公路声屏障设计浅析

首先结合《公路环境保护设计规范》以及《环境影响评价技术导则声环境》,对公路声屏障声学原理、设计步骤及计算公式进行了论述,并以合阳至铜川高速公路作为设计实例,利用软件程序进行辅助设计,得到声屏障设计相关参数,对公路声屏障设计有一定的参考价值。     

世界石油海运现状分析与预测

对近年石油资源数据进行整理、对比分析.在此基础上,分别对石油资源的现状、石油的生产与消耗、原油船的供应与需求、船价与造价(二手船船价与油船造价)做出分析,对未来能源尤其是石油资源做出预测.     

备件消耗预测方法研究现状及发展

备件消耗预测是制定备件消耗标准的基础工作之一,通过对国内外有关备件消耗预测的文献进行研究,在分析当前备件分类的基础上,总结消耗连续型备件和消耗间断型备件的消耗预测方法研究现状,指出不同类型消耗预测模型的优点及存在的不足,揭示了备件消耗预测的研究重点及发展趋势。     

电磁兼容预测分析在试验中的应用

论文分析在复杂的电磁环境下开展试验面临的电磁兼容问题。研究了发射场电磁兼容预测分析的理论方法,给出了干扰预测的数学模型,可以在试验设计、故障诊断、EM C加固方面得到应用。     

基于支持向量机回归树的内燃机振动信号趋势预测

针对标准回归树建立在统计分析基础上所存在的缺陷,提出一种基于支持向量机的回归树预测模型。首先,根据原始振动信号趋势序列构建回归树;然后,针对回归树上包含样本数过少的节点,利用支持向量机,建立能够反映重要变量与响应变量之间映射关系的回归模型。仿真结果表明:即便由于设备出现异常,导致振动信号趋势序列出现非平稳、突变情况,该方法也能准确地预测,性能优于标准分析方法,具有一定的工程实用性。     

昔榆高速水土流失预测研究

公路施工建设过程中,项目建设区内的原地貌将会被严重扰动,再加上强降雨的冲刷,可能造成严重的水土流失和生态环境破坏.以昔榆高速为例,根据工程布局和不同施工特点进行防治分区,并采用经验法对各防治分区水土流失量进行预测分析,进而确定出该工程水土流失的重点区域,为客观评价水土流失危害、开展水土保持监测提供科学依据.     

基于特征熵权与样本加权的大跨桥梁多车道交通荷载聚类模型

为满足交通流荷载作用下大跨桥梁结构评估的需要,研究了基于荷载参数特征的交通流状态划分方法。首先,基于实测交通流数据,按照车道属性统计分析得到交通流的单位小时特征参数样本,选择单位小时内车型比例、车头间距及交通流速度作为交通流状态划分的参考特征;其次,改进经典k-means聚类算法以增强其对高维、复杂交通流荷载分类的鲁棒性,即通过引入特征熵值来表征各特征参数对聚类效果的重要性,同时计算样本点与周围样本点的接近程度来赋予样本点权值,以削弱样本离散性对聚类质量的不利影响;最后,通过聚类算法得到11种具有不同参数特征的交通流荷载,分析了其作用下某大跨斜拉桥拉索应力响应及造成的疲劳损伤。结果表明：改进算法的聚类质量指标比原始k-means算法提高了40%以上,对交通流状态划分具有良好的适用性;通过算法得到的不同类别的交通流荷载的特征参数差异性明显,其占有率也大不相同,同一类别的交通流荷载各样本特征参数聚拢效果良好;同车道内不同类别的交通流荷载的拉索等效应力差别较大,其变异系数均在0.2以上,尤其在考虑了不同交通流荷载模型的占有率后,这种差异性进一步增大。上述结果表明该交通流荷载聚类与模拟方法是有...     

基于BP神经网络的预测模型

预测是数据分析的基本任务之一,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的产生为处理非线性问题提供了一条新途径。文中运用智能计算技术建立了BP网络模型。通过珠江三角洲天河水文站的水位预测结果表明,BP网络模型有较好的泛化能力,预测更为可靠。     

桥梁结构健康监测基于相关性分析的多源数据预测算法研究

通过大数据预处理和分析技术,对位移、应变、风速、温度、湿度和索力等桥梁监测数据进行分析。首先使用傅里叶变换和小波变换,分析了不同监测数据类型之间的相关性,之后通过Bi-LSTM多源预测模型验证了相关性分析的结论。结果表明：位移信号与温度信号之间具有负相关性、位移信号与湿度信号具有正相关性,引入相关性强的桥梁监测数据建立多源预测模型能有效提高预测精度。研究结果对桥梁结构健康监测数据的关联分析与挖掘有参考价值,可为桥梁的日常养护、监测运营和应急管理提供决策依据。     

基于生成对抗网络的船舶航迹预测模型

为提高复杂交通局面下的船舶航迹预测精度,提岀一种基于生成对抗网络的船舶航行轨迹预测模型(Gen-erative Adversarial Networks with Attention and Interaction,GAN-AI)对多艘船舶轨迹同时进行预测.通过编码器对船舶轨迹时空序列进行编码,设计交互模块对多艘会遇船...