基于灰色模型和指数平滑法的集装箱吞吐量预测

提出了在灰色模型GM(1,1)和三次指数平滑法基础上的组合预测方法。集装箱吞吐体系是一个灰色系统,因此可以通过灰色系统进行建模并预测其吞吐量,通过对宁波港历年集装箱吞吐量的观察,发现其吞吐量呈持续的曲线增长趋势,因此考虑采用三次指数平滑法进行预测,在灰色GM(1,1)和三次指数平滑法的基础上采用了加权组合预测的方法,对宁波港今后几年的集装箱吞吐量进行了预测.     

MC条件下两阶段供应商生产计划优化模型研究

大规模定制(MC)的成功实施和推广,不仅需要面向大规模定制的技术、管理和市场等方面的支持,而且需要供应链上下游成员的密切配合。以实施大规模定制的制造商为背景,研究其订单分离点产出所拉动的供应商供货计划;运用延迟制造的思想,提出两阶段供应商生产模式;并在同时考虑交货期与成本控制的基础上,建立了第二阶段的主生产计划优化模型,给出了数据实例。     

基于遗传算法优化的小波神经网络对船舶受扰力及力矩建模预报

首先构造小波神经网络,建立船舶横向和纵向运动模型及其运动受扰力模型,采用小波神经网络对船舶受扰力建模预报,并用遗传算法对其进行优化,对预报结果进行分析比较,给出超前5秒、15秒的船舶运动受扰力与力矩预报结果.     

杭州湾跨海大桥改性沥青SMA混合料生产工艺与质量控制

SMA是我国近年来引进的一种新型路面结构。以杭州湾跨海大桥双层SMA铺装体系实体工程为依托,对改性沥青SMA混合料的特点、生产工艺、质量控制、技术要求及施工措施等进行阐述,并提出相关的技术改进建议。     

沥青路面上面层AC-13C沥青混合料配合比设计

生产配合比设计是沥青混合料配合比设计的一个必备阶段,设计成果的好坏将直接影响沥青路面的路用性能。本文结合昌九高速公路技术改造的施工经验,从原材料选用、集料级配试配、沥青含量设计、马歇尔试验、最佳油石比的确定等方面,介绍沥青混合料生产配合比的设计方法。     

基于约束卡尔曼滤波的短时交通流量组合预测模型

为了克服单一的交通流预测模型性能不稳定的问题,提出了基于约束卡尔曼滤波的短时交通流量组合预测模型。约束卡尔曼滤波组合预测模型以各单一预测模型的权重为状态变量,交通流量为观测变量,预测结果是单一预测模型的加权和,加权系数由约束卡尔曼滤波方程递推动态确定,最后通过广深高速公路上采集的交通流量数据对算法进行了验证。结果表明,在不同预测步长情况下,约束卡尔曼滤波组合预测模型要优于最佳的单一预测模型或与其持平,并且不受某一较差的预测模型影响,具有较高的鲁棒性。     

隧道洞口边坡变形的多阶段递进预测研究

为及时掌握隧道洞口边坡的变形规律,保证隧道进洞过程的安全,采用小波变换剔除变形序列中的误差信息,将原始序列分解为趋势项和误差项序列,并采用PSO-LSSVM模型和ARMA模型分别对趋势项和误差项进行预测,将两者叠加即得到边坡的综合变形预测值,再利用马尔科夫链建立预测误差的修正模型,进一步提高预测精度。对预测模型进行实例分析,结果表明： sym9小波函数、启发式阈值标准、硬阈值选取标准及10层小波分解的去噪效果较优,且通过综合预测,得到边坡变形预测结果的相对误差均值为1.03%,方差值为0.042 6,预测精度和稳定性较高,验证了预测模型的有效性。     

岩爆隧道柔性支护快速施工技术

为探究适合硬岩隧道岩爆段的快速施工技术,通过对硬岩隧道整体自稳性及岩爆特点的分析,提出以柔性支护为基础、以岩爆预测、松动圈测试和柔性网试验为保证措施的一种快速施工技术。依托米仓山隧道岩爆段的施工,利用陶振宇判据和Turchaninov判据对不同埋深下岩爆强度进行预测,合理划分米仓山隧道岩爆强度区段,并结合松动圈测试、柔性网试验,对锚杆和钢丝绳网的参数进行研究与验证。实践表明： 1)采用陶振宇判据和Turchaninov判据可以较准确地进行岩爆预测及强度区域划分; 2)利用松动圈测试结果能大致判断隧道开挖后围岩破裂区域的深度; 3)相比传统支护技术,采用喷射混凝土+涨壳式预应力锚杆+柔性防护网的快速支护技术,每循环施工可节省用时约4 h,整个岩爆区段施工速度可提高30%~40%。     

软土刀具的磨损预测——一种研究刀具磨损系统中主要影响因素的新方法

硬岩隧道掘进机的性能很大程度上取决于其切削刀具的磨损情况。刀具的磨损会降低掘进速度,进而导致掘进时间延长、项目成本增加。通常在隧道项目的规划阶段使用预测模型来进行磨损预测,而常规的磨损试验对磨损系统的考虑还不够准确,并没有考虑到刀具/土体的相互作用、周围介质（水、膨润土）以及掘进过程中的荷载等因素。针对该问题,专门设计了一个水平放置的磨损试验设备。本文介绍了该试验方法,研究并讨论了磨损系统相关因素对磨损率的影响。结果表明,该设备可模拟真实的掘进过程,很好地解决了上述问题,达到了高效、准确预测磨损的效果。     

基于遗传算法和极限学习机的智能算法在基坑变形预测中的应用

为解决传统智能算法网络结构参数复杂、运算速度慢等问题,基于遗传算法和极限学习机构建基坑变形的新型优化智能预测模型。先利用皮尔逊相关系数评价不同影响因素与基坑沉降变形之间的相关性,以确定极限学习机的输入层; 再采用试算法确定最优激励函数和隐层节点数,并将遗传算法和极限学习机耦合,利用遗传算法优化极限学习机的初始权值和阈值,以提高预测精度。经实例检验表明： 1)开挖时间、开挖深度、土体抗剪参数及重度均与基坑沉降变形显著相关,为构建极限学习机输入层提供了依据; 2)在预测过程中,激励函数和隐层节点数对极限学习机的预测效果具有一定的影响,以Sigmiod型激励函数和13个隐层节点数的预测效果为最优; 3)通过遗传算法的优化,能进一步提高预测精度,验证了遗传算法的优化能力和有效性。预测模型在不同工况下的预测结果均较优,说明该模型具有较高的稳定性和可靠性。