枢纽机场中转衔接性的评估与优化

为改善枢纽机场航班运行的准点率和衔接效率,在定义个别和总进港航班的中转衔接命中数基础上,构建了以中转衔接命中数最大化、时刻调整量最小化为目标,以无计划延误、跑道容量和走廊口容量为限制条件的双目标时刻规划调整模型。采用粒子群算法和线性规划两种算法进行求解,以大兴机场航班时刻表的调整实例来验证该模型和算法,并用数值模拟结合相关系数分析法分析了中转衔接命中数的影响因素。研究结果表明：该时刻调整方法能有效地消除因计划不合理而导致的延误,同时优化后的中转衔接命中数显著提高;为提高枢纽机场中转衔接性提供了理论基础,也为不同机场间的中转衔接性比较建立了基准。     

关于Ro的有限子群的注记

过定点O的旋转群Ro是无限群,从视直线为旋转轴出发讨论,Ro的有限子群(除单位元群外)共有6种类型。     

群桩基础的等代空间梁单元法

引入群桩分析的等式空间梁单元法,模型简单明了,力学概念明确,极大地简化了大跨度桥梁及车站内多线桥的桩基计算。     

港口群协调发展系统动力学模型

所谓港口群,是指由若干个其功能或部分功能可以被相互替代的个体港口系统组成的港口群体大系统。当两个或几个港口存在共同腹地时,就形成了一个港口群系统。地理位置相近的港口,往往形成港口群系统,例如上海港、宁波港和太仓港等港口形成长江三角洲港口群,香港、深圳...     

基于机器学习的中型城市居民出行方式选择行为研究

为探索中型城市居民出行特征以及不同因素对出行方式选择行为的影响机制,本文以中国某中型城市居民出行数据为例,综合考虑传统离散选择模型和机器学习模型在预测精度和建模合理性上的优劣,以及机器学习模型超参数求解算法的特点和效率,引入变异程序,提出粒子群优化随机森林的中型城市居民出行方式选择预测模型,采用预测准确率、出行方式比例预测绝对误差和期望模拟误差这3项性能指标,量化对比粒子群优化随机森林模型与多种机器学习模型和多项Logit模型统计学上的预测性能差异,利用SHAP(SHapley Additive exPlanation)模型深入分析个人社会经济属性、出行属性及出行方式属性等相关因素与居民出行方式选择之间的非线性关系。结果表明：粒子群优化随机森林模型整体平均预测准确率最高,为0.856,出行方式比例预测平均绝对误差和期望模拟平均误差最低,分别为0.062和0.306,模型间指标差异在统计学检验下显著;距离对不同出行方式选择的影响最显著,步行和私家车出行对距离敏感性更高,不同距离下,两者选择概率变化超过35%;30岁以下群体不同出行方式选择概率差距大于其他年龄段;性别、是否拥有私家车或公交...     

拦挡桩群对滑坡碎屑流挡流效果的离散元模拟

碎屑流灾害在西南山区较普遍,且碎屑流级配变化较大,对范围内的建筑构筑物和人民生命财产安全造成不容忽视的恶劣影响.其工程防治措施是近年来的研究热点问题,而采用桩群进行拦挡的形式更是新颖,因而弄清碎屑流颗粒级配对拦挡桩群的冲击响应特征将为其治理工程结构优化与防护提供参考.基于此,采用离散元软件Discrete Elemen...     

基于多目标粒子群优化算法的某轻型商用车操纵稳定性优化研究

针对某轻型商用车稳态回转时侧倾度偏大的问题对其悬架进行优化改进。基于ADAMS/car搭建整车多体动力学模型,通过前悬架反向平行轮跳试验、后悬架理论计算验证了悬架仿真模型的准确性。进行整车稳态回转工况和转向盘中间位置转向工况仿真分析,结果表明,车身侧倾度偏高。为实现操纵稳定性优化分析的流程自动化,提出了基于modeFRONTIER的联合仿真方法。以悬架设计参数为优化变量,以汽车的侧倾度与横摆角速度响应滞后时间为优化目标,采用拉丁超立方试验设计方法拟合得到混合代理模型,并结合多目标粒子群优化算法对悬架系统进行多目标优化,获得了悬架系统优化方案。优化结果显示,在不影响平顺性的前提下,汽车车身侧倾度降低了13.93%,横摆角速度响应滞后时间降低了2.75%,整车操纵稳定性得到了提升。     

高职高专教育课程体系的构建

转变教育观念,探索高等职业技术教育的规律,是培养技术应用性人才的迫切需要。本文对课程体系的构建、课程内容的定位以及课程特色进行了深入探讨。     

新建连镇铁路60 m+4×100 m+60 m刚构设计研究

连镇铁路五峰山长江特大桥北岸引桥主跨采用60 m+4×100 m+60 m连续刚构,主梁采用C55混凝土单箱单室变高度箱梁;双肢薄壁墩与主梁固结,主墩基础采用16根2.0 m钻孔灌注桩。采用软件BSAS PRO 2017,对桥梁结构的设计从梁高、双肢薄壁墩间距、壁厚等方面进行比选;在建立全桥计算模型时,采用群桩基础等代模型,计算了冲刷深度为25 m时对桥梁下部结构的影响。     

基于风险分析的公路工程保险费率厘定

在考虑工程风险及保险实际理赔情况的基础上,形成了含自然灾害、项目环境等7个指标维度的风险评价体系,利用粒子群(PSO)算法优化BP神经网络的初始阈值及权值,建立了公路工程保险费率厘定模型。将该模型应用于34个公路工程保险实际案例,通过PSO-BP神经网络拟合保险样本中风险指标因素与费率之间的关系,实现费率预测。对比分析PSO-BP神经网络与BP神经网络的仿真效果,结果表明,PSO-BP神经网络模型能较好地反映公路工程实际风险水平,预测准确度高,收敛速度快,适用于保险费率厘定。