城市轨道交通列车噪声预测模型研究

以已建立的城市轨道交通噪声预测模型为基础,提出改进的噪声预测模型。明确了各预测参数,采用对数回归关系确定了各影响因子与等效声级的关系。运用预测模型对长春轻轨噪声进行了预测。通过与实测结果进行比较,预测值与实际结果的误差<1dB(A),表明所提出的预测模型可精确反映长春轻轨的噪声级。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

深基坑支护结构变形预测研究与应用

利用现场监测的深基坑支护结构变形信息资料 ,结合参数优化反分析土体m值 ,根据现场地质资料和优化后的参数 ,通过有限元计算对深基坑支护系统进行变形预测 ,及时调整开挖方案和支护参数 ,此方法可以有效的指导基坑施工 ,确保施工安全     

轮轨噪声预测与控制方法综述

通过建立轮轨噪声预测模型,给出了车轮、钢轨辐射噪声声压级谱计算式。利用有关文献中的数据,对轮轨噪声进行了预测。从轮轨接触表面的不平顺、车轮、钢轨和声源等角度讨论了轮轨噪声的控制。     

铁路噪声预测计算方法

根据声学基本理论和有关有限长运动线声源指向性、等效时间等声学特性研究成果,结合铁路噪声的特点,总结了比例法和模式法两种主要的噪声预测方法,并给出了相应的计算公式,可供铁路建设项目环境影响评价中预测铁路噪声时参考。     

基于滞回分配的VBR视频流量带宽管理方案

基于VBR视频流量预测提出了一种新的动态带宽分配算法———滞回算法。与Girish提出的门限算法和Youssef提出的基于GOP场景检测的带宽分配方案相比,对缓存尺寸的需求、信元丢失率等性能有明显提高。大量的仿真表明,该算法能够以较低的开销(带宽重分配次数百分比≤2%)同时兼顾了CLR和带宽利用率,而且只有在缓存队长超过迂回门限时才触发带宽重分配过程,有利于在线实现。     

分析预测理论在空间位置探测数据处理中的应用(Ⅰ)--空间位置探测数据处理问题和关键技术

这组系列文章将介绍作者研究提出的分析预测理论,以及该理论在目标空间位置探测数据处理问题中的应用.从宏观上讲这种应用几乎平行于传统方法地给出了一整套全新的空间位置探测数据理论和算法.从微观上看,这种应用还具有一些传统方法没有的特点,例如可以对目标运动的模式进行识别(因此确保我们以与目标运动模式相同的或类似的模拟方程对目标进行滤波,从而获得精度更高的预测值),可以给出目标在未来时刻的真实值的范围为我们进行数据关联提供更好的判据,可以解决一维和两维探测数据的融合问题,可以对不同探测精度的数据进行点迹融合等.另外该系列文章研究的工作与传统的工作有较大的互补性.该系列文章首先给出空间位置探测数据的处理问题的定义,并从中抽象出关键技术.在接下来的系列文章中将讨论解决这些关键技术的思路以及关键技术的分解,理论数学模型,分析预测理论,分析预测处理方法的解的存在性证明,相关算法等.其核心有,目标运动模式的识别技术(模拟方程的选择问题),模拟方程参数的选择技术,运动模式发生改变的识别技术,航迹聚类技术,航迹和点迹聚类技术,航迹融合技术,不同探测精度和维数的点迹融合技术,位置预测的评估技术等.最后给出仿真实验数据和结果,与传统方法对比的仿真实验数据和结果,以及分析和统计互补使用等问题.     

基于船模试验数据库的快速性预报研究

充分利用已发展成熟的计算机技术，依托上海船研所的船模试验数据库，进行基于船模试验数据库的快速性预报研究．并据此开发一套快速、高效、实用的新船快速性预报系统，给传统的母型船预报法注入新的活力。最后，给出算例并对其结果进行分析对比。本系统关键是数据库的准确和丰富，预报的水平则取决于所选的母型船。     

山岭隧道涌水量预测方法分类及相关因素分析

准确预测隧道涌水量能有效减少隧道病害,保护生态环境,科学指导隧道的设计与施工,而如何正确选择和应用预测方法,是准确预测的前提条件。通过广泛调研,在总结分析各类涌水量预测方法的原理和适用范围基础上,以六盘山隧道某断面为例,深入探讨了围岩渗透系数、洞室尺寸、地下水位净高变化、注浆圈厚度、注浆水平和衬砌抗渗等级等因素对隧道涌水量的影响,重点指出各类解析方法的局限性和适用条件,突出了注浆水平在实际工程中的作用,并建议山岭公路隧道衬砌抗渗等级不宜小于S8。     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础,提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系,定义了站点间距,并分析了站间距和车辆到总站距离间的联系;提出了公交乘客上车站点确定方法,进而得到公交站点上车客流量;通过分析公交客流数据特征,确定ELM输入参数维度,并采用IPSO 算法找到ELM的最优隐含层节点参数;最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内,并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析,发现改进的ELM方法拥有更高的可靠性和泛化性能.