基于粒子群优化理论的停车换乘系统优化选址模型研究

停车换乘(P & R)作为一种重要的需求管理手段,在城市交通中发挥着重要作用.P & R设施选址规划是建立P & R换乘系统最关键的一步.针对P & R系统的特性和功能提出了建立在空间分析上的P & R优化选址截流模型,为截流模型在工程中的应用提供了一个新的思路.实践证明,所建立模型的递推形式有利于计算机编程实现.粒子群(PSO)算法有利于空间多目标模型实现多目标点的寻优搜索,并且能有效避免陷入局部最优解而导致算法停止迭代.     

铁路桥梁群钉组合结构极限承载力和静力行为分析

针对我国铁路桥梁中应用的钢—混凝土组合结构,根据推出试验结果,采用最小二乘非线性拟合得到C 50混凝土中13和22栓钉的荷载—滑移关系式。通过群钉组合结构极限承载力试验,并结合所提出的群钉组合结构有限元模拟方法,研究钉群平均极限承载力的折减、钉群受力分布及其影响因素。研究结果表明:在群钉组合结构中,钉群平均极限承载力较单钉极限承载力有较大程度的折减,最多达到18%;钉群受力具有明显的不均匀性,由上到下呈马鞍形分布,随着荷载的增加,栓钉受力发生重分布,接近极限荷载时,各栓钉受力基本均匀。栓钉刚度、加载方式等都是钉群受力不均匀性的主要影响因素。栓钉刚度越大,钉群平均承载力折减越多。加载方式对群钉组合结构极限承载力基本没有影响,但在荷载较小时对钉群受力不均匀程度的影响较大,而随着荷载的增加,其影响逐渐减小。有限元分析结果与试验结果吻合良好,验证了所提出的群钉组合结构有限元模拟方法正确、可行。     

基于粒子群BP网络混合算法的边坡稳定性评价

边坡稳定性评价与预测具有高度非线性和不确定性特征,难以用准确的数学模型表达。选取多个边坡工程实例构成学习样本集,以土体重度、内摩擦角、黏聚力、坡角、坡高、孔隙压力比6个主要影响因素作为土坡稳定性的评价判别指标;然后采用粒子群算法优化BP神经网络模型,实现混合算法,在保持BP网络算法误差反向传播修正权值特点的同时,将网络权值和阈值粒子化,利用粒子群算法的全局搜索性实现网络权值和阈值的更新,从而加快收敛速度和提高收敛精度,避免传统粒子群结合BP网络算法的"早熟"现象;通过与其他算法进行边坡稳定性评价的比较分析,表明了本文研究算法的可行性与合理性。     

基于粒子群优化最小二乘支持向量机的铁路客运量预测

对于铁路客运量预测的准确度问题,本研究提出了基于粒子群(PSO)优化最小二乘支持向量机(LS-SVM)重要参数的方法。以1995—2013年的铁路客运量历史数据作为训练集,2014—2018年的客运量作为测试集,用LS-SVM进行建模和预测。针对模型中参数难以选择问题,采用PSO全局搜索方法,与神经网络和LS-SVM的预测效果作比较,仿真表明,采用PSO优化LS-SVM对铁路客运量建模与预测效果更好,精度更高。     

隔离小生境粒子群算法在地铁列车运行曲线优化中的应用

针对地铁列车运行优化指标过于单一的问题,提出了牵引-巡航-惰行-制动模式运行曲线的计算流程,综合考虑能耗、乘客舒适度、运行时间、停车精度等指标,用Fi(综合优化目标函数)值度量综合运行质量(其值越小表示越接近理想状态),并建立列车运行曲线的优化模型。结合粒子群算法和小生境技术,设计了应用于列车运行曲线优化的隔离小生境粒子群算法(INPSO)。结合实例仿真,利用INPSO优化模型,确定最优惰行末端速度,实现了高质量列车运行曲线的计算。其中INPSO优化后的Fi值实际只是基本粒子群算法优化结果的58.96%,效果显著,证明了INPSO寻优的有效性以及可靠性。     

桥梁群桩基础抗震简化计算模型的适用性研究

本文对群桩基础常用的抗震简化计算模型进行对比分析,指出各计算模型间的差异。在此基础上,提出改进的分层文克尔弹簧模型,并在该模型中采用桩身的等效面积比η间接考虑桩侧摩阻力和桩底土竖向抗力的影响。分析结果表明:应用集中弹簧模型模拟桩基础的柔性效应时,应考虑耦联刚度的影响;应用分层文克尔弹簧模型模拟群桩基础的桩土相互作用时,应考虑桩侧摩阻力和桩底土抗力的影响;在改进的分层文克尔弹簧模型中,桩身的等效面积比η随桩长及桩底土竖向地基系数的增加而增大,随桩径的增加而减小,且η值越大,对桥墩及桩基础的地震响应影响越大,只有当η接近1.0时,方可采用分层文克尔弹簧模型进行抗震分析。     

铁路编组站大型组合道岔群敷设技术

通过重点关注大型组合道岔群敷设顺序,把不可消除的误差搁置在可控制的范围内,同时把道床处理作为道岔敷设控制的重要指标,加强对预铺底碴、预铺道碴压实度和高程的控制,确保大型组合道岔群敷设一步到位。     

基于SVM-PSO算法的大跨度悬索桥挠度可靠度研究

为了研究高维随机参数作用下大跨度悬索桥运营阶段挠度可靠度,在有限元计算基础上,基于支持向量机(support vector machine,SVM)建立成桥阶段挠度可靠度模型,结合优化后的粒子群算法(Particle Swarm Optimization,PSO)计算结构运营阶段挠度可靠指标。研究结果表明:借鉴遗传算法中的变异思想,通过设置中间变量约束条件,可以解决粒子群算法易早熟、后期迭代效率低的问题,进而提高计算效率与精度,基于SVM-PSO算法的结构可靠度方法高效准确,普立特大桥挠度可靠度满足正常使用极限条件下的要求。