斜交工程滑坡主滑方向判别及处治

基于位移监测提出了滑坡滑动方向的判别方法,利用坐标转轴公式推导独立坐标系下测点滑动方向转化为方位角的计算公式,并依托湖南省邵坪高速公路某段右侧路堑边坡滑动治理案例,对该判别方法进行了验证。实践表明:该方法可精确地判定主滑方向,对支挡方案的确定具有重要的指导意义;斜交工程滑坡的滑动方向,一般介于坡向与岩体结构面倾向之间,边坡主滑方向更靠近于节理倾向,后缘牵引滑动区更靠近于坡向。     

新造船能效设计指数及其对船舶设计的影响

根据国际海事组织(IMO)海上环境保护委员会(MEPC)关于船舶能效设计指数(EEDI)的议题和结论,对目前市场上主流的三型散货船和三型油船进行了计算分析,得出的结论有一定的实用性,为船舶开发设计人员提供了一定的参考.     

沥青路面应力位移简化计算

为方便沥青路面结构设计生产、教学、科研之用,本文采用分析综合法为量法建立了弹性三层体系应力位移显式模型;并在分析常见路面结构层厚度及其相当量换算和模量变化范围的基础上,成功求得了三层体系路表弯沉、上层滑动应力、上层连续应力、中层应力逼近公式;精度分析表明本文逼近公式精度很好,完全可推广应用于多层体系,满足工程设计和有关理论研究的需要。     

多年冻土区铁路路基沉降现场监测研究

选取某高原铁路多年冻土典型区段,依托冻土观测桩开展冻土路基沉降监测研究。研究结果表明:2010年～2019年间,受气候及工程影响,该段路基下的原多年水热平衡状态遭到破坏,冻土退化现象非常普遍,路基10年累计沉降量大于0.1 m的测点数占总测点数的17 %;由于左右测桩不同位置的环境细微条件不同,导致沉降量存在差异,但总体趋势基本一致;冻土路基累计沉降量与时间线性关系显著,对未来路基沉降进行预测,提前预防各类病害具有重要意义。     

基于数据拟合的铁路车站旅客最高聚集人数计算研究

铁路车站旅客最高聚集人数是设计铁路客运站站房规模的主要依据之一。文章以成都东站为例,通过提取售/取票设备数据,统计旅客提前到站时间,采用对数正态、复合负指数、威布尔3种分布形式对旅客到站规律进行拟合分析,构建铁路车站最高聚集人数检算模型。试验结果表明,对数正态分布对铁路旅客提前到站规律拟合效果优于其他2种分布,基于最优拟合分布的计算结果更为精确,有利于精准掌握车站最高聚集人数。     

船舶辐射噪声声源匹配定量分析方法

随着近年来对船舶噪声重视的增加,确定各噪声源在辐射噪声中的组成和贡献就变得格外重要。本文利用码头单机噪声试验确定单台设备噪声特征,通过拟合得到噪声特征表达式,利用单机组合测试数据,确定各个单机在辐射噪声中的组成比例,综合确定各噪声源在辐射噪声中的组成和贡献。阐述了数值拟合和声源匹配理论,给出了计算方法,结合测量数据进行了拟合及匹配计算。通过测量结果和匹配结果的比较,证明了本方法的可行性。     

偏心支承对45度圆心角双跨弯箱梁桥的影响

通过对72个圆心角为45度的双跨偏心支承弯箱梁桥模型的计算分析,以梁格系法为基础编制的3D-BSA软件系统为结构计算工具,用统计分析的方法建立双跨偏心支承弯箱梁桥结构反应在使用极限状态及承载能力极限状态下与桥梁跨长、支承偏心距等参数间的经验公式,为双跨偏心弯箱梁桥的实用设计提出适当建议或借鉴依据.     

利用BP人工神经网络反算沥青路面基层弹性模量研究

基于层状弹性体系理论,利用BP人工神经网络预测沥青路面基层弹性模量。通过构建路表弯沉盆与沥青路面基层参数之间的数据库,建立了BP人工神经网络反算基层弹性模量预测模型。由理论弯沉盆作为已知输入参数进行反算时,基层弹性模量的反算值与理论值相对误差在8%左右;由实测弯沉盆作为已知输入参数进行反算时,计算弯沉盆与标准化实测弯沉盆的拟合均方差RMSE为4.49%。检验结果表明:基于层状弹性体系理论,建立的BP人工神经网络反算沥青路面基层弹性模量模型,可满足实践工程要求。     

基于拟合优度检验-贝叶斯理论的生态混凝土碳化深度概率模型研究

针对生态混凝土碳化深度具有随机性的特点,提出基于拟合优度检验和贝叶斯理论相结合的方法进行生态混凝土碳化深度概率模型分析。采用拟合优度检验识别生态混凝土碳化服从的最优概率分布类型,采用贝叶斯理论对最优概率分布类型中的参数进行估计,在此基础上进行碳化可靠度分析。通过3组检测数据来说明基于拟合优度检验和贝叶斯理论相结合的方法在生态混凝土碳化深度概率模型研究和碳化可靠度分析中的应用过程。结果表明:与传统方法相比,基于拟合优度检验和贝叶斯理论相结合的方法进行生态混凝土碳化深度概率模型和碳化可靠度分析更加符合工程实际,便于工程应用。     

摩托车前减震器空气力的拟合及特性分析(2)

<正>(上接2014年第5期)使用matl ab的多项式拟合函数polyfit,能够方便的拟合出多项式系数,其指令为:[p,s]=polyfit(V_(dissi),i,n),其中s为预测值的误差估计,n为拟合次数。通过对验验数据进行拟合发现,使用4次拟合就可以得到很高的精度,其中误差估计s=1.26,拟合曲线如图6所示。