,使El-man网络能够更有效地对波浪补偿平台垂向位移进行短时预报。     

分析预测理论在空间位置探测数据处理中的应用(Ⅰ)--空间位置探测数据处理问题和关键技术

这组系列文章将介绍作者研究提出的分析预测理论,以及该理论在目标空间位置探测数据处理问题中的应用.从宏观上讲这种应用几乎平行于传统方法地给出了一整套全新的空间位置探测数据理论和算法.从微观上看,这种应用还具有一些传统方法没有的特点,例如可以对目标运动的模式进行识别(因此确保我们以与目标运动模式相同的或类似的模拟方程对目标进行滤波,从而获得精度更高的预测值),可以给出目标在未来时刻的真实值的范围为我们进行数据关联提供更好的判据,可以解决一维和两维探测数据的融合问题,可以对不同探测精度的数据进行点迹融合等.另外该系列文章研究的工作与传统的工作有较大的互补性.该系列文章首先给出空间位置探测数据的处理问题的定义,并从中抽象出关键技术.在接下来的系列文章中将讨论解决这些关键技术的思路以及关键技术的分解,理论数学模型,分析预测理论,分析预测处理方法的解的存在性证明,相关算法等.其核心有,目标运动模式的识别技术(模拟方程的选择问题),模拟方程参数的选择技术,运动模式发生改变的识别技术,航迹聚类技术,航迹和点迹聚类技术,航迹融合技术,不同探测精度和维数的点迹融合技术,位置预测的评估技术等.最后给出仿真实验数据和结果,与传统方法对比的仿真实验数据和结果,以及分析和统计互补使用等问题.