基于孔压静力触探的大连湾海相软土固结系数研究

基于孔压静力触探原理,结合相关文献资料的分析方法来计算软土固结系数的主要过程。以大连湾跨海工程为研究实例,结合工程实际对其进行孔压静力触探试验,其结果为:实测数据远高于室内试验所得数据。所以对现场进行了大量的分析计算,得到大量数据,通过对照分析两组数据,发现有所关联且具有一定的线性关系,通过回归分析,给出回归方程。     

制造业恒久——论新形势下摩托车行业的发展与进步

在制造业被重新高度重视的利好形势下,摩托车行业也迎来了发展新机。前不久,娃哈哈集团董事长宗庆后在一访谈节目中表示,制造业是永远不会衰退的,呼吁重视和回归制造业。此番言论,立即在社会各界引起强烈反响。无农不稳,无工不富既是古训,也是被证实了的真理,制造业才是强国富民的根本。在经历了新一轮金融危机和经济衰退之后,世界各大经济体都对制造业有了     

Ken Block回归

身为DC Shoes的大老板,Ken Block虽然坐拥大笔的财富,但却不像其他富豪一样请个司机、开着名贵的豪华轿车上班,当然Ken Block本人也不屑于此吧。他自2004年开始就在X—Game赛事中崭露头角,2007年投入WRC赛事,不过相信很多人注意到的不仅仅是他在赛场上的表现,还有那一系列部部精彩的Gymkhana漂移视频吧!     

基于蚁群优化支持向量机的公路隧道围岩变形预测模型及应用

为及时掌握隧道施工中围岩变形趋势以便采取措施加以控制,采用基于结构风险最小化的支持向量机(SVM)进行预测。介绍支持向量机的基本原理,研究蚁群算法(ACO)实现支持向量机参数优化的方法,构建ACOSVM模型。对某公路隧道随机选取的2个监测断面的预测结果表明,该模型预测精度较高,泛化性能较好,用蚁群算法进行SVM参数优选是一种简单、优选的方法,可以有效指导隧道的施工。     

基于数据流集成回归的短时交通流预测

传统的交通流预测技术使用静态和离线算法,无法对模型的参数值和内部结构进行在线调整.然而,交通流变化具有明显的动态性,其内在模式会随时间发生变化,导致构建好的模型准确度下降.针对上述问题,提出了基于数据流集成回归的短时交通流预测模型.将不断产生的交通流数据划分成数据块,每个数据块训练1个基础回归模型,然后加权组合为集成模型.通过不断训练新的基础模型,并置换出集成模型中准确度最差的基础模型,实现在线更新.在实测数据上的对比实验结果表明,与静态离线的BN模型相比,模型的均方根误差降低了19.5%,运算时间降低了48.7%,并能够快速适应交通状况发生明显变化的情况,适用于城市主干道路的短时交通流预测问题.      

高速公路隧道路段小客车运行速度模型研究

隧道路段特殊的道路环境是隧道路段事故频发的诱因。为了更好地为隧道的路线设计与速度管理服务,首先分析了高速公路典型隧道路段试验车的行驶速度数据,研究了隧道路段的运行速度变化,得到了车速变化的规律。结果表明中短隧道对车速影响不大,长大隧道路段车速变化较为明显,车辆行驶过程可以分为调整-稳定-恢复3个阶段,并确定其中6个点作为运行速度特征点,即隧道前200 m、隧道进口、隧道进口内300 m、隧道出口前300 m、隧道出口前100 m、隧道出口外100 m。进而通过大量的数据调查,利用统计回归方法,建立并验证了特征点的运行速度模型。     

深埋特长公路隧道三维初始应力场的回归分析

结合苍岭隧道现场的工程地质条件及实测地应力资料,在分析工程区初始应力场各影响因素的基础上,采用有限元数值模拟对建立的隧道三维地质概化模型在各影响因素单独作用下进行分析计算;并在实测点地应力值与计算得到的应力值之间建立多元回归模型。通过多元回归分析,建立最优的回归方程,从而获得整个工程区初始地应力场较为合理的分布规律。利用上述方法获得了苍岭隧道初始应力场分布的回归方程,并通过实测点的计算应力值与现场实测值的比较可知,回归得到的初始应力场是合理的,为苍岭隧道的设计、施工提供了重要的基础性资料。     

基于ATV的车内低频噪声贡献量分析与改进

在研究汽车车内噪声的过程中,判断低频噪声的主要来源和降低车内低频噪声水平是一个难点。运用声传递向量（ATV）技术,以某轿车为例,建立车内声学空腔边界元模型,对车内低频噪声进行仿真;通过对声传递向量以及声压频响函数的计算,进一步对低频段的噪声贡献量分析,为判断低频噪声的主要来源提供了一种分析方法。选取车内驾驶员右耳畔声压响应的6个峰值点,采用幅值—相位图对场点声压进行模拟,对车身板件声学贡献量进行排序,发现防火墙和前挡风玻璃的结构振动对车内低频噪声的产生可能有重要影响,为进一步的改进提供一定的参考依据。改进设计后,车内低频噪声水平得到一定程度抑制。     

基于支持向量机的城市私人汽车保有量滚动预测

针对城市私人汽车保有量增长预测问题,在对支持向量机理论进行改进的基础上,进行滚动预测研究。在对已有的机动车保有量预测模型进行对比分析的基础上,建立了基于支持向量机的私人汽车保有量滚动预测模型,并利用北京市私家车保有量历史数据对滚动预测模型进行了实证分析。结果表明该预测模型具有较高的预测精度、符合实际需求、具有广泛的应用前景。     

基于粒子群算法优化支持向量机的公路客运量预测

公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法（PSO）优化支持向量机（SVM）的公路客运量预测模型,利用PSO寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO SVM的预测精度更高.